Примеры повторных испытаний:

Формула полной вероятности и формула Байеса

Если событие А может произойти только при выполнении одного из событий , которые образуют полную группу несовместных событий, то вероятность события А вычисляется по формуле

.

Эта формула называется формулой полной вероятности.

Вновь рассмотрим полную группу несовместных событий , вероятности появления которых . Событие А может произойти только вместе с каким-либо из событий , которые будем называть гипотезами. Тогда по формуле полной вероятности

Если событие А произошло, то это может изменить вероятности гипотез .

По теореме умножения вероятностей

,

откуда

.

Аналогично, для остальных гипотез

Полученная формула называется формулой Байеса (формулой Бейеса). Вероятности гипотез называются апостериорными вероятностями, тогда как - априорными вероятностями.

Формула Байеса

Пусть событие происходит одновременно с одним из несовместных событий . Требуется найти вероятность события , если известно, что событие произошло.

На основании теоремы о вероятности произведения двух событий можно написать

Откуда

или

Примеры повторных испытаний:

1) многократное извлечение из урны одного шара при условии, что вынутый шар после регистрации его цвета кладется обратно в урну;

2) повторение одним стрелком выстрелов по одной и той же мишени при условии, что вероятность удачного попадания при каждом выстреле принимается одинаковой (роль пристрелки не учитывается).

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы; вероятность появления события А в каждом отдельно взятом или единичном испытании постоянна и от испытания к испытанию не изменяется (т.е. испытания проводятся в одинаковых условиях). Обозначим вероятность появления события А в единичном испытании буквой р, т.е. p = P (A), а вероятность противоположного события (событие А не наступило) - буквой q = P (A ¯¯¯)=1− p.

Тогда вероятность того, что событие А появится в этих n испытаниях ровно k раз, выражается формулой Бернулли

Pn (k)= Ckn ⋅ pk ⋅ qn − k, q =1− p.

Распределение числа успехов (появлений события) носит название биномиального распределения.

48) Локальная теорема Лапласа. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события равна р(0 < р < 1), событие наступит ровно k раз (безразлично, в какой последовательности), приближенно равна (тем точнее, чем больше n)

Для определения значений φ(x) можно воспользоваться специальной таблицей.

Интегральная теорема Лапласа. Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события равна р (0 < р < 1), событие наступит не менее k₁ раз и не более k₂ раз, приближенно равна

P(k₁;k₂)=Φ(x'') - Φ(x')

Здесь

- функция Лапласа

49) Законом распределения дискретной случайной величины называется соответствие между отдельными возможными значениями и их вероятностями.

Закон распределения дискретной случайной величины проще представить в виде таблицы распределения, в первой строке которой указывают возможные значения случайной величины, а во второй строке — соответствующие вероятности этих значений.

Здесь х₁, х₂, x₃, х₄,...,х_n — значения, которые может принять случайная дискретная величина X и соответствующие вероятности

p₁=Р(Х=х₁), p₂=Р(Х=х₂),

p₃=Р(Х=х₃), p₄=Р(Х=х₄).
p_n=Р(Х = х_n) и p₁+p₂+p₃+p₄+...+p_n=1