Какое из свойств вероятности события лишнее

Классификация событий на возможные, вероятные и случайные. Понятия простого и сложного элементарного события. Операции над событиями. Классическое определение вероятности случайного события и её свойства. Элементы комбинаторики в теории вероятностей. Геометрическая вероятность. Аксиомы теории вероятностей.

Классификация событий

Одним из основных понятий теории вероятностей является понятие события. Под событием понимают любой факт, который может произойти в результате опыта или испытания. Под опытом, или испытанием, понимается осуществление определённого комплекса условий.

Примеры событий:

Можно привести бесчисленное множество подобных примеров. События обозначаются заглавными буквами латинского алфавита и т.д.

Различают события совместные и несовместные. События называются совместными, если наступление одного из них не исключает наступления другого. В противном случае события называются несовместными. Например, подбрасываются две игральные кости. Событие — выпадание трех очков на первой игральной кости, событие — выпадание трех очков на второй кости. и — совместные события. Пусть в магазин поступила партия обуви одного фасона и размера, но разного цвета. Событие — наудачу взятая коробка окажется с обувью черного цвета, событие — коробка окажется с обувью коричневого цвета, и — несовместные события.

Событие называется достоверным, если оно обязательно произойдет в условиях данного опыта.

Событие называется невозможным, если оно не может произойти в условиях данного опыта. Например, событие, заключающееся в том, что из партии стандартных деталей будет взята стандартная деталь, является достоверным, а нестандартная — невозможным.

Событие называется возможным, или случайным, если в результате опыта оно может появиться, но может и не появиться. Примером случайного события может служить выявление дефектов изделия при контроле партии готовой продукции, несоответствие размера обрабатываемого изделия заданному, отказ одного из звеньев автоматизированной системы управления.

События называются равновозможными, если по условиям испытания ни одно из этих событий не является объективно более возможным, чем другие. Например, пусть магазину поставляют электролампочки (причем в равных количествах) несколько заводов-изготовителей. События, состоящие в покупке лампочки любого из этих заводов, равновозможны.

Важным понятием является полная группа событий. Несколько событий в данном опыте образуют полную группу, если в результате опыта обязательно появится хотя бы одно из них. Например, в урне находится десять шаров, из них шесть шаров красных, четыре белых, причем пять шаров имеют номера. — появление красного шара при одном извлечении, — появление белого шара, — появление шара с номером. События образуют полную группу совместных событий.

Введем понятие противоположного, или дополнительного, события. Под противоположным событием понимается событие, которое обязательно должно произойти, если не наступило некоторое событие . Противоположные события несовместны и единственно возможны. Они образуют полную группу событий. Например, если партия изготовленных изделий состоит из годных и бракованных, то при извлечении одного изделия оно может оказаться либо годным — событие , либо бракованным — событие .

Операции над событиями

При разработке аппарата и методики исследования случайных событий в теории вероятностей очень важным является понятие суммы и произведения событий.

Суммой, или объединением, нескольких событий называется событие, состоящее в наступлении хотя бы одного из этих событий.

Сумма событий обозначается так:

Например, если событие есть попадание в цель при первом выстреле, событие — при втором, то событие есть попадание в цель вообще, безразлично, при каком выстреле — первом, втором или при обоих вместе.

Произведением, или пересечением, нескольких событий называется событие, состоящее в совместном появлении всех этих событий.

Произведение событий обозначается

Например, если событие есть попадание в цель при первом выстреле, событие — при втором, то событие состоит в том, что в цель попали при обоих выстрелах.

Понятия суммы и произведения событий имеют наглядную геометрическую интерпретацию. Пусть событие состоит в попадании точки в область , событие — в попадании в область , тогда событие состоит в попадании точки в область, заштрихованную на рис. 1, и событие — в попадании точки в область, заштрихованную на рис. 2.

Классическое определение вероятности случайного события

Для количественного сравнения событий по степени возможности их появления вводится числовая мера, которая называется вероятностью события.

Вероятностью события называется число, являющееся выражением меры объективной возможности появления события.

Вероятность события будем обозначать символом .

Вероятность события равна отношению числа случаев , благоприятствующих ему, из общего числа единственно возможных, равновозможных и несовместных случаев к числу , т. е.

