рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Теорема Муавра-Лапласа

Теорема Муавра-Лапласа - раздел Образование, Теоретические основы параметрических методов обработки экспериментальных данных Пусть Производится N Независимых Испытаний, В Каждом Из Которых Событи...

Пусть производится n независимых испытаний, в каждом из которых событие A может появляться с одной и той же вероятностью. Тогда случайная величина , представляющая собой число появлений события A в n испытаниях, будет иметь биномиальное распределение [4]. Если число испытаний велико, то и случайная величина принимает большое число возможных значений. Пользоваться такой случайной величиной затруднительно из-за сложности вычислений. Поэтому целесообразно применять теорему Муавра-Лапласа, которая доказывает сходимость последовательности случайных величин, имеющих биномиальное распределение, к нормально распределённой случайной величине.

Теорема. Пусть число появлений события A в n независимых испытаниях, в каждом из которых вероятность этого события равна p. Тогда при n ® ¥ имеет место соотношение

где q = 1– p; , – соответственно математическое ожидание и дисперсия биномиально распределённой случайной величины.

Таким образом, нормированная случайная величина

(2.2.6)

согласно теореме Муавра-Лапласа в пределе будет подчиняться нормированному нормальному закону распределения. Отсюда вытекает приближённое равенство, справедливое при больших значениях n:

. (2.2.7)

Найдём вероятность попадания случайной величины в интервал [m1; m2). Для этого подставим граничные точки m1 и m2 в формулу (2.2.6):

; .

Выражение (2.2.7) принимает вид

.

Используя табличные функции (2.2.3) и (2.2.4), получаем следующие рабочие формулы:

; (2.2.8) ; (2.2.9)

Если n сравнительно мало и разность |m np| соизмерима с 0,5, то не безразлично, относятся ли граничные точки интервала [m1; m2) к числу возможных значений или нет. В этом случае вместо z1 и z2 следует брать m1 – 0,5, m2 – 0,5. Тогда соотношения (2.2.8) и (2.2.9) примут вид

; (2.2.10) . (2.2.11)

Следует отметить, что формулы (2.2.10) и (2.2.11) дают более точное приближение, чем (2.2.8) и (2.2.9).

Расчёты по приближённым формулам (2.2.8) – (2.2.11) могут производиться при соблюдении условия

,

которое непосредственно вытекает из (2.2.5).

Теорема Муавра-Лапласа описывает поведение биномиального распределения при больших значениях n, что позволяет значительно упростить вычисления. Расчёты по точной формуле

(2.2.12)

при больших значениях n очень громоздки.

В выражение (2.2.12) входит число сочетаний из n элементов по m:

,

где n! = 1×2×…×n, m! = 1×2×…×m.

П р и м е р 2.2. По линии связи независимо друг от друга передаётся 90 сообщений, каждое из которых состоит из пяти двоичных чисел. Вероятность искажения хотя бы одного числа в сообщении равна 0,06. Определить вероятность того, что число принятых без искажения сообщений будет находиться в интервале [82; 87].

▼ Обозначим через число неискажённых сообщений при i-й передаче. Эта случайная величина принимает значение ноль с вероятностью 0,06 и единица – с вероятностью 0,94. Следовательно

pi = p = 0,94; qi = q = 0,06.

Обозначим – общее число неискажённых сообщений. Тогда

,

.

По формуле (2.2.9) получаем

– Конец работы –

Эта тема принадлежит разделу:

Теоретические основы параметрических методов обработки экспериментальных данных

На сайте allrefs.net читайте: "Теоретические основы параметрических методов обработки экспериментальных данных"

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Теорема Муавра-Лапласа

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Теорема Ляпунова
В природе, как известно, широко распространён нормальный закон распределения. Практикой установлено, что этому закону подчиняются ошибки стрельбы и бомбометания, погрешности измерений, погрешности

Неравенство Чебышева
Для любой случайной величины, имеющей конечное математическое ожидание и дисперсию, при каждом e > 0 имеет место неравенство

Теоремы Чебышева и Маркова
Частная теорема Чебышева. При неограниченном увеличении независимых испытаний среднее арифметическое полученных при испытаниях значений случайной величины, имеющей конечную дисперс

Теорема Бернулли
Если производится n независимых испытаний и вероятность появления события A в каждом из них равна p, то при любом e > 0

Задачи принятия статистических решений при обработке экспериментальных данных
Конечной целью обработки экспериментальных данных являются некоторые выводы о состоянии или свойствах исследуемого процесса или объекта. Например, это могут быть выводы о законах распределения случ

Принцип максимального правдоподобия
Данный принцип используется в тех случаях, когда известен только условный закон распределения результатов наблюдений относительно состояния E исследуемого объекта. Пусть случайная в

Принцип минимальной вероятности ошибки
Рассматриваемый принцип, так же как и предыдущий, применим в тех случаях, когда известен только условный закон распределения результатов наблюдений. Сущность принципа состоит в том, что минимизируе

Элементы теории оценивания
Первичной задачей обработки экспериментальных данных является задача оценивания. При её решении наибольшее распространение получил принцип максимального правдоподобия и вытекающие из него критерии

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги