Учебник. Дискретные распределения вероятностей



Дискретные распределения вероятностей

Пусть случайная величина принимает дискретные значения. К таким величинам, например, относятся количество очков при бросании кубика или количество угаданных номеров в лотерее «Спортлото». Вспомним, что закон распределения случайной величины образуют множество всевозможных её значений и вероятности, с которыми эта случайная величина принимает свои значения. Законы распределения могут быть вычислены исходя из логики процесса или измерены, если у нас есть достаточно большая статистическая выборка. Но для некоторых часто встречающихся типов процессов можно не выводить распределение, а использовать стандартное похожее. Рассмотрим наиболее известные из них.

1. Геометрическое распределение

Будем бросать кубик до тех пор, пока не выпадет 1. Посчитаем, с какой вероятностью это случится ровно за N бросков.

Для первого броска (N = 1), очевидно, вероятность успеха p (1) = 1/6.

Для второго (N = 2) это вероятность успеха во втором броске и неудачи в первом: p ( 2 ) =p ( 2| 1 ¯ ) =( 1- 1 6 ) 1 6 = 5 36 .

Аналогично, для третьего броска p ( 3 ) =p ( 3| 1 ¯ 2 ¯ ) =( 1- 1 6 ) ( 1- 1 6 ) 1 6 = 25 216 .

Вообще, для n-го броска p ( n ) = ( 1- 1 6 ) n-1 ċ 1 6 =p  ( 1-p ) n-1 , где p – вероятность успеха в единичном испытании.

Закон распределения p ( n ) =p  ( 1-p ) n-1 , где p – вероятность успеха в единичном испытании, называется геометрическим.

Математическое ожидание и дисперсия для этого распределения: M x = 1 p , Dx= 1-p p 2 .

В нашем примере M x = 1 p = 1 1/6 =6 означает, что, в среднем, за шесть бросков 1 очко выпадет ровно 1 раз.

Геометрическое распределение при различных p и n

Ролик кодового замка содержит N возможных цифр, из которых нужно выбрать одну. С какой вероятностью его можно открыть точно с k-го раза?

Вероятность правильного единичного выбора p= 1 N ; распределение, очевидно, геометрическое, поэтому p ( k ) = ( 1- 1 N ) k-1 1 N .

Если замок состоит из нескольких независимых роликов, то вероятность его случайного открывания подчиняется уже другому распределению – биномиальному.

2. Биномиальное распределение, часто возникающее в случайных процессах, можно получить так. Бросаем монету N раз и считаем вероятность того, что k раз из N выпала решка (будем обозначать это событие буквой P, а противоложное ему – выпадение герба – буквой О). Подумаем, какие распределения в этом случае можно считать равновероятными. Допустим, мы кинули монету три раза, при этом могли возникнуть такие комбинации:

    ООО;
    ООР; ОРО; РОО;
    ОРР; РРО; РОР;
    РРР.

Эти комбинации равновероятны.

Видно, что вероятность того, что событие «Р» наступит k раз из N, равна произведению:

  • вероятности того, что k раз случилось событие «Р» – (p (Р))k. В нашем случае p = 1/2;
  • вероятности того, что N – k раз случилось событие «не Р». В нашем случае это событие «О» – (p (О))N – k;
  • числу перестановок C N k = N! k!(N-k)! .

Таким образом, p k  (N)= C N k p k (1-p) N-k .

Распределение, описываемое формулой p k   (N)= C N k p k (1-p) N-k , называется биномиальным.

Биномиальное распределение вероятности описывает процессы, в каждом из которых событие A может появиться с вероятностью p. Тогда вероятность того, что событие A наступит ровно k раз, определяется формулой p k   (N)= C N k p k (1-p) N-k .

Математическое ожидание такого распределения легко посчитать из простых соображений. Поскольку результаты бросков кубика независимы, мы можем представить N бросков как N повторений одного броска. Напомним, что для N бросков M k = i=1 N k i p i , где k i  – число успехов, а p i  – вероятность того, что произойдет k успехов. Тогда математическое ожидание и дисперсия суммы испытаний равны сумме математических ожиданий и дисперсий одиночных событий: M = N p, D = N p (1 – p).

Биномиальное распределение при различных параметрах

Сосуд с N молекулами идеального газа мысленно разделён на две части, V1 и V2. Найти вероятность того, что в объёме V1 будет содержаться N1, а в объёме V2 будет содержаться N2 молекул.

Имеем дело с биномиальным распределением с параметрами N = N1 + N2, n = N1,  p= V 1 V 1 + V 2 . Таким образом, искомая вероятность равна p N 1   ( N 1 + N 2 ) = C N k p k   ( 1-p ) N-k = C N 1 + N 2 N 1 ( V 1 V 1 + V 2 ) N 1 ( V 2 V 1 + V 2 ) N 2 .

В частности, если объёмы частей сосуда равны друг другу, то вероятность обнаружить в половине сосуда ровно N 1 молекул описывается биномиальным распределением с математическим ожиданием M x = N 2 и среднеквадратичным отклонением σ= N 2 .

Из пункта A по сети дорог идёт группа из N человек. На каждом перекрёстке, начиная с A, пришедшие туда люди с равной вероятностью поворачивают в направлении l и в направлении m. Сколько человек придёт в пункты B, C, D, …, I соответственно?

Допустим, что каждый человек уже повернул n раз. Все люди, вышедшие из пункта A, оказались в n-й строке. Обозначим число людей в каждой группе x kn 2 n , где k – номер группы, если их считать слева (см. рис. 4.3.6.3).

