Теорема 14. Пусть P(τ = k) = pqk-1. Тогда для произвольных n, k³ 0
P(τ > n+k\ τ > n) = P(τ > k)
Данному равенству можно придать следующее звучание: если известно, что устройство проработало без отказов n часов, то вероятность ему работать еще не менее k часов точно такая же, как вероятность проработать не менее k часов для нового устройства.
Можно прочесть эту формулу и так: вероятность работающему устройству проработать еще сколько-то часов не зависит от того момента, когда мы начали отсчет времени, или от того, сколько уже работает устройство.
Доказательство. По определению условной вероятности,
(4)Последнее равенство следует из того, что событие {τ > n+k} влечет событие {τ > n}, так что пересечение этих событий есть {τ > n+k}. Найдем для произвольного m³ 0вероятность P(τ > m).
Можно также заметить, что событие {τ > m} означает, что в схеме Бернулли первые m испытаний завершились «неудачами», а это событие имеет вероятность как раз qm.
Возвращаясь к (4), получим
5.4 Приближение гипергеометрического распределения биномиальным
Рассмотрим урну, содержащую N шаров, из которых K шаров — белые, а оставшиеся N-K шаров — черные. Из урны наудачу (без возвращения) выбираются nшаров. Вероятность PN,K(n, k)того, что будет выбрано ровно k белых и n-k черных шаров, находится по формуле (см. определение 8 гипергеометрического распределения вероятностей):
Сформулируем нашу первую предельную теорему.
5.5 Независимые испытания с несколькими исходами
Рассмотрим следующий пример, когда из двух очень похожих вопросов на один можно ответить, пользуясь формулой Бернулли, а для другого этой формулы оказывается недостаточно:
Пример20. Игральная кость подбрасывается 15 раз. Найти вероятности следующих событий:
а) выпадет ровно 10 шестерок; б) выпадет ровно 10 шестерок и три единицы.
а) есть 15 испытаний схемы Бернулли с вероятностью успеха 1/6 (выпадение шестерки). Вероятность десяти успехов в 15 испытаниях равна
б) здесь каждое испытание имеет три, а не два исхода: выпадение шестерки, выпадение единицы, выпадение остальных граней. Воспользоваться формулой для числа успехов в схеме Бернулли не удается — перед нами уже не схема Бернулли.
Осталось изобрести формулу для подсчета вероятности каждому исходу в нескольких независимых испытаниях выпасть нужное число раз, если в одном испытании возможно не два, а более исходов.
Пусть в одном испытании возможны m исходов. Обозначим их цифрами 1, 2, …m. Пусть исход i в одном испытании случается с вероятностью рi, 1 ≤ i ≤ m и
Обозначим через Р(n1,n2,…,nm) вероятность того, что в n = n1+ n2+ …+nm независимых испытаний исход 1 появился n1, раз, исход 2 – n2 раз,…
Теорема 16. Для любого n и любых целых n1 ≥ 0…nm ≥ 0 таких, что n1+ n2+ …+nm = n, верна формула:
Доказательство. Рассмотрим один элементарный исход, благоприятствующий выпадению n1 единиц, n2 двоек, … , nmраз m-ок:
Это результат n экспериментов, когда все нужные исходы появились в некотором заранее заданном порядке. Вероятность такого результата n независимых испытаний равна
Все остальные благоприятные исходы отличаются лишь расположением чисел 1, 2, …m на n местах. Число таких исходов равно числу способов расставить на n местах n1единиц, n2 двоек, , … , nmраз чисел m, то есть
Теперь мы можем вернуться к примеру 20(б) и выписать ответ: так как вероятности выпадения шестерки и единицы равны 1/6, а вероятность третьего исхода (выпали любые другие грани) равна 4/6, то вероятность получить 10 шестерок, 3 единицы и еще 2 других очка равна
5.6 Теорема Пуассона для схемы Бернулли
Предположим, нам нужна вероятность получить не менее десяти успехов в 1000 испытаний схемы Бернулли с вероятностью успеха 0.003. Вероятность этого события равна любому из следующих выражений:
и вычисление даже одного слагаемого в каждом из этих выражений весьма проблематично.
Сформулируем теорему о приближенном вычислении вероятности какого-либо числа успехов в большом числе испытаний схемы Бернулли с маленькой вероятностью успеха. Термин «большое число» должен означать n → ∞. Если при этом p = pn→ 0,то, очевидно, вероятность получить любое конечное число успехов при растущем числе испытаний стремится к нулю. Необходимо чтобы вероятность успеха p = pn→ 0 одновременно с ростом числа испытаний. Но от испытания к испытанию вероятность успеха меняться не может (см. определение схемы Бернулли).
Поэтому рассмотрим «схему серий»: есть
одно испытание ○ с вероятностью успеха p1
два испытания ○ , ○ с вероятностью успеха p2
…
n испытаний ○ , … , ○ с вероятностью успеха pn
…
Вероятность успеха меняется не внутри одной серии испытаний, а от серии к серии, когда меняется общее число испытаний. Обозначим черезvnчисло успехов вn-той серии испытаний.
Теорема 17 (Теорема Пуассона).
Пусть n → ∞ , pn→ 0 так, что npn→ λ > 0. Тогда для любого k ≥ 0 вероятность получить k успехов в nиспытаниях схемы Бернулли с вероятностью успеха pn стремится к величине
(5) дляn → ∞ , pn→ 0 так, что npn→ λОпределение 22. Пусть λ > 0— некоторая постоянная. Набор чисел
называется распределением Пуассона с параметром λ.Пользуясь теоремой 17, можно приближенно посчитать вероятность получить не менее десяти успехов в 1000 испытаний схемы Бернулли с вероятностью успеха 0.003, с вычисления которой мы начали. Поскольку n = 1000 «велико», а pn = 0.003 «мало», то, взяв λ = npn= 3 , можно написать приближенное равенство
(6)Осталось решить, а достаточно ли n=103 «велико», а pn= 0.003 «мало», чтобы заменить точную вероятность P(vn = k)на приближенное значение
Для этого нужно уметь оценивать разницу между этими двумя вероятностями.
Теорема 18 (Теорема Пуассона с оценкой погрешности).
Пусть AÍ {0, 1, …, n} — произвольное множество целых неотрицательных чисел, vn — число успехов в n испытаниях схемы Бернулли с вероятностью успеха p, λ = np. Тогда
Таким образом, теорема 18 предоставляет нам возможность самим решать, достаточно ли n «велико», а p «мало», руководствуясь полученной величиной погрешности.
Какова же погрешность в формуле (6)?