ВУЗ:
Составители:
Рубрика:
71
Откуда, воспользовавшись таблицей интеграла вероятно-
стей, получим
ε√n/σ≥1,645
или
√n≥6,58, т.е. n≥49.
Пример 21. Дисперсия случайной величины D(X)=5. Произ-
ведено 100 независимых опытов, по которым вычислено
X
. Вме-
сто неизвестного значения математического ожидания а принята
X
. Определить максимальную величину ошибки, допускаемую
при этом, с вероятною не менее 0,8.
Решение. По условию n=100, Р(|
X
–а|<ε)≥0,8; ε=? При-
меняем формулу (6):
Р(|
X
-а|<ε)≥1–D(X)/(n·ε
2
).
Из соотношения 1–D(X)/(n·ε
2
)=0,8 определяем ε:
ε
2
=D(X)/(0,2·n)=5/(0,2·100)=0,25; ε=0,5.
4. Теорема Бернулли
Пусть произведено п независимых испытаний, в каждом из
которых вероятность появления некоторого события А постоянна
и равна Р.
Теорема Бернулли. При неограниченном возрастании чис-
ла независимых испытаний п относительная частота m/n появ-
ления события А сходится по вероятности к вероятности p со-
бытия А, т. е.
,1)/(lim =〈−
∞→
ε
pnmP
n
где ε – сколь угодно малое положительное число. Для конечного n
при условии, что
mpq
D
nn
⋅
⎛⎞
=
⎜⎟
⎝⎠
,
неравенство Чебышева для случайной величины m/n будет иметь
вид:
P(|m/n–p|<ε)≥1–pq/(n·ε
2
). (8)
72
Каким бы малым ни было число ε при n→∞ величина дроби
pq/(n·ε
2
)→0, а
P(|m/n–p|<ε)→1.
Из теоремы Бернулли следует, что при достаточно большом
числе испытаний относительная частота т/п появления события
практически утрачивает свой случайный характер, приближаясь к
постоянной величине p – вероятности данного события. В этом и
состоит принцип практической уверенности.
Пример 22. С целью установления доли брака было прове-
рено по схеме возвратной выборки 1000 единиц продукции. Како-
ва вероятность того, что установленная этой выборкой доля брака
по абсолютной величине будет отличаться от доли брака по всей
партии не более, чем на 0,01, если известно, что в среднем на каж-
дые 10 000 изделий приходится 500 бракованных?
Решение. По условию задачи число независимых испы-
таний n=1000.
p=500/1000=0,05; q=1–p=0,95; ε=0,01. P(|m/n–p|<0,01?
Применяя формулу (8), получим
P(|m/n–p|<0,01)≥1–pq/(n·ε
2
)=1–0,05·0,95/(1000·0,0001)=0,527.
Итак, с вероятностью не менее 0,527 можно ожидать, что
выборочная доля брака (относительная частота появления брака)
будет отличаться от доли брака во всей продукции (от вероятно-
сти брака) не более чем на 0,01.
Пример 23. При штамповке деталей вероятность брака со-
ставляет 0,05. Сколько нужно проверить деталей, чтобы с вероят-
ностью не менее 0,95 можно было ожидать, что относительная
частота бракованных изделий будет отличаться от вероятности
брака менее, чем на 0,01?
Решение. По условию задачи
0, 05p
=
; 0, 95q
=
; 0, 01
ε
= ; 0, 01 0,95
m
Pp
n
⎛⎞
−< ≥
⎜⎟
⎝⎠
; ?n = .
Откуда, воспользовавшись таблицей интеграла вероятно- Каким бы малым ни было число ε при n→∞ величина дроби
стей, получим
pq/(n·ε2)→0, а
ε√n/σ≥1,645
P(|m/n–p|<ε)→1.
или
√n≥6,58, т.е. n≥49. Из теоремы Бернулли следует, что при достаточно большом
Пример 21. Дисперсия случайной величины D(X)=5. Произ- числе испытаний относительная частота т/п появления события
ведено 100 независимых опытов, по которым вычислено X . Вме- практически утрачивает свой случайный характер, приближаясь к
сто неизвестного значения математического ожидания а принята постоянной величине p – вероятности данного события. В этом и
состоит принцип практической уверенности.
X . Определить максимальную величину ошибки, допускаемую Пример 22. С целью установления доли брака было прове-
при этом, с вероятною не менее 0,8. рено по схеме возвратной выборки 1000 единиц продукции. Како-
Р е ш е н и е . По условию n=100, Р(| X –а|<ε)≥0,8; ε=? При- ва вероятность того, что установленная этой выборкой доля брака
меняем формулу (6): по абсолютной величине будет отличаться от доли брака по всей
Р(| X -а|<ε)≥1–D(X)/(n·ε2). партии не более, чем на 0,01, если известно, что в среднем на каж-
Из соотношения 1–D(X)/(n·ε2)=0,8 определяем ε: дые 10 000 изделий приходится 500 бракованных?
ε2=D(X)/(0,2·n)=5/(0,2·100)=0,25; ε=0,5. Р е ш е н и е . По условию задачи число независимых испы-
таний n=1000.
4. Теорема Бернулли p=500/1000=0,05; q=1–p=0,95; ε=0,01. P(|m/n–p|<0,01?
Пусть произведено п независимых испытаний, в каждом из Применяя формулу (8), получим
которых вероятность появления некоторого события А постоянна
P(|m/n–p|<0,01)≥1–pq/(n·ε2)=1–0,05·0,95/(1000·0,0001)=0,527.
и равна Р.
Теорема Бернулли. При неограниченном возрастании чис- Итак, с вероятностью не менее 0,527 можно ожидать, что
ла независимых испытаний п относительная частота m/n появ- выборочная доля брака (относительная частота появления брака)
ления события А сходится по вероятности к вероятности p со- будет отличаться от доли брака во всей продукции (от вероятно-
бытия А, т. е. сти брака) не более чем на 0,01.
Пример 23. При штамповке деталей вероятность брака со-
lim P( m / n − p 〈ε ) = 1,
n →∞ ставляет 0,05. Сколько нужно проверить деталей, чтобы с вероят-
где ε – сколь угодно малое положительное число. Для конечного n ностью не менее 0,95 можно было ожидать, что относительная
при условии, что частота бракованных изделий будет отличаться от вероятности
⎛ m ⎞ p⋅q брака менее, чем на 0,01?
D⎜ ⎟ = , Р е ш е н и е . По условию задачи
⎝n⎠ n
⎛m ⎞
неравенство Чебышева для случайной величины m/n будет иметь p = 0, 05 ; q = 0,95 ; ε = 0, 01 ; P ⎜ − p < 0, 01⎟ ≥ 0,95 ; n = ? .
вид: ⎝ n ⎠
P(|m/n–p|<ε)≥1–pq/(n·ε2). (8)
71 72
Страницы
- « первая
- ‹ предыдущая
- …
- 34
- 35
- 36
- 37
- 38
- …
- следующая ›
- последняя »