(1.1)

Это есть классическое определение вероятности. Таким образом, для нахождения вероятности события необходимо, рассмотрев различные исходы испытания, найти совокупность единственно возможных, равновозможных и несовместных случаев, подсчитать общее их число , число случаев , благоприятствующих данному событию, и затем выполнить расчет по формуле (1.1).

Из формулы (1.1) следует, что вероятность события является неотрицательным числом и может изменяться в пределах от нуля до единицы в зависимости от того, какую долю составляет благоприятствующее число случаев от общего числа случаев:

Свойства вероятности

Свойство 1. Если все случаи являются благоприятствующими данному событию , то это событие обязательно произойдет. Следовательно, рассматриваемое событие является достоверным, а вероятность его появления , так как в этом случае

Свойство 2. Если нет ни одного случая, благоприятствующего данному событию , то это событие в результате опыта произойти не может. Следовательно, рассматриваемое событие является невозможным, а вероятность его появления , так как в этом случае :

Свойство 3. Вероятность наступления событий, образующих полную группу, равна единице.

Свойство 4. Вероятность наступления противоположного события определяется так же, как и вероятность наступления, события :

где — число случаев, благоприятствующих появлению противоположного события . Отсюда вероятность наступления противоположного события равна разнице между единицей и вероятностью наступления события :

(1.2)

Важное достоинство классического определения вероятности события состоит в том, что с его помощью вероятность события можно определить, не прибегая к опыту, а исходя из логических рассуждений.

Пример 1. Набирая номер телефона, абонент забыл одну цифру и набрал ее наудачу. Найти вероятность того, что набрана нужная цифра.

Решение. Обозначим событие, состоящее в том, что набрана нужная цифра. Абонент мог набрать любую из 10 цифр, поэтому общее число возможных исходов равно 10. Эти исходы единственно возможны (одна из цифр набрана обязательно) и равновозможны (цифра набрана наудачу). Благоприятствует событию лишь один исход (нужная цифра лишь одна). Искомая вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех исходов:

Элементы комбинаторики

В теории вероятностей часто используют размещения, перестановки и сочетания. Если дано множество , то размещением (сочетанием) из элементов по называется любое упорядоченное (неупорядоченное) подмножество элементов множества . При размещение называется перестановкой из элементов.

Пусть, например, дано множество . Размещениями из трех элементов этого множества по два являются , , , , , ; сочетаниями — , , .

Два сочетания различаются хотя бы одним элементом, а размещения различаются либо самими элементами, либо порядком их следования. Число сочетаний из элементов по вычисляется по формуле

где

есть число размещений из элементов по ; — число перестановок из элементов.

Пример 2. В партии из 10 деталей имеется 7 стандартных. Найти вероятность того, что среди взятых наудачу 6 деталей ровно 4 стандартных.

Решение. Общее число возможных исходов испытания равно числу способов, которыми можно извлечь 6 деталей из 10, т. е. равно — числу сочетаний из 10 элементов по 6. Число исходов, благоприятствующих событию (среди 6 взятых деталей ровно 4 стандартных), определяем так: 4 стандартные детали можно взять из 7 стандартных деталей способами; при этом остальные детали должны быть нестандартными; взять же 2 нестандартные детали из нестандартных деталей можно способами. Следовательно, число благоприятствующих исходов равно . Исходная вероятность равна отношению числа исходов, благоприятствующих событию, к числу всех исходов:

Статистическое определение вероятности

Формулу (1.1) используют для непосредственного вычисления вероятностей событий только тогда, когда опыт сводится к схеме случаев. На практике часто классическое определение вероятности неприменимо по двум причинам: во-первых, классическое определение вероятности предполагает, что общее число случаев должно быть конечно. На самом же деле оно зачастую не ограничено. Во-вторых, часто невозможно представить исходы опыта в виде равновозможных и несовместных событий.

Частота появления событий при многократно повторяющихся Опытах имеет тенденцию стабилизироваться около какой-то постоянной величины. Таким образом, с рассматриваемым событием можно связать некоторую постоянную величину, около которой группируются частоты и которая является характеристикой объективной связи между комплексом условий, при которых проводятся опыты, и событием.

Вероятностью случайного события называется число, около которого группируются частоты этого события по мере увеличения числа испытаний.

Это определение вероятности называется статистическим.