Заметим, что в пункт (k, n) пришла примерно половина от числа людей из пунктов (k, n – 1) и (k – 1, n – 1), или: x kn+1 = x k-1, n + x kn . Выписав x kn на соответствующих перекрёстках, мы получим треугольник Паскаля, коэффициенты которого равны C n k . Значит, распределение вероятностей в k-й группе n-й строки – биномиальное c p = 0,5: p k  ( n ) = C n k 1 2 n . В нашем случае n = 6, и вероятность того, что человек окажется в k-м пункте, считая слева, равна p k = C 6 k 2 6 .

Если бы люди поворачивали вправо или влево с разной вероятностью, например, направо с вероятностью r, а налево – с вероятностью l = 1 – r, то распределение выглядело бы так: p kn = C n k ( r ) n-k ( 1-r ) k .

Биномиальное распределение связано с задачами о случайных блужданиях и перемешиваниях.

Пьяница случайным образом делает шаг вперёд или назад. Оцените, за какое количество шагов ему удастся добраться до дома, находящегося на расстоянии l от начала пути, при длине шага d?

Математическое ожидание положения человека в этой задаче равно нулю. Попасть домой человек сможет только случайно: если отклонится от начальной точки слишком далеко – как раз на расстояние до дома. Поэтому нам нужно найти не распределение вероятностей, а, фактически, среднеквадратичное отклонение длины пройденного пути за n шагов.

Перемещения за n и n + 1 шагов связаны соотношением Ln + 1 = Ln ± d.

Возведём эту величину в квадрат и усредним: L n+1 2 ¯ = L n 2 ¯ ± 2 L n d ¯ + d 2 ¯ .

Последний член просто равен математическому ожиданию, то есть нулю: 2 L n d ¯ =2 L ¯ n d=0, а d 2 ¯ = d 2 (величина d не является случайной). Тогда

L n+1 2 ¯ = L n 2 ¯ + d 2 .

Это формула арифметической прогрессии, значит,

L n 2 ¯ =n d 2 .

Отсюда средний пройденный за n шагов путь

L ¯ = L n 2 ¯ = n d.

Как уже было сказано выше, L ¯ =l , откуда n= ( l d ) 2 .

Видно, что для того, чтобы преодолеть расстояние в 10 шагов, несчастному придётся сделать 100 шагов. Если до дома 100 шагов, то придётся прошагать целых 10000 раз.

Задача о пьянице, в свою очередь, отсылает нас к важному классу задач о диффузии и случайному перемешиванию сыпучих тел. Для каждого реального процесса распределение вероятностей выводится отдельно, но биномиальное распределение используется очень часто. Что будет, если увеличить количество испытаний N и шагать в одну сторону с очень маленькой вероятностью p, а в другую – с вероятностью, близкой к единице? Например, предположим, что Np → λ. При этих предположениях биномиальное распределение переходит в распределение Пуассона.

3. Распределение Пуассона имеет следующую плотность вероятности:

p k   (λ)= λ k k! e -λ .

Биномиальное распределение описывается формулой P= C N k p k (1-p) N-k . Введём величину λ=pN . Тогда P= N ( N-1 ... ( N-k+1 ) k! λ k N k ( 1- λ N ) ( N-k ) ( N λ λ N ) =[ 1ċ( 1- 1 N ) ċ...ċ( 1- k-1 N ) ] λ k k! [ ( 1- λ N ) N λ ] λ( 1- k N ) . Перейдём в этой формуле к пределу при N → ∞. Первая квадратная скобка при этом будет стремиться к 1 (так как каждый её множитель стремится к 1), а вторая – к e–1, что следует из определения замечательного предела e. Наконец, последняя скобка (в показателе степени) тоже будет стремиться к единице. Таким образом, P= λ k k! e -λ .

Величина pk (λ) соответствует вероятности ровно k удачных исходов при условии, что среднее число удачных исходов составляет λ.

Этим распределением проще пользоваться, чем биномиальным. Параметр λ (напомним, что он определяется пределом Np → λ) здесь равен числу, которое соответствует математическому ожиданию величины x: Mx = λ, Dx = λ.

Распределение Пуассона при различных λ и n

Закон Пуассона p k   (λ)= λ k k! e -λ действует всякий раз, когда имеется много независимых испытаний N, а вероятность p каждого испытания так мала, что среднее число событий λ = pN с данным исходом невелико.

В супе объёмом V плавает N перчинок. С какой вероятностью в ложку объёмом V0 попадёт ровно n перчинок?

Если количество перчинок N велико, а отношение V 0 V мало, то задача описывается распределением Пуассона.

В среднем, в ложке должны оказаться λ=N V 0 V перчинок. Вероятность того, что в ложке окажется ровно n перчинок, равна p n ( λ ) = λ n n! e -λ = ( N V 0 V ) n n! e -N V 0 V . В частности, при V = 10 л, V 0 =0,01 л, N = 50 получаем λ0,05 (то есть одна перчинка, в среднем, попадается на 20 ложек), а вероятность:

  • того, что в ложке окажется ноль перчинок, p0 ≈ 0,95123,
  • того, что в ложке окажется одна перчинка, p1 ≈ 0,04756,
  • того, что в ложке окажется две перчинки, p2 ≈ 0,00119,
  • того, что в ложке окажется три перчинки, p3 ≈ 0,00002.

Как видим, pn очень быстро уменьшается с ростом n.

Распределением Пуассона описываются процессы типа количества телефонных вызовов за время t, вероятности аварий, оно же используется в теории страхования.

 

 

Смотрите также: Математика, Английский язык, Химия, Биология, Физика, География, Астрономия.
А также: библиотека ЭОРов и образовательный онлайн-сервис с тысячами интерактивных работ "Облако знаний".

 

 

 

© Физикон, 1999-2015