Интегральная теорема Муавра – Лапласа
Предположим, что в условиях схемы Бернулли проводится испытаний, в результате каждого из которых с вероятностью ( ) происходит событие . Интегральная теорема Муавра-Лапласа содержит приближенную формулу для вероятности того, что событие появится не менее раз и не более раз. С ростом количества испытаний числа и растут, а вероятность постоянна.
Теорема. Если вероятность события в каждом испытании постоянна и отлична как от нуля, так и от единицы, то вероятность того, что событие появится в испытаниях от до раз, приближенно равна определенному интегралу:
,
где , .
Доказательство. На основании теоремы сложения вероятности для несовместных событий:
.
Отсюда, используя локальную теорему Лапласа:
,
где ( ); .
Поскольку ,
следовательно .
Причем, эта сумма является интегральной для функции на отрезке , так как при , т.е. при , ее предел равен соответствующему определенному интегралу:
,
где , а ,
что и требовалось доказать.
Введем стандартный интеграл Лапласа (функцию Лапласа):
,
который, очевидно, является первообразной функции Гаусса:
.
Тогда на основании формулы Ньютона – Лейбница можно записать
.
Значения функций и обычно находятся из таблиц, причем таблицы обычно даны лишь для неотрицательных значений , поскольку – четная функция, а – нечетная. Из таблиц видно, что при значения практически не отличаются от 0.5, поэтому далее табуляция, как правило, не ведется.
Пример. Небольшой город ежедневно посещают 100 туристов, которые днем идут обедать. Каждый из них выбирает для обеда один из двух городских ресторанов с равными вероятностями и независимо друг от друга. Владелец одного из ресторанов желает, чтобы с вероятностью приблизительно 0,99 все пришедшие в его ресторан туристы могли там одновременно пообедать. Сколько мест должно для этого быть в его ресторане?
Решение. Будем считать, что событие произошло, если турист пообедал у заинтересованного владельца. По условию задачи , . Нас интересует такое наименьшее число посетителей , что вероятность одновременного прихода не менее чем туристов из числа с вероятностью успеха приблизительно равна вероятности переполнения ресторана, т.е. .
Таким образом, нас интересует такое наименьшее число , что . Применим интегральную теорему Муавра-Лапласа.
В нашем случае: – неизвестно, , , . Тогда:
Используя таблицы для функции , находим, , и, значит, . Следовательно, в ресторане должно быть 62 места.
Точность формул Муавра–Лапласа сильно зависит от соотношения величин и : она существенно увеличивается с ростом произведения . Обычно этими формулами пользуются, когда . Однако, в случае близости одной из величин или к нулю (другая в это время мало отличается от единицы) возникает необходимость в значительном увеличении числа испытаний .
Схема Пуассона. Поток событий
С увеличением чаще всего используют схему Пуассона. Эта схема является предельным случаем схемы Бернулли, в котором предполагается, что вероятность события не является постоянной, а зависит от числа испытаний таким образом, что величина остается постоянной. В этом случае оценка вероятности того, что событие наступит раз, определяется предельной теоремой Пуассона.