Преимущество статистического способа определения вероятности состоит в том, что он опирается на реальный эксперимент. Однако его существенный недостаток заключается в том, что для определения вероятности необходимо выполнить большое число опытов, которые очень часто связаны с материальными затратами. Статистическое определение вероятности события хотя и достаточно полно раскрывает содержание этого понятия, но не дает возможности фактического вычисления вероятности.

Геометрическая вероятность

В классическом определении вероятности рассматривается полная группа конечного числа равновозможных событий. На практике очень часто число возможных исходов испытаний бесконечно. В таких случаях классическое определение вероятности неприменимо. Однако иногда в подобных случаях можно воспользоваться другим методом вычисления вероятности. Для определенности ограничимся двумерным случаем.

Пусть на плоскости задана некоторая область площадью , в которой содержится другая область площадью (рис. 3). В область наудачу бросается точка. Чему равна вероятность того, что точка попадет в область ? При этом предполагается, что наудачу брошенная точка может попасть в любую точку области , и вероятность попасть в какую-либо часть области пропорциональна площади части и не зависит от ее расположения и формы. В таком случае вероятность попадания в область при бросании наудачу точки в область

(1.3)

Таким образом, в общем случае, если возможность случайного появления точки внутри некоторой области на прямой, плоскости или в пространстве определяется не положением этой области и ее границами, а только ее размером, т. е. длиной, площадью или объемом, то вероятность попадания случайной точки внутрь некоторой области определяется как отношение размера этой области к размеру всей области, в которой может появляться данная точка. Это есть геометрическое определение вероятности.

Пример 3. Круглая мишень вращается с постоянной угловой скоростью. Пятая часть мишени окрашена в зеленый цвет, а остальная — в белый (рис. 4). По мишени производится выстрел так, что попадание в мишень — событие достоверное. Требуется определить вероятность попадания в сектор мишени, окрашенный в зелёный цвет.

Решение. Обозначим — “выстрел попал в сектор, окрашенный в зелёный цвет”. Тогда . Вероятность получена как отношение площади части мишени, окрашенной в зелёный цвет, ко всей площади мишени, поскольку попадания в любые части мишени равновозможны.

Аксиомы теории вероятностей

Из статистического определения вероятности случайного события следует, что вероятность события есть число, около которого группируются частоты этого события, наблюдаемые на опыте. Поэтому аксиомы теории вероятностей вводятся так, чтобы вероятность события обладала основными свойствами частоты.

Аксиома 1. Каждому событию соответствует определенное число , удовлетворяющее условию и называемое его вероятностью.

Аксиома 2. Вероятность достоверного события равна единице.

Аксиома 3. Вероятность невозможного события равна нулю.

Аксиома 4. (аксиома сложения). Вероятность суммы двух несовместных событий равна сумме их вероятностей.

Математический форум (помощь с решением задач, обсуждение вопросов по математике).

Если заметили ошибку, опечатку или есть предложения, напишите в комментариях.

Источник

Тема непростая, но если вы собираетесь поступать на факультет, где нужны базовые знания высшей математики, освоить материал — must have. Тем более, все формулы по теории вероятности пригодятся не только в универе, но и при решении 4 задания на ЕГЭ. Начнем!

Основные понятия

Французские математики Блез Паскаль и Пьер Ферма анализировали азартные игры и исследовали прогнозы выигрыша. Тогда они заметили первые закономерности случайных событий на примере бросания костей и сформулировали теорию вероятностей.

Когда мы кидаем монетку, то не можем точно сказать, что выпадет: орел или решка.

Но если подкидывать монету много раз — окажется, что каждая сторона выпадает примерно равное количество раз. Из чего можно сформулировать вероятность: 50% на 50%, что выпадет «орел» или «решка».

Теория вероятностей — это раздел математики, который изучает закономерности случайных явлений: случайные события, случайные величины, их свойства и операции над ними.

Вероятность — это степень возможности, что какое-то событие произойдет. Если у нас больше оснований полагать, что что-то скорее произойдет, чем нет — такое событие называют вероятным.

Ну, скажем, смотрим на тучи и понимаем, что дождь — вполне себе вероятное событие. А если светит яркое солнце, то дождь — маловероятное или невероятное событие.

Случайная величина — это величина, которая в результате испытания может принять то или иное значение, причем неизвестно заранее, какое именно. Случайные величины можно разделить на две категории:

Дискретная случайная величина — величина, которая в результате испытания может принимать определенные значения с определенной вероятностью, то есть образовывать счетное множество.
Элементы множества можно пронумеровать. Они могут быть как конечными, так и бесконечными. Например: количество выстрелов до первого попадания в цель.

