Наивероятнейшее число появлений события в независимых испытаниях

Число k₀ (наступления события в независимых испытаниях, в каждом из которых вероятность появления события равна р) называют наивероятнейшим, если вероятность того, что событие наступит в этих испытаниях k₀ раз, превышает (или, по крайней мере, не меньше) вероятности остальных возможных исходов испытаний.

Наивероятнейшее число k₀ определяют из двойного неравенства

np-q≤k₀≤np+p,

причем:

а) если число nр-q — дробное, то существует одно наивероят нейшее чиcло k₀;

б) если число nр-q — целое, то существует два наивероятнейших числа, а именно: k₀ и k₀+1;

в) если число nр—целое, то наивероятнейшее число k₀ = nр.

Пример. Испытывается каждый из 15 элементов некоторого устройства. Вероятность того, что элемент выдержит испытание, равна 0,9. Найти наивероятнейшее число элементов, которые выдержат испытание.

Решение. По условию, n= 15, р = 0,9, q=0,1. Найдем наивероятнейшее число k₀ из двойного неравенства

np-q≤k₀≤np+p.

Подставив данные задачи, получим

15*0,9-0,1 ≤k₀< 15*0,9+0,9, или 13,5≤k₀< 14,4.

Так как k₀ — целое число и поскольку между числами 13,4 и 14,4 заключено одно целое число, а именно 14, то искомое наивероятнейшее число k₀ = 14.

СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

Понятие случайной величины является основным в теории вероятностей и ее приложениях. Случайными величинами, например, являются число выпавших очков при однократном бросании игральной кости, число распавшихся атомов радия за данный промежуток времени, число вызовов на телефонной станции за некоторый промежуток времени, отклонение от номинала некоторого размера детали при правильно налаженном технологическом процессе и т. д.
Таким образом, случайной величиной называется переменная величина, которая в результате опыта может принимать то или иное числовое значение.
В дальнейшем мы рассмотрим два типа случайных величин — дискретные и непрерывные.

Дискретные случайные величины.

Рассмотрим случайную величину * , возможные значения которой образуют конечную или бесконечную последовательность чисел x1, x2, ..., xn, ... . Пусть задана функция p(x), значение которой в каждой точке x=xi (i=1,2, ...) равно вероятности того, что величина примет значение xi

(16)

Такая случайная величина называется дискретной (прерывной). Функция р(х) называется законом распределения вероятностей случайной величины, или кратко, законом распределения. Эта функция определена в точках последовательности x1, x2, ..., xn, ... . Так как в каждом из испытаний случайная величина принимает всегда какое-либо значение из области ее изменения, то

Пример 2. Пусть случайная величина - число наступления события A при одном испытании, причем P(A)=p. Множество возможных значений состоит из 2-х чисел 0 и 1: =0, если событие A не произошло, и =1, если событие A произошло. Таким образом,

Предположим, что производится n независимых испытаний, в результате каждого из которых может наступить или не наступить событие A. Пусть вероятность наступления события A при каждом испытании равна p. Рассмотрим случайную величину — число наступлений события A при n независимых испытаниях. Область изменения состоит из всех целых чисел от 0 до n включительно. Закон распределения вероятностей р(m) определяется формулой Бернулли (13'):

Закон распределения вероятностей по формуле Бернулли часто называют биномиальным, так как Pn(m) представляет собой m-й член разложения бинома .
Пусть случайная величина может принимать любое целое неотрицательное значение, причем

(17)

где — некоторая положительная постоянная. В этом случае говорят, что случайная величина распределена по закону Пуассона, Заметим, что при k=0 следует положить 0!=1.
Как мы знаем, при больших значениях числа n независимых испытаний вероятность Pn(m) наступления m раз события A удобнее находить не по формуле Бернулли, а по формуле Лапласа [см. формулу (15) ].

Однако последняя дает большие погрешности при малой вероятности р появления события А в одном испытании. В этом случае для подсчета вероятности Pn(m) удобно пользоваться формулой Пуассона, в которой следует положить .
Формулу Пуассона можно получить как предельный случай формулы Бернулли при неограниченном увеличении числа испытаний n и при стремлении к нулю вероятности .

Распределение Пуассона часто встречается и в других задачах. Так, например, если телефонистка в среднем за один час получает N вызовов, то, как можно показать, вероятность Р(k) того, что в течение одной минуты она получит k вызовов, выражается формулой Пуассона, если положить .

Если возможные значения случайной величины образуют конечную последовательность x1, x2, ..., xn, то закон распределения вероятностей случайной величины задают в виде следующей таблицы, в которой

и

Значения	x1	x2	...	xn
Вероятности p(xi)	p1	p2	...	pn

Эту таблицу называют рядом распределения случайной величины . Наглядно функцию р(х) можно изобразить в виде графика. Для этого возьмем прямоугольную систему координат на плоскости.

По горизонтальной оси будем откладывать возможные значения случайной величины , а по вертикальной оси - значения функции . График функции р(х) изображен на рис. 2. Если соединить точки этого графика прямолинейными отрезками, то получится фигура, которая называется многоугольником распределения.

Пример 4. Пусть событие А — появление одного очка при бросании игральной кости; Р(A)=1/6. Рассмотрим случайную величину — число наступлений события А при десяти бросаниях игральной кости. Значения функции р(х) (закона распределения) приведены в следующей таблице:

Значения
Вероятности p(xi)	0,162	0,323	0,291	0,155	0,054	0,013	0,002

Вероятности p(xi) вычислены по формуле Бернулли при n=10. Для x>6 они практически равны нулю. График функции p(x) изображен на рис. 3.