Изменения

Перейти к: навигация, поиск

Схема Бернулли

8463 байта добавлено, 19:07, 4 сентября 2022
м
rollbackEdits.php mass rollback
{{Определение |definition='''Распределение Схемой Бернулли в теории вероятностей и математической статистике''' (англ. ''Bernoulli scheme'') называется последовательность независимых испытаний, в каждом из которых возможны лишь два исхода {{---}} «успех» и «неудача», при этом успех в каждом испытании происходит с одной и той же вероятностью дискретное распределение вероятностей<tex> p \in (0, моделирующее случайный эксперимент произвольной природы1)</tex> , когда заранее известна вероятность успеха или неудачиа неудача {{---}} с вероятностью <tex> q = 1 - p </tex>.}}  == Распределение Бернулли== {{Определение |definition=='''Распределение Бернулли''' (англ. ''Bernoulli distribution'') {{---}} описывает ситуации, где "испытание" имеет результат "успех" либо "неуспех".}}[[Дискретная случайная величина | Случайная величина]] <tex>\xi</tex> с таким распределением равна числу успехов в одном испытании схемы Бернулли с вероятностью <tex>p</tex> успеха : ни одного успеха или один успех. Функция распределения <tex> \xi</tex> имеет вид
<tex>
F_{\xi}(x) = P(\xi < x) \begin{cases}
0, & x\leqslant 0 \\
1 - p, & 0 < x \leqslant 1\\
1, & x > 1
\end{cases}
</tex>
 
[[Файл:Распределение Бернулли.jpg‎]]
 
== Биномиальное распределение ==
{{Определение
|definition=
Схемой Бернулли называется последовательность независимых испытаний, в каждом из которых возможны лишь два исхода — «успех» и «неудача», при этом успех в каждом испытании происходит Случайная величина <tex>\xi</tex> имеет '''биномиальное распределение''' (англ. ''binomial distribution'') с одной параметрами <tex>n \in \mathbb N</tex> и той же вероятностью <tex> p \in \mathbb (0, 1)</tex> и пишут: <tex> \xi \in \mathbb B_{n, а неудача — p}</tex> если <tex> \xi</tex> принимает значения <tex>k = 0, 1, \ldots ,n</tex> с вероятностью q вероятностями <tex >P(\xi = k) = </tex><tex > \dbinom{n}{k} \cdot p^k \cdot (1 - p)^{n - k} </tex> .
}}
Случайная величина с таким распределением имеет смысл числа успехов в <tex> n </tex> испытаниях схемы Бернулли с вероятностью успеха <tex>p</tex>.
 
Таблица распределения <tex> \xi </tex> имеет вид
 
{| class="wikitable" style ="text-align:center"
|-
|<tex>\xi </tex>
| 0
| 1
| <tex>\ldots</tex>
| <tex>k</tex>
| <tex>\ldots</tex>
| <tex>n</tex>
|-
| <tex>P</tex>
| <tex>(1 - p) ^ n </tex>
| <tex>n \cdot p \cdot (1 - p)^{n - 1}</tex>
| <tex>\ldots</tex>
| <tex>\dbinom{n}{k} \cdot p^k \cdot (1 - p)^{n - k} </tex>
| <tex>\ldots</tex>
| <tex> p^n </tex>
|}
 
== Формула Бернулли ==
Обозначим через <tex> v_{n} </tex> число успехов, случившихся в <tex> n</tex> испытаниях схемы Бернулли. Эта случайная величина может принимать целые значения от <tex>0</tex> до <tex>n</tex> в зависимости от результатов испытаний. Например, если все <tex>n </tex> испытаний завершились неудачей, то величина <tex> v_{n} </tex> равна нулю.
{{Теорема
|id=th1
|statement=
Для любого <tex >k = 0, 1, . . . \ldots , n </tex> вероятность получить в <tex>n </tex> испытаниях <tex>k </tex> успехов равна P(<tex>P(v_{n} = k ) = </tex> = k) = <texdpi="145">\binomdbinom{n}{k}</tex> <tex> \cdot p ^ {k} </tex> <tex> \cdot q ^ {n - k}</tex>  
|proof=
Событие A = {<tex> \{A = v_{n} = k\} </tex> = k} означает, что в <tex>n </tex> испытаниях схемы Бернулли произошло ровно <tex>k </tex> успехов. Рассмотрим один элементарный исход из события <tex>A</tex>: когда первые <tex>k </tex> испытаний завершились успехом, остальные неудачей. Поскольку испытания независимы, вероятность такого элементарного исхода равна <tex> p ^ {k} </tex> <tex> \cdot (1-p) ^ {n - k} </tex> Другие элементарные исходы из события <tex>A </tex> отличаются лишь расположением <tex>k </tex> успехов на <tex>n </tex> местах. Есть ровно <texdpi="145">\binomdbinom{n}{k}</tex> cпособов способов расположить <tex>k </tex> успехов на <tex>n </tex> местах. Поэтому событие <tex>A </tex> состоит из <texdpi="145">\binomdbinom{n}{k}</tex> элементарных исходов, вероятность каждого из которых равна <tex> p ^ {k} </tex> <tex> \cdot q ^ {n - k}</tex>Набор вероятностей в теореме называется биномиальным распределением вероятностей.
}}
== Пример Геометрическое распределение ==Правильная монета подбрасывается 10 раз{{Определение |definition='''Геометрическое распределение''' (англ. Найти вероятность того''geometric distribution'') {{---}} распределение дискретной случайной величины, что герб выпадет от 4 равной количеству испытаний случайного эксперимента до 6 разнаблюдения первого успеха.}}
Вычислим отдельно вероятности получить 4, 5 и 6 гербов после десяти подбрасываний монеты.{{Лемма|id=th1P(<tex>v_{10}</tex> = 4) |statement= Вероятность того, что первый успех произойдёт в испытании с номером <tex>k \binom{10}{4}</tex> <tex> in \genfrac{}{}{}{0}mathbb N = {1}{, 2, 3, \ldots}^ {4} </tex> равна <tex> P(r = k) = p \genfrac{}{}{}{0}{1}{2}cdot q^ {10 k - 41} </tex> |proof=Вероятность первым <tex>~\approx ~ 0{.}205 k - 1 </tex> P(<tex>v_ испытаниям завершиться неудачей, а последнему {{10---}} успехом, равна </tex> P(r = 5k) = <tex>p \binom{10}{5}</tex> <tex> \genfrac{}{}{}{0}cdot q^{k - 1}{2}^ {5} </tex> <tex> \genfrac{}{}{}{0}{1}{2}^ {10 - 5}</tex> <tex>~\approx ~ 0{.}246 </tex>
P(<tex>v_{10}</tex> = 6) = <tex>\binom{10}{6}</tex> <tex> \genfrac{}{}{}{0}{1}{2}^ {6} </tex> <tex> \genfrac{}{}{}{0}{1}{2}^ {10 - 6} </tex> <tex>~\approx ~ 0{.}205 </tex>
 
