Биноминальный закон распределения задачи

Биномиальное распределение

Материал из MachineLearning.

Содержание

Определение

Биномиальное распределение — дискретное распределение вероятностей случайной величины принимающей целочисленные значения с вероятностями:

Данное распределение характеризуется двумя параметрами: целым числом 0,» alt= «n>0,» /> называемым числом испытаний, и вещественным числом называемом вероятностью успеха в одном испытании. Биномиальное распределение — одно из основных распределений вероятностей, связанных с последовательностью независимых испытаний. Если проводится серия из независимых испытаний, в каждом из которых может произойти «успех» с вероятностью то случайная величина, равная числу успехов во всей серии, имеет указанное распределение. Эта величина также может быть представлена в виде суммы независимых слагаемых, имеющих распределение Бернулли.

Основные свойства

• Математическое ожидание:
• Дисперсия:
• Асимметрия: при распределение симметрично относительно центра

Асимптотические приближения при больших

Если значения велики, то непосредственное вычисление вероятностей событий, связанных с данной случайной величиной, технически затруднительно. В этих случаях можно использовать приближения биномиального распределения распределением Пуассона и нормальным (приближение Муавра-Лапласа).

Приближение Пуассона

Приближение распределением Пуассона применяется в ситуациях, когда значения большие, а значения близки к нулю. При этом биномиальное распределение аппроксимируется распределением Пуассона с параметром

Строгая формулировка: если и таким образом, что то

Более того, справедлива следующая оценка. Пусть — случайная величина, имеющая распределение Пуассона с параметром Тогда для произвольного множества справедливо неравенство:

Доказательство и обзор более точных результатов, касающихся точности данного приближения, можно найти в [1, гл. III, §12].

Нормальное приближение

Приближение нормальным распределением используется в ситуациях, когда а фиксировано. Это приближение можно рассматривать как частный случай центральной предельной теоремы, применение которой основано на представлении в виде суммы слагаемых. Приближение основано на том, что при указанных условиях распределение нормированной величины

близко к стандартному нормальному.

Локальная теорема Муавра-Лапласа

Данная теорема используется для приближенного вычисления вероятностей отдельных значений биномиального распределения. Она утверждает [1, гл. I, §6], что равномерно по всем значениям таким что имеет место

где — плотность стандартного нормального распределения.

Интегральная теорема Муавра-Лапласа

На практике необходимость оценки вероятностей отдельных значений, которую дает локальная теорема Муавра-Лапласа, возникает нечасто. Гораздо более важно оценивать вероятности событий, включающих в себя множество значений. Для этого используется интегральная теорема, которую можно сформулировать в следующем виде [1, гл. I, §6]:

где случайная величина имеет стандартное нормальное распределение и аппроксимирующая вероятность определяется по формуле

где — функция распределения стандартного нормального закона:

Есть ряд результатов, позволяющих оценить скорость сходимости. В [1, гл. I, §6] приводится следующий результат, являющийся частным случаем теоремы Берри-Эссеена:

где — функция распределения случайной величины На практике решение о том, насколько следует доверять нормальному приближению, принимают исходя из величины Чем она больше, тем меньше будет погрешность приближения.

Заметим, что асимптотический результат не изменится, если заменить строгие неравенства на нестрогие и наоборот. Предельная вероятность от такой замены также не поменяется, так как нормальное распределение абсолютно непрерывно и вероятность принять любое конкретное значение для него равна нулю. Однако исходная вероятность от такой замены может измениться, что вносит в формулу некоторую неоднозначность. Для больших значений изменение будет невелико, однако для небольших это может внести дополнительную погрешность.

Для устранения этой неоднозначности, а также повышения точности приближения рекомендуется задавать интересующие события в виде интервалов с полуцелыми границами. При этом приближение получается точнее. Это связано с тем интуитивно понятным соображением, что аппроксимация кусочно-постоянной функции (функции распределения биномиального закона) с помощью непрерывной функции дает более точные приближения между точками разрыва, чем в этих точках.

Пусть Оценим вероятность того, что число успехов будет отличаться от наиболее вероятного значения не более чем на . Заметим, что значение очень мало, поэтому применение нормального приближения здесь довольно ненадежно.

Точная вероятность рассматриваемого события равна

Применим нормальное приближение с той расстановкой неравенств, которая дана выше (снизу строгое, сверху нестрогое):

Ошибка приближения равна .

Теперь построим приближение, используя интервал с концами в полуцелых точках:

Ошибка приближения равна — примерно в 5 раз меньше, чем в предыдущем подходе.

Литература

1. Ширяев А.Н. Вероятность. — М.: МЦНМО, 2004.

www.machinelearning.ru

Закон распределения дискретной случайной величины. Примеры решения задач

Как известно, случайной величиной называется переменная величина, которая может принимать те или иные значения в зависимости от случая. Случайные величины обозначают заглавными буквами латинского алфавита (X, Y, Z), а их значения – соответствующими строчными буквами (x, y, z). Случайные величины делятся на прерывные (дискретные) и непрерывные.

Дискретной случайной величиной называется случайная величина, принимающая лишь конечное или бесконечное (счетное) множество значений с определенными ненулевыми вероятностями.

Законом распределения дискретной случайной величины называется функция, связывающая значения случайной величины с соответствующими им вероятностями. Закон распределения может быть задан одним из следующих способов.

1. Закон распределения может быть задан таблицей:

События X = x_i (i = 1, 2, 3,…,n) являются несовместными и единственно возможными, т.е. они образуют полную систему событий. Поэтому сумма их вероятностей равна единице: р₁+р₂+р₃+…+р_n = ∑p_i =1

2. Закон распределения может быть задан аналитически (формулой) P(X = x_i) = ϕ(x_i). Например:

а) с помощью биномиального распределения: P_n(X=k) = С_n k p k q n-k , 0 0, k = 0, 1, 2, … .

в) с помощью функции распределения F(x), определяющей для каждого значения x вероятность того, что случайная величина X примет значение, меньшее x, т.е. F(x) = P(X 2 или D(X) = M(X 2 )−[M(X)] 2 . Разность X–M(X) называют отклонением случайной величины от ее математического ожидания.
Для биномиального распределения D(X)=npq, для распределения Пуассона D(X)=λ

Среднее квадратическое отклонение (стандартное отклонение) σ(X)=√D(X).

Примеры решения задач по теме «Закон распределения дискретной случайной величины»

Выпущено 1000 лотерейных билетов: на 5 из них выпадает выигрыш в сумме 500 рублей, на 10 – выигрыш в 100 рублей, на 20 – выигрыш в 50 рублей, на 50 – выигрыш в 10 рублей. Определить закон распределения вероятностей случайной величины X – выигрыша на один билет.

Решение. По условию задачи возможны следующие значения случайной величины X: 0, 10, 50, 100 и 500.

Число билетов без выигрыша равно 1000 – (5+10+20+50) = 915, тогда P(X=0) = 915/1000 = 0,915.

Аналогично находим все другие вероятности: P(X=0) = 50/1000=0,05, P(X=50) = 20/1000=0,02, P(X=100) = 10/1000=0,01, P(X=500) = 5/1000=0,005. Полученный закон представим в виде таблицы:

Найти математическое ожидание числа очков, выпадающих при бросании игральной кости.

Решение. Случайная величина X числа очков принимает значения 1, 2, 3, 4, 5, 6. Вероятность того, что выпадет одно из данных значений равна 1/6. Закон распределения представим в виде таблицы:

Найдем математическое ожидание величины Х: М(Х) = 1*1/6 + 2*1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6*1/6 = (1+2+3+4+5+6)/6 = 21/6 = 3,5

Устройство состоит из трех независимо работающих элементов. Вероятность отказа каждого элемента в одном опыте равна 0,1. Составить закон распределения числа отказавших элементов в одном опыте, построить многоугольник распределения. Найти функцию распределения F(x) и построить ее график. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение дискретной случайной величины.

Решение. 1. Дискретная случайная величина X= <число отказавших элементов в одном опыте>имеет следующие возможные значения: х₁=0 (ни один из элементов устройства не отказал), х₂=1 (отказал один элемент), х₃=2 (отказало два элемента) и х₄=3 (отказали три элемента).

Отказы элементов независимы друг от друга, вероятности отказа каждого элемента равны между собой, поэтому применима формула Бернулли. Учитывая, что, по условию, n=3, р=0,1, q=1-р=0,9, определим вероятности значений:
P₃(0) = С₃ 0 p 0 q 3-0 = q 3 = 0,9 3 = 0,729;
P₃(1) = С₃ 1 p 1 q 3-1 = 3*0,1*0,9 2 = 0,243;
P₃(2) = С₃ 2 p 2 q 3-2 = 3*0,1 2 *0,9 = 0,027;
P₃(3) = С₃ 3 p 3 q 3-3 = р 3 =0,1 3 = 0,001;
Проверка: ∑p_i = 0,729+0,243+0,027+0,001=1.

Таким образом, искомый биномиальный закон распределения Х имеет вид:

www.ekonomika-st.ru

Дискретная случайная величина: примеры решений задач

На этой странице мы собрали примеры решения учебных задач о дискретных случайных величинах. Это довольно обширный раздел: изучаются разные законы распределения (биномиальный, геометрический, гипергеометрический, Пуассона и другие), свойства и числовые характеристики, для каждого ряда распределения можно строить графические представления: полигон (многоугольник) вероятностей, функцию распределения.

Ниже вы найдете примеры решений о дискретных случайных величинах, в которых требуется применить знания из предыдущих разделов теории вероятностей для составления закона распределения, а затем вычислить математическое ожидание, дисперсию, среднее квадратическое отклонение, построить функцию распределения, дать ответы на вопросы о ДСВ и т.п.

Примеры для популярных законов распределения вероятностей:

Калькуляторы на характеристики ДСВ

Решенные задачи о ДСВ

Распределения, близкие к геометрическому

Задача 1. На пути движения автомашины 4 светофора, каждый из которых запрещает дальнейшее движение автомашины с вероятностью 0,5. Найти ряд распределения числа светофоров, пройденных машиной до первой остановки. Чему равны математическое ожидание и дисперсия этой случайной величины?

Задача 2. Охотник стреляет по дичи до первого попадания, но успевает сделать не более четырех выстрелов. Составить закон распределения числа промахов, если вероятность попадания в цель при одном выстреле равна 0,7. Найти дисперсию этой случайной величины.

Задача 3. Стрелок, имея 3 патрона, стреляет в цель до первого попадания. Вероятности попадания при первом, втором и третьем выстрелах соответственно 0,6, 0,5, 0,4. С.В. $\xi$ — число оставшихся патронов. Составить ряд распределения случайной величины, найти математическое ожидание, дисперсию, среднее квадратичное отклонение с.в., построить функцию распределения с.в., найти $P(|\xi-m| \le \sigma$.

Задача 4. В ящике содержится 7 стандартных и 3 бракованных детали. Вынимают детали последовательно до появления стандартной, не возвращая их обратно. $\xi$ — число извлеченных бракованных деталей.
Составить закон распределения дискретной случайной величины $\xi$, вычислить ее математическое ожидание, дисперсию, среднее квадратическое отклонение, начертить многоугольник распределения и график функции распределения.

Задачи с независимыми событиями

Задача 5. На переэкзаменовку по теории вероятностей явились 3 студента. Вероятность того, что первый сдаст экзамен, равна 0,8, второй — 0,7, третий — 0,9. Найдите ряд распределения случайной величины $\xi$ числа студентов, сдавших экзамен, постройте график функции распределения, найдите $М(\xi), D(\xi)$.

Задача 6. Вероятность попадания в цель при одном выстреле равна 0,8 и уменьшается с каждым выстрелом на 0,1. Составить закон распределения числа попаданий в цель, если сделано три выстрела. Найти математическое ожидание, дисперсию и С.К.О. этой случайной величины. Построить график функции распределения.

Задача 7. По цели производится 4 выстрела. Вероятность попадания при этом растет так: 0,2, 0,4, 0,6, 0,7. Найти закон распределения случайной величины $X$ — числа попаданий. Найти вероятность того, что $X \ge 1$.

Задача 8. Подбрасываются две симметричные монеты, подсчитывается число гербов на обеих верхних сторонах монет. Рассматривается дискретная случайная величина $X$- число выпадений гербов на обеих монетах. Записать закон распределения случайной величины $X$, найти ее математическое ожидание.

Другие задачи и законы распределения ДСВ

Задача 9. Два баскетболиста делают по три броска в корзину. Вероятность попадания для первого баскетболиста равна 0,6, для второго – 0,7. Пусть $X$ — разность между числом удачных бросков первого и второго баскетболистов. Найти ряд распределения, моду и функцию распределения случайной величины $X$. Построить многоугольник распределения и график функции распределения. Вычислить математическое ожидание, дисперсию и среднее квадратичное отклонение. Найти вероятность события $(-2 \lt X \le 1)$.

Задача 10. Число иногородних судов, прибывающих ежедневно под погрузку в определенный порт – случайная величина $X$, заданная так:
0 1 2 3 4 5
0,1 0,2 0,4 0,1 0,1 0,1
А) убедитесь, что задан ряд распределения,
Б) найдите функцию распределения случайной величины $X$,
В) если в заданный день прибывает больше трех судов, то порт берет на себя ответственность за издержки вследствие необходимости нанимать дополнительных водителей и грузчиков. Чему равна вероятность того, что порт понесет дополнительные расходы?
Г) найдите математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины $X$.

Задача 11. Бросают 4 игральные кости. Найти математическое ожидание суммы числа очков, которые выпадут на всех гранях.

Задача 12. Двое поочередно бросают монету до первого появления герба. Игрок, у которого выпал герб, получает от другого игрока 1 рубль. Найти математическое ожидание выигрыша каждого игрока.

Решебник по терверу

Нужны еще решения? Найди в решебнике свое (от 30 рублей и мгновенная доставка):

www.matburo.ru

Биномиальное распределение. Задачи

Целочисленная случайная величина X имеет биномиальное распределение , если вероятность ее возможных значений вычисляется по формуле Бернулли

В табличной форме этот закон имеет следующий вид:

При проверке выполнения условия нормировки используется формула бинома Ньютона , поэтому закон распределения называют биномиальным

Построим вероятностную образующую функцию для этого закона

Итак, вероятностная образующая функция для биномиального закона ровна

Найдем основные числовые характеристики для этого закона

1. Математическое ожидание случайной величины через образующую функцию для биномиального распределения вычисляем по формуле

2. Вторая производная от образующей функции для биномиального распределения в единице примет значение

На основе найденного значения можно вычислять дисперсию

Имея дисперсию нетрудно установить среднее математическое отклонение

3. Коэффициент асимметрии А(Х) и эксцесс Е(Х) для биномиального распределения определяют по формулам

В случае роста количества испытаний n асимметрия и эксцесс стремятся к нулю.

Перейдем к практической стороне биномиального распределения

Задача 1. В партии однотипных деталей стандартные составляют 97% . Наугад из партии берут 400 деталей. Определить математическое ожидание, дисперсию и среднее квадратическое отклонение М(Х), D(X) , S(Х) для дискретной случайной величины Х — появления числа стандартных деталей среди 400 наугад взятых.

Решение. Целочисленных случайная величина Х имеет биномиальное закон распределения вероятностей, которая может принимать значения Х = k = 0, 1, 2, . 400. Вероятности возможных значений для данной задачи определяются по формуле Бернулли и составляют где р = 0,97 — вероятность появления стандартной детали, q = 1 – p =1 – 0,97 = 0,03 — вероятность появления нестандартной детали. Согласно приведенным выше формулам определяем нужные величины:

Задача 2. Два ювелирные заводы производят свадебные кольца в объеме 3:7 . Первый завод производит 95% колец без дефекта, второй – 90% . Молодая пара перед свадьбой покупает пару колец. Построить закон распределения, вычислить математическое ожидание и среднее квадратичное отклонение.

Решение. Вероятность события А – куплена кольцо оказалась качественной определим по формуле полной вероятности

Случайная величина Х – количество колец надлежащего качества среди купленных имеет биномиальное закон распределения с параметрами

Найдем соответствующие вероятности

Запишем таблицу распределения

На основе табличных данных вычисляем математическое ожидание

Среднее квадратичное отклонение

Как можно убедиться из примеров, биномиальний закон распределения простой как для понимания так и для вычислений. Хорошо разберитесь с примерами и пользуйтесь биномиальным распределением там где это необходимо.

yukhym.com

Биномиальное распределение

Биноминальное распределение — распределение количества «успехов» в последовательности из n независимых случайных экспериментов, таких что вероятность «успеха» в каждом из них равна p.

Это распределение интенсивно используется в картах контроля качества, p — доля годной продукции, q — доля брака.

В телекоммуникации q — доля необслуженных (потерянных) вызовов.

Представим себе испытание с двумя возможными исходами: А и А с , где, скажем, А условно означает «успех», дополнительное событие А с – «неудачу».

Серию независимых испытаний такого рода с одной и той же вероятностью успеха р=Р(А) называют испытаниями Бернулли.

Примером может служить последовательное бросание монеты, в котором условно выпадение герба есть успех, а выпадение решетки – неудача.

Каждый исход n испытаний здесь можно описать цепочкой событий , где или А с соответственно означает успех или неудачу в k-м испытании,

(1)

Положим 1-p=q. Для независимых исходов в последовательности независимых испытаний вероятность их совместного осуществления есть , и для цепочки , в которой имеется ровно k успехов и n-k неудач, получим:

(2)

Обозначим совокупность всех возможных исходов — их общее число N= 2 n .

Очевидно, не являются равновероятными, если .

Определим вероятность события как .

Рассмотрим число всех успехов в цепочке событий .

Какова вероятность, что ? Очевидно, в входят лишь равновероятные исходы , — вероятность каждого из них указана в (2).

Число всех равно числу сочетаний и, следовательно,

Это так называемое биноминальное распределение, называемое также распределением Бернулли, — связь его с биномом налицо:

statistica.ru