Yandex.RTB R-A-252273-3- Тема 1. Вероятностные пространства 30
- Тема 2. Основные вероятностные схемы испытаний 60
- Тема 3. Случайные величины 87
- Тема 4. Математическая статистика 140
- Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- Особенности изучения теории вероятностей и математической статистики менеджером
- Краткие сведения
- Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- Основные понятия теории вероятностей
- Случайные события
- Понятие случайного эксперимента
- Пространство элементарных событий
- Наступление события, благоприятствующие исходы
- Совместные (совместимые), несовместные (несовместимые) события
- Достоверное и невозможное события
- Алгебра событий Операции над событиями (сумма, разность, произведение)
- Свойства операций над событиями
- Алгебра и сигма-алгебра событий
- Общее определение вероятности
- Классическое определение вероятности события. Случаи равновероятных исходов
- Статистическое определение вероятности события. Случаи неравновероятных исходов
- Геометрические вероятности
- Аксиоматическое построение теории вероятностей
- , Т.Е. Вероятность достоверного события равна единице;
- Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- Полная группа событий
- Условная вероятность
- Формула умножения вероятностей
- Формула сложения вероятностей
- Независимость событий
- Простейшие свойства вероятностей
- Свойства условных вероятностей
- Формула полной вероятности. Формула Байеса
- Контрольные вопросы к теме №1
- Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- Классическая вероятностная схема
- Правила суммы и произведения
- Схемы выбора. Основные понятия комбинаторики
- Выбор без возвращения, с учетом порядка
- Выбор без возвращения, без учета порядка
- Выбор с возвращением и с учетом порядка
- Выбор с возвращением и без учета порядка
- Урновая схема
- Наивероятнейшее число наступления событий в схеме Бернулли
- Предельные теоремы для схемы Бернулли
- Локальная теорема Муавра–Лапласа
- Интегральная теорема Муавра – Лапласа
- Теорема Пуассона
- Понятие потока событий
- Полиномиальная схема
- Понятие цепи Маркова
- Однородные цепи Маркова
- Равенство Маркова
- Предельные вероятности
- Контрольные вопросы к теме №2
- Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- Непрерывные и дискретные случайные величины
- Закон распределения случайной величины
- Функция распределения случайной величины и ее свойства
- Свойства функции распределения
- Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- Свойства математического ожидания
- Дисперсия случайной величины и ее свойства
- Среднеквадратическое отклонение
- Начальные и центральные моменты
- Основные примеры распределений дискретной случайной величины
- Биномиальное распределение, его математическое ожидание, дисперсия
- Распределение Пуассона
- Геометрическое распределение
- Непрерывные случайные величины Функция и плотность распределения вероятностей
- Числовые характеристики непрерывных случайных величин
- Основные примеры распределений непрерывной случайной величины Равномерное распределение
- Показательное распределение
- Нормальное распределение
- Свойства функции Гаусса
- Центральная предельная теорема
- Вероятность попадания нормальной случайной величины в заданный интервал
- Функция Лапласа и ее свойства
- Вычисление вероятности заданного отклонения. Правило «трех сигм»
- Лекция 4. Многомерные случайные величины
- Закон распределения вероятностей двумерной случайной величины
- Совместная функция распределения двумерной случайной величины
- Свойства совместной функции распределения двумерной случайной величины
- Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- Свойства двумерной плотности вероятности
- Условное математическое ожидание
- Независимые случайные величины
- Числовые характеристики системы двух случайных величин
- Корреляционный момент
- Коэффициент корреляции
- Свойства коэффициента корреляции
- Линейная регрессия. Метод наименьших квадратов
- Распределение 2
- Распределение Стьюдента
- Распределение Фишера
- Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- Контрольные вопросы к теме №3
- Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- Выборочный метод и его основные понятия
- Способы отбора
- Вариационный ряд для дискретных и непрерывных случайных величин
- Полигон и гистограмма
- Эмпирическая функция распределения и ее свойства
- Свойства эмпирической функции распределения
- Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- Выборочные среднее и дисперсия
- Надежность и доверительный интервал
- Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
- Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- Проверка статистических гипотез
- Статистический критерий
- Критическая область. Область принятия гипотезы. Критические точки
- Критерий согласия Пирсона о виде распределения
- Элементы теории корреляции
- Выборочные уравнения регрессии
- Линейная регрессия
- Множественная линейная регрессия
- Нелинейная регрессия
- Логарифмическая модель
- Обратная модель
- Степенная модель
- Показательная модель
- Цепи Маркова Цепи Маркова с дискретным временем
- Однородные цепи Маркова
- Переходные вероятности. Матрица перехода
- Равенство Маркова
- Цепи Маркова с непрерывным временем
- Уравнения Колмогорова
- Финальные вероятности состояний системы
- Предельные вероятности
- Контрольные вопросы к теме №4
- Экзаменационные вопросы
- Литература
- Теория вероятностей и математическая статистика
- Технический редактор т.В. Жибуль
- 220007, Г. Минск, ул. Московская, 17.