Случайные события (стр. 18 из 20)
, 
. (25.11)
Подставим формулу (25.9) в первое неравенство, тогда
. (25.12)
Отсюда следует 
. Аналогично решение второго неравенства сводится к условию 
. Таким образом, наивероятнейшее число 
распределения Пуассона определяется условием:
. (25.13)
Поток случайных событий на оси времени
Пусть на оси времени точками отображаются моменты наступления некоторого случайного события. При этом само событие интереса не представляет, важным является только момент его наступления. Такая вероятностная схема называется потоком случайных событий. Примерами потоков являются: 1) последовательность телефонных вызовов, поступающих на коммутатор; 2) последовательность моментов распада атомов радиоактивного вещества; 3) поток претензий по страхованию и т.п.
Пусть вероятность появления хотя бы одного события потока за интервал времени 
равна
, (26.1)
где 
- интенсивность потока, 
- вероятность появления одного события за интервал 
и 
- вероятность появления двух или большего числа событий за интервал . Пусть поток дополнительно удовлетворяет следующим трем условиям. 1). - величина постоянная, не зависимая от времени 
, тогда поток называется стационарным. 2). В соотношении (26.1) 
, при этом поток называется ординарным или потоком редких событий. 3). Поток называется потоком с независимыми значениями, если события потока независимы.
Стационарный ординарный поток с независимыми значениями называется простейшим потоком. Определим вероятность 
появления 
событий простейшего потока за интервал времени . Интервал длительности 
разделим на малые интервалы
, (26.2)
где 
. Тогда в соответствии с (26.1)
(26.3)
- вероятность появления одного события потока за интервал длительности 
. Теперь имеем последовательность 
независимых опытов, каждый из которых заключается в просмотре очередного интервала длительности 
. Результатом каждого опыта может быть появление события потока (с вероятностью 
) в интервале или непоявления события потока (с вероятностью 
). Поэтому 
вычисляется по формуле Бернули, как вероятность успехов в серии из 
опытов, если вероятность успеха в одном опыте определяется соотношением (26.3). Но учитывая, что 
и 
можно применить асимптотику Пуассона с параметром 
, который определяется формулой (26.3):
. (26.4)
Таким образом,
. (26.5)
Ординарный поток с независимыми значениями называется пуассоновским потоком, т.е. пуассоновский поток не обязательно должен быть стационарным. Если поток нестационарный, то его интенсивность 
- является функцией времени. При этом вероятность - появления 
событий потока на интервале 
вычисляется по следующей формуле, обобщающей (26.5):
. (26.6)
Локальная теорема Муавра-Лапласа
Как отмечалось в п.25, при большом числе испытаний вычисления вероятностей 
по формуле Бернулли оказываются весьма громоздкими. Поэтому важные значения имеют приближенные, но более простые формулы, которые можно получить из биномиального распределения. Одной из таких приближенных формул является асимптотика Пуассона, полученная при условии, что число опытов 
, а вероятность успеха .
Рассмотрим другую асимптотическую формулу биномиального распределения при условиях:
, 
, 
. (27.1)
Эти условия эквивалентны неравенству 
, которое означает, что вероятность успеха 
в одном опыте не может быть слишком малой величиной 
, так что величиной невозможно пренебречь по сравнению с единицей, а также не может быть слишком большой величиной, то есть неверным является предположение 
. Биномиальное распределение вероятностей имеет вид:
. (27.2)
Для представления факториала используем формулу Стирлинга
(27.3)
Эта формула является асимптотикой факториала, то есть получена при большом 
. Отметим достаточно высокую точность формулы (27.3) даже при небольших 
. Так в наихудшем случае при 
(27.3) дает относительную ошибку всего 8%, а при 
эта ошибка уменьшается до 0,08%. Для произвольного отношение точного значения 
к асимптотическому, вычисленному по формуле (27.3), находится в интервале
.
Соотношение (27.3) подставим в (27.2), тогда
(27.4)