Непрерывная случайная величина — это такая величина, которая может принимать любые значения из некоторого конечного или бесконечного промежутка. Количество возможных значений непрерывной случайной величины бесконечно.

Вероятностное пространство — это математическая модель случайного эксперимента (опыта). Вероятностное пространство содержит в себе всю информацию о свойствах случайного эксперимента, которая нужна, чтобы проанализировать его через теорию вероятностей.

Вероятностное пространство — это тройка (Ω, Σ, Ρ) иногда обрамленная угловыми скобками: ⟨ , ⟩ , где

Ω — это множество объектов, которые называют элементарными событиями, исходами или точками.
Σ — сигма-алгебра подмножеств , называемых случайными событиями;
Ρ — вероятностная мера или вероятность, т.е. сигма-аддитивная конечная мера, такая что .

Подготовиться к олимпиаде или вузу и поверить в себя помогут внимательные учителя онлайн-школы Skysmart.

Приходите на бесплатный вводный урок математики: порешаем увлекательные задачки и наметим индивидуальную программу обучения.

Формулы по теории вероятности

Теория вероятности изучает события и их вероятности. Если событие сложное, то его можно разбить на простые составные части — так легче и быстрее найти их вероятности. Рассмотрим основные формулы теории вероятности.

Случайные события. Основные формулы комбинаторики

Классическое определение вероятности

Вероятностью события A в некотором испытании называют отношение:

P (A) = m/n, где n — общее число всех равновозможных, элементарных исходов этого испытания, а m — количество элементарных исходов, благоприятствующих событию A

Свойства вероятности:

Вероятность достоверного события равна единице.
Вероятность невозможного события равна нулю.
Вероятность случайного события есть положительное число, заключенное между нулем и единицей.

Таким образом, вероятность любого события удовлетворяет двойному неравенству:

0 ≤ P(A) ≤ 1.

Пример 1. В пакете 15 конфет: 5 с молочным шоколадом и 10 — с горьким. Какова вероятность вынуть из пакета конфету с белым шоколадом?

Как рассуждаем:

Так как в пакете нет конфет с белым шоколадом, то m = 0, n = 15. Следовательно, искомая вероятность равна нулю:

P = 0/15 = 0

Неприятная новость для любителей белого шоколада: в этом примере событие «вынуть конфету с белым шоколадом» — невозможное.

Ответ: 0.

Пример 2. Из колоды в 36 карт вынули одну карту. Какова вероятность появления карты червовой масти?

Как рассуждаем:

Количество элементарных исходов, то есть количество карт равно 36 (n). Число случаев, благоприятствующих появлению карты червовой масти (А) равно 9 (m).

Следовательно:

Ответ: 0,25.

Геометрическое определение вероятности

Геометрическая вероятность события А определяется отношением:

P(A)= m(A)/m(G), где m(G) и m(A) — геометрические меры (длины, площади или объемы) всего пространства элементарных исходов G и события А соответственно

Чаще всего, в одномерном случае речь идет о длинах отрезков, в двумерном — о площадях фигур, а в трехмерном — об объемах тел.

Пример. Какова вероятность встречи с другом, если вы договорились встретиться в парке в промежутке с 12.00 до 13.00 и ждете друг друга 5 минут?

Как решаем:

A — встреча с другом состоится, х и у — время прихода. Значит:
0 ≤ х, у ≤ 60.

В прямоугольной системе координат этому условию удовлетворяют точки, которые лежат внутри квадрата ОАВС. Друзья встретятся, если между моментами их прихода пройдет не более 5 минут, то есть:
y−x < 5, y > x
x−y < 5, x > y.

Этим неравенствам удовлетворяют точки из области G — то, что выделено красным:

Тогда вероятность встречи равна отношению площадей области G и квадрата:
P(A)=SG/SOABC= 60 * 60 – 55 * 5560 * 60 = 23144 = 0,16

Ответ: 0,16

Сложение и умножение вероятностей

Немного теории:

Событие А называется частным случаем события В, если при наступлении А наступает и В. То, что А является частным случаем В можно записать так: A ⊂ B.
События А и В называются равными, если каждое из них является частным случаем другого. Равенство событий А и В записывается так: А = В.
Суммой событий А и В называется событие А + В, которое наступает тогда, когда наступает хотя бы одно из событий: А или В.