Сложим вероятности несовместных событий:
P(4)(<tex> \le </tex><tex> v_{10}</tex> <tex> \le </tex>6) = P(<tex> v_{10} </tex> = 4) + P(<tex> v_{10} </tex> = 5) + P(<tex> v_{10} </tex> = 6) <tex> ~\approx ~ 0{.}656 </tex>
{{Теорема
|id=th1
|statement=
Вероятность того, что первый успех произойдёт в испытании с номером Пусть <tex> P(r = k) = p \cdot q^{k - 1} </tex> для любого <tex>k \in \mathbb N = {1, 2, 3, </tex>. . .}, равна Тогда для любых неотрицательных целых <tex>n </tex> и <tex>k</tex> имеет место равенство: <tex> P(r = > n + k| r > n) = pq^ {P(r > k - 1} ) </tex>
|proof=
Вероятность первым По определению условной вероятности,<tex> P(r > n + k | r > n) = </tex> <tex> \dfrac{P(r > n + k, r > n)}{P(r > n)} = \dfrac{P(r > n + k)}{P(r > n)} </tex> <tex>\left(1 \right)</tex>Последнее равенство верно в силу того, что событие <tex> {r > n + k} </tex> влечёт событие <tex>{r > n}</tex>, поэтому их пересечением будет событие <tex> {r > n + k}</tex>. Найдём для целого <tex> m \geqslant 0</tex> испытаниям завершиться неудачейвероятность <tex> P(r > m)</tex> : событие <tex> r > m </tex> означает, а последнему — успехомчто в схеме Бернулли первые <tex>m</tex> испытаний завершились «неудачами», то есть его вероятность равна <tex> q^{m}</tex>. Возвращаясь к формуле <tex>\left(1\right)</tex> получаем, что эта [[Дискретная случайная величина | случайная величина]] равна <tex> P(r > n + k | r > n) = </tex> <tex> \dfrac{P(r > n + k, r > n) }{P(r > n)} = \dfrac{q^{n + k}} {q^{n}} = pq</tex> <tex> q^{k - 1} = P(r > k)</tex>. 
}}
Набор вероятностей <tex> pq^ {k - 1} </tex>, где k принимает любые значения из множества натуральных чисел, называется ''геометрическим распределением'' вероятностей. Геометрическое распределение вероятностей обладает интересным свойством ''отсутствия последействия'', означающим «нестарение» устройства, время жизни которого подчинено геометрическому распределению.
== Обобщение (полиномиальная схема) ==
Обычная формула Бернулли применима на случай, когда при каждом испытании возможен один из двух исходов.
Рассмотрим случай, когда в одном испытании возможны <tex> m</tex> исходов: <tex>1, 2, \ldots , m,</tex> и <tex>i</tex>-й исход в одном испытании случается
с вероятностью <tex> p_{i}</tex> , где <tex>p_{1} + \ldots + p_{m} = 1</tex>.
{{Теорема
|id=th1
|statement=
Пусть Обозначим через <tex> P(r = kn_{1}, \ldots , n_{m}) = pq^</tex> вероятность того, что в <tex>n</tex> независимых испытаниях первый исход случится <tex> n_{k - 1} </tex> для любого раз, второй исход {{---}} <tex> k \in \mathbb N n_{2}</tex>. Тогда для любых неотрицательных целых n раз, и k имеет место равенствотак далее, наконец, <tex>m</tex>-й исход {{---}} <tex>n_{m}</tex> раз тогда верна формула: <tex> P(r n_{1}, \ldots , n_{m}) = </tex> n + k | r <tex> \dfrac{n) = P(r > k) !}{n_{1}! \cdot n_{2}! \cdot\ldots \cdot n_{m}!} \cdot {p_{1}}^{n_{1}} \cdot \ldots \cdot {p_{m}}^{n_{m}}</tex>
|proof=
По определению условной вероятностиРассмотрим один элементарный исход,благоприятствующий выпадению <tex> P(r > n + k | r > n) = \genfrac{}{}{}{0}{P(r > n + k, r > n)}n_{P(r > n)} = \genfrac{}{}{}{0}{P(r > n + k)}{P(r > n)1} </tex> (9)Последнее равенство верно в силу тогоединиц, что событие <tex> n_{r > n + k2} </tex> влечёт событие двоек, и так далее.Это результат <tex>{r > n}</tex>экспериментов, поэтому их пересечением будет событие когда все нужные исходы появились в некотором заранее заданном порядке. Вероятность такого результата равна произведению вероятностей <tex> p_{n_{1}} \ldots p_{n_{r > n + km}}</tex>. Найдём для целого Остальные благоприятные исходы отличаются лишь расположением чисел <tex> 1, 2, \ldots , m \ge </tex> 0 вероятность на <tex> P(r n</tex> m)местах. Число таких исходов равно числу способов расположить на <tex>n</tex> : событие местах <tex> r > m n_{1}</tex> означаетединиц,что в схеме Бернулли первые m испытаний завершились «неудачами», то есть его вероятность равна <tex> q^n_{m2}</tex>. Возвращаясь к (9)двоек, получим и так далее Это число равно<tex> P(r > n + k | r > n) = \genfracdbinom{n}{n_1}\cdot\dbinom{n - n_1 - n_2}{0n_2}\cdot \dbinom{P(r > n + k, r > n)- n_1 - n_2- n_3}{P(r > n)n_3} = \genfraccdot\ldots \cdot \dbinom{}n - n_1 - n_2 - \ldots - n_{m -1}{}{0n_m}{q^= \dfrac {n + k}!} {q^n_{n1}! \cdot n_{2} = q^! \cdot \ldots \cdot n_{km}!} = P(r > k)</tex>.
