Теория вероятности

Вероятность отклонения относительной частоты от вероятности

Рассматривается связь между относительной частотой события и его теоретической вероятностью в серии независимых испытаний. Анализируются методы оценки вероятности того, что отклонение относительной частоты от вероятности превысит заданную величину. Приводятся примеры применения неравенства Чебышёва и интегральной теоремы Муавра-Лапласа для вычисления таких вероятностей.

Будем считать, что производится nn независимых испытаний в каждом из которых вероятность появления события AA постоянна и равна рр. Найдем вероятность того, что отклонение относительной частоты mn\frac { m } { n } от постоянной вероятности pp по абсолютной величине не превышает заданного числа ε>0\varepsilon >0.

P(∣mn−p∣⩽ε)≈2Φ(εnnpq)\begin{equation} P(\left| { \frac { m } { n } -p }\right|\leqslant \varepsilon )\approx 2 \Phi ( { \frac { \varepsilon n } { \sqrt { npq } } } ) \end{equation}

Пример. Вероятность того, что на станке-автомате будет отштампован корпус некоторого механического устройства, не удовлетворяющий допуску, равна 0,01. Сколько надо изготовить корпусов, чтобы с вероятностью 0.99 ожидать не превосходящее 0.03 по абсолютной величине отклонение относительной частоты появления нестандартного корпуса от вероятности его появления?

Решение. По условию p=0,01,q=0,99,ε=0,03p=0,01, q=0,99, \varepsilon =0,03, следовательно, P(∣mn−0,01∣⩽0,03)=0,99P(\left| { \frac { m } { n } -0,01 }\right|\leqslant 0,03)=0,99. Можно записать 2Φ(0,03nn⋅0,01⋅0,99)=0,992 \Phi ( { \frac { 0,03n } { \sqrt { n\cdot 0,01\cdot 0,99 } } } )=0,99. Тогда Φ(0,03nn⋅0,01⋅0,99)=0,485\Phi ( { \frac { 0,03n } { \sqrt { n\cdot 0,01\cdot 0,99 } } } )=0,485.

Из таблицы находим Φ(2,58)=0,495\Phi ( { 2,58 } )=0,495. Далее имеем 2,58=0,03nn⋅0,01⋅0,992,58=\frac { 0,03n } { \sqrt { n\cdot 0,01\cdot 0,99 } } отсюда получим (2,580,03)2=(nn⋅0,01⋅0,99)2( { \frac { 2,58 } { 0,03 } } )^2=( { \frac { n } { \sqrt { n\cdot 0,01\cdot 0,99 } } } )^2 или (2,580,03)2=n2n⋅0,01⋅0,99( { \frac { 2,58 } { 0,03 } } )^2=\frac { n^2 } { n\cdot 0,01\cdot 0,99 } или n=(2,580.03)2⋅0,01⋅0,99≈74n=( { \frac { 2,58 } { 0.03 } } )^2\cdot 0,01\cdot 0,99\approx 74.

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться