8)Теорема Пуассона. Локальная и интегральная теоремы Муавра-Лапласа.
теорема Пуассона
Если вероятность р наступления события А в каждом испытании стремится к нулю (р → 0) при неограниченном увеличении числа n испытаний (n → ∞), причем произведение np стремится к постоянному числу λ (np → λ), то вероятность Рm,n того, что со-бытие А появится m раз в n независимых испытаниях, удовлетворяет предельному равенству:
формула Пуассона для маловероятных событий:
Если вероятность р — постоянна и мала, число испытаний n — велико и число λ = nр — незначительно (будем полагать, что λ = nр < 10), то из предельного равенства вытекает приближенная формула Пуассона:
Локальная теорема Муавра – Лапласа.
Если вероятность р наступления события А в каждом испытании постоянна и отлична от 0 и 1, то вероятность Рmn того, что событие А произойдет m раз в n независимых испытаниях при достаточно большом числе n, приближенно равна:
где – функция Гаусса и
Приближенные значения вероятности Рmn, задаваемые локальной формулой, на практике используются как точные при условии npq > 20.
Значения функции Гаусса приведены в табл. I приложений.
1. Функция f(x) является четной, т.е. f(-x) = f(х).
2.Функция f(x) – монотонно убывающая при положительных значениях х, причем при х → ∞ f(x) → 0 (практически можно считать, что уже при х > 4 f(x) ≈ 0.
Интегральная теорема Муавра—Лапласа.
Если вероятность р наступления события А в каждом испытании постоянна и отлична от 0 и 1, то вероятность того, что число m наступления события А в n независимых испытаниях заключено в пределах от а до b (включительно), при достаточно боль-шом числе n приближенно равна:
где - функция Лапласа (интеграл вероятностей);
При выполнении условия npq > 20 интегральная формула дает, как правило, удовлетворительную для практики погреш-ность вычисления вероятностей.
Значения функции Лапласа приведены в табл. II приложений.
1. Функция Ф(x) является нечетной, т.е. Ф(-x) = - Ф(х).
2. Функция Ф(x) – монотонно возрастающая, причем при х → ∞ Ф(x) → 1, практически можно считать, что уже при х > 4 Ф(x) ≈ 1.
Следствия.
Если вероятность р наступления события А в каждом испыта-нии постоянна и отлична от 0 и 1, то при достаточно большом числе n независимых испытаний вероятность того, что:
а) число m наступлений события А отличается от произведения nр не более, чем на величину ε > 0 (по абсолютной величине):
б) частость m /n события А заключена в пределах от α до β(включительно):
в) частость m /n события А отличается от его вероятности р не более, чем на величину Δ > 0 (по абсолютной величине):
Yandex.RTB R-A-252273-3
- 1)Основные понятия теории вероятностей. Случайные события и их классификация.
- 2)Вероятность события. Классическое, статистическое и геометрическое определения.
- 3)Действия над событиями.
- 4)Теоремы сложения и умножения вероятностей.
- 1)Теорема сложения вероятностей несовместных событий:
- 2)Теорема сложения вероятностей совместных событий:
- 3)Теорема умножения вероятностей:
- 4)Теорема сложения вероятностей совместных событий:
- 5)Зависимые и независимые события.Условная вероятность.
- 6)Формула полной вероятности. Теорема Байеса
- 7)Повторные независимые испытания. Формула Бернулли.
- 8)Теорема Пуассона. Локальная и интегральная теоремы Муавра-Лапласа.
- 9)Случайная величина и ее закон распределения. Дискретные и непрерывные случайные величины.
- 11)Функция распределения случайной величины. Плотность распределения непрерывной случайной величины. Их свойства.
- 12)Числовые характеристики случайных величин: математическое ожидание, дисперсия, среднее квадратическое отклонение, их свойства.
- 1. Дисперсия постоянной величины равна нулю:
- 2. Постоянный сомножитель можно выносить за знак дисперсии,возведя его при этом в квадрат:
- Дисперсия алгебраической суммы конечного числа независимых случайных величин равна сумме их дисперсий:
- 13)Мода, медиана, квантили. Начальные и центральные моменты случайных величин.
- 14)Неравенства Маркова и Чебышева.
- 15)Закон больших чисел. Теоремы Чебышева и Бернулли. Теорема Пуассона.
- 16)Центральная предельная теорема
- 17)Многомерные случайные величины
- 18)Функция и плотность распределения двумерной случайной величины. Их свойства.
- 19)Зависимые и независимые случайные величины. Условные законы распределения.
- 20)Числовые характеристики двумерных случайных величин. Ковариация, коэффициент корреляции.
- 21)Случайные процессы и их характеристики.
- 22)Марковские случайные процессы.
- 23)Уравнения Чепмена-Колмогорова.Предельные вероятности состояний.
- 24)Общая характеристика систем массового обслуживания. Потоки событий.
- 25)Процессы гибели и размножения.
- 26)Системы массового обслуживания с отказами.
- 27)Системы массового обслуживания с ожиданием.
- 28)Общие сведения о выборочном методе.
- 29)Вариационные ряды и их графическое изображение
- 30)Числовые характеристики выборочного распределения. Их свойства.
- 31)Понятие об оценке параметров. Характеристики оценок.
- 39)Однофакторный дисперсионный анализ. Межгрупповая и внутри групповая вариации
- 40)Понятие о двухфакторном дисперсионном анализе.
- 41)Основные положения регрессионного анализа.
- 42)Линейная парная регрессия.
- 43)Оценка тесноты корреляционной зависимости для линейной модели. Коэффициент детерминации.
- 44)Интервальная оценка функции регрессии.
- 45)Проверка значимости уравнения регрессии. Интервальная оценка параметров парной модели.