}}
== Пример Примеры ====== Правильная монета ====Правильная монета подбрасывается <tex>10</tex> раз. Найти вероятность того, что герб выпадет от <tex>4</tex> до <tex>6</tex> раз. Вычислим отдельно вероятности получить <tex>4, 5</tex> и <tex>6</tex> гербов после десяти подбрасываний монеты. <tex >P(v_{10} = 4) =</tex> <tex> \dbinom{10}{4} \cdot\left(\dfrac{1}{2}\right)^ {4} \cdot \left(\dfrac{1}{2}\right)^ {10 - 4} </tex> <tex>~\approx ~ 0{.}205 </tex> <tex >P(v_{10} = 5) = </tex> <tex>\dbinom{10}{5} \cdot \left(\dfrac{1}{2}\right)^ {5} \cdot \left(\dfrac{1}{2}\right)^ {10 - 5}</tex><tex>~\approx ~ 0{.}246 </tex> <tex >P(v_{10} = 6) =</tex> <tex> \dbinom{10}{6} \cdot \left(\dfrac{1}{2}\right)^ {6} \cdot \left(\dfrac{1}{2}\right)^ {10 - 6}</tex> <tex>~\approx ~ 0{.}205 </tex> Сложим вероятности несовместных событий:<tex>P(4 \leqslant v_{10} \leqslant 6) = P(v_{10} = 4) + P(v_{10} = 5) + P(v_{10} = 6) ~\approx ~ 0{.}656 </tex> ==== Правильная игральная кость с двумя исходами ====
Два игрока по очереди подбрасывают правильную игральную кость. Выигрывает тот, кто первым выкинет шесть очков. Найти вероятность победы игрока, начинающего игру.
Шесть очков может впервые выпасть при первом, втором, и так далее. бросках кости. Первый игрок побеждает, если это случится при броске с нечётным номером, второй {{---}} с чётным. Пусть событие <tex> A_{k} </tex> состоит в том, что что шесть очков впервые выпадет в испытании с номером <tex>k</tex>. По последней теоремелемме, <tex> P(A_{k}) = </tex> <tex>\genfracdfrac{1}{6} \cdot \left(\dfrac{5}{6}\right)^{0k - 1}</tex>События <tex>A , B</tex>, означающие победу первого и второго игроков соответственно, представимы в виде объединения взаимоисключающих событий:<tex> A = A_{1}\cup A_{3} \cup A_{5} \cup \ldots , B = B_{2}\cup B_{4} \cup B_{6} · \cup \ldots </tex>Вероятности этих объединений равны суммам вероятностей слагаемых: <tex > P(A) =</tex><tex> \genfracdfrac{1}{6}+ \dfrac{1}{06}\cdot \left(\dfrac{5}{6}\right)^{k - 2} + \dfrac{1}{6} \cdot\left(\dfrac{5}{6}\right)^{4} \ldots = \dfrac{6}{11}.</tex> Теперь аналогичным образом посчитаю вероятность для события <tex>B</tex> <tex> P(B) =</tex> <tex> \dfrac{1}{6} \cdot \dfrac{5}{6} + \dfrac{1}{6} \cdot \left(\dfrac{5}{6}\right)^{3} + \dfrac{1}{6} \cdot\left(\dfrac{5}{6}\right)^{5} \ldots = \dfrac{5}{11}. </tex> ==== Правильная игральная кость с тремя исходами ====Игральная кость подбрасывается пятнадцать раз. Найти вероятность того, что выпадет ровно десять троек и три единицы.Здесь каждое испытание имеет три, а не два исхода: выпадение тройки, выпадение единицы, выпадение любой другой грани.  Так как вероятности выпадения тройки и единицы равны по <tex>\dfrac{1}{6}</tex>, а вероятность третьего исхода (выпала любая другая грань) <tex>\dfrac{4}{6}</tex>, то вероятность получить десять троек, три единицы и ещё два других очка равна <tex > P(10, 3, 2) = </tex> <tex> \dfrac{15!}{10! \cdot 3! \cdot2!} \cdot \left(\dfrac{1}{6}\right)^{10} \cdot \left(\dfrac{1} {6}\right)^{3} \cdot \left(\dfrac{4}{6}\right)^{2}</tex> ==См. также== *[[Дискретная случайная величина]]*[[Математическое ожидание случайной величины]] ==Источники информации==*[https://ru.wikipedia.org/wiki/Распределение_Бернулли Википедия {{---}} Распределение Бернулли]*[https://ru.wikipedia.org/wiki/Биномиальное_распределение Википедия {{---}} Биномиальное распределение]*[https://ru.wikipedia.org/wiki/Формула_Бернулли Википедия {{---}} Формула Бернулли]*[https://ru.wikipedia.org/wiki/Геометрическое_распределение Википедия {{---}} Геометрическое распределение]*''Н.И Чернова'' Теория вероятности {{---}} Новосибирск, 2009.[[Категория: Дискретная математика и алгоритмы]][[Категория: Теория вероятности]]
1632
правки

Навигация