Теорема о сложении вероятностей звучит так: вероятность появления одного из двух несовместных событий равна сумме вероятностей этих событий:

Эта теорема справедлива для любого числа несовместных событий:

Если случайные события A1, A2,…, An образуют полную группу несовместных событий, то справедливо равенство:

P(A1) + P(A2) + … + P(An) = 1. Такие события (гипотезы) используют при решении задач на полную вероятность.

Произведением событий А и В называется событие АВ, которое наступает тогда, когда наступают оба события: А и В одновременно. Случайные события А и B называются совместными, если при данном испытании могут произойти оба эти события.

Вторая теорема о сложении вероятностей: вероятность суммы совместных событий вычисляется по формуле:

P(A + B) = P(A) + P(B) − P(AB)

События событий А и В называются независимыми, если появление одного из них не меняет вероятности появления другого. Событие А называется зависимым от события В, если вероятность события А меняется в зависимости от того, произошло событие В или нет.

Теорема об умножении вероятностей: вероятность произведения независимых событий А и В вычисляется по формуле:

Пример. Студент разыскивает нужную ему формулу в трех справочниках. Вероятности того, что формула содержится в первом, втором и третьем справочниках равны 0,6; 0,7 и 0,8.

Найдем вероятности того, что формула содержится:

только в одном справочнике;
только в двух справочниках;
во всех трех справочниках.

Как рассуждаем:

А — формула содержится в первом справочнике;

В — формула содержится во втором справочнике;

С — формула содержится в третьем справочнике.

Воспользуемся теоремами сложения и умножения вероятностей.

Ответ: 1 — 0,188; 2 — 0,452; 3 — 0,336.

Формула полной вероятности и формула Байеса

Если событие А может произойти только при выполнении одного из событий B1, B2, …, Bn, которые образуют полную группу несовместных событий — вероятность события А вычисляется по формуле полной вероятности:

Вновь рассмотрим полную группу несовместных событий B1, B2, …, Bn, вероятности появления которых P(B1), P(B2), …, P(Bn). Событие А может произойти только вместе с каким-либо из событий B1, B2, …, Bn, которые называются гипотезами. Тогда по формуле полной вероятности: если событие А произошло — это может изменить вероятности гипотез P(B1), P(B2), …, P(Bn).

По теореме умножения вероятностей:

откуда

Аналогично, для остальных гипотез:

Эта формула называется формулой Байеса. Вероятности гипотез называются апостериорными вероятностями, тогда как — априорными вероятностями.

Пример. Одного из трех стрелков вызывают на линию огня, он производит два выстрела. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,3, для второго — 0,5; для третьего — 0,8. Мишень не поражена. Найти вероятность того, что выстрелы произведены первым стрелком.

Как рассуждаем:

Возможны три гипотезы:
- А1 — на линию огня вызван первый стрелок,
- А2 — на линию огня вызван второй стрелок,
- А3 — на линию огня вызван третий стрелок.

Так как вызов на линию огня любого стрелка равно возможен, то

В результате опыта наблюдалось событие В — после произведенных выстрелов мишень не поражена. Условные вероятности этого события при наших гипотезах равны:

По формуле Байеса находим вероятность гипотезы А1 после опыта:

Ответ: 0,628.

Формула Бернулли

При решении вероятностных задач часто бывает, что одно и тоже испытание повторяется многократно, и исход каждого испытания независит от исходов других. Такой эксперимент называют схемой повторных независимых испытаний или схемой Бернулли.

Примеры повторных испытаний:

Бросаем игральный кубик, где вероятности выпадения определенной цифры одинаковы в каждом броске.
Включаем лампы с заранее заданной одинаковой вероятностью выхода из строя каждой.
Лучник повторяет выстрелы по одной и той же мишени при условии, что вероятность удачного попадания при каждом выстреле принимается одинаковой.

Итак, пусть в результате испытания возможны два исхода: либо появится событие А, либо противоположное ему событие. Проведем n испытаний Бернулли. Это означает, что все n испытаний независимы. А вероятность появления события А в каждом случае постоянна и не изменяется от испытания к испытанию.

Обозначим вероятность появления события А в единичном испытании буквой р, значит:
p = P(A), а вероятность противоположного события (событие А не наступило) – буквой q
q = P(¯A) = 1 – p.

Тогда вероятность того, что событие А появится в этих n испытаниях ровно k раз, выражается формулой Бернулли:
Pn(k) = Cnk * pk * qn-k, где q = 1 – p.

Биномиальное распределение — распределение числа успехов (появлений события).

Пример. Среди видео, которые снимает блогер, бывает в среднем 4% некачественных: то свет плохой, то звук пропал, то ракурс не самый удачный. Найдем вероятность того, что среди 30 видео два будут нестандартными.

Как рассуждаем:

Опыт заключается в проверке каждого из 30 видео на качество. Событие А — это какая-то неудача (свет, ракурс, звук), его вероятность p = 0,04, тогда q = 0,96. Отсюда по формуле Бернулли можно найти ответ:

Ответ: вероятность плохого видео приблизительно 0,202. Блогер молодец????

Наивероятнейшее число успехов

Биномиальное распределение ( по схеме Бернулли) помогает узнать, какое число появлений события А наиболее вероятно. Формула для наиболее вероятного числа успехов k (появлений события) выглядит так:

np – q ≤ k ≤ np + p, где q=1−p

Так как np−q = np + p−1, то эти границы отличаются на 1. Поэтому k, являющееся целым числом, может принимать либо одно значение, когда np целое число (k = np), то есть когда np + p (а отсюда и np – q) нецелое число, либо два значения, когда np – q целое число.

Пример. В очень большом секретном чатике сидит 730 человек. Вероятность того, что день рождения наугад взятого участника чата приходится на определенный день года — равна 1/365 для каждого из 365 дней. Найдем наиболее вероятное число счастливчиков, которые родились 1 января.

Как решаем:

По условию дано: n = 730, p = 1/365, g = 364/365

np – g = 366/365

np + p = 731/365

366/365 ≤ m ≤ 731/365

m = 2

Ответ: 2.

Формула Пуассона

При большом числе испытаний n и малой вероятности р формулой Бернулли пользоваться неудобно. Например, 0.97999 вычислить весьма затруднительно.

В этом случае для вычисления вероятности того, что в n испытаниях событие произойдет k раз, используют формулу Пуассона:

Здесь λ = np обозначает среднее число появлений события в n испытаниях.

Эта формула дает удовлетворительное приближение для p ≤ 0,1 и np ≤10.

События, для которых применима формула Пуассона, называют редкими, так как вероятность, что они произойдут — очень мала (обычно порядка 0,001-0,0001).

При больших np рекомендуют применять формулы Лапласа, которую рассмотрим чуть позже.

Пример. В айфоне1000 разных элементов, которые работают независимо друг от друга. Вероятность отказа любого элемента в течении времени Т равна 0,002. Найти вероятность того, что за время Т откажут ровно три элемента.

Как решаем:

По условию дано: n = 1000, p = 0,002, λ = np = 2, k = 3.

Искомая вероятность после подстановки в формулу:

P1000(3) = λ3/3! * e−λ = 23/3! * e−2 ≈ 0,18.

Ответ: ориентировочно 0,18.

Теоремы Муавра-Лапласа

Пусть в каждом из n независимых испытаний событие A может произойти с вероятностью p, q = 1 – p (условия схемы Бернулли). Обозначим как и раньше, через Pn(k) вероятность ровно k появлений события А в n испытаниях.

Кроме того, пусть Pn(k1;k2) — вероятность того, что число появлений события А находится между k1 и k2.

Локальная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

где —

функция Гаусса.

Интегральная теорема Лапласа звучит так: если n — велико, а р — отлично от 0 и 1, то

где

— функция Лапласа.

Функции Гаусса и Лапласа обладают свойствами, которые пригодятся, чтобы правильно пользоваться таблицей значений этих функций:

Теоремы Лапласа дают удовлетворительное приближение при npq ≥ 9. Причем чем ближе значения q, p к 0,5, тем точнее данные формулы. При маленьких или больших значениях вероятности (близких к 0 или 1) формула дает большую погрешность по сравнению с исходной формулой Бернулли.

Если ребенку наскучила школьная программа и он готов осваивать что-то поинтереснее — приходите в школу Skysmart. Мы подготовили тысячи увлекательных задачек разной сложности, чтобы ребенок развивался в комфортном темпе.

Записывайтесь на бесплатный вводный урок математики и начните заниматься по индивидуальной программе уже завтра.

Источник