-
獨立試驗
鎖定
- 中文名
- 獨立試驗
- 外文名
- Independent test
- 別 名
- 伯努利試驗
- 拼 音
- Dú lì shì yàn
- 學 科
- 數學
- 定 義
- 概率論中,把在同樣條件下重複進行試驗的數學模型
獨立試驗基本內容
事件的獨立性
設有事件A與事件B,如果
,則稱A與B是相互獨立的。
將試驗E重複進行n次,若各次試驗的結果互不影響,則稱這n次試驗是相互獨立的。
設A、B為任意兩個隨機事件,且P(A)>0。則A與B相互獨立
P(B|A)=P(B)。
獨立試驗
具有上述特徵的試驗稱為n重獨立試驗,統計學家伯努利(Bernolli)首先注意並研究了這類試驗,故亦稱之為伯努利試驗。
伯努利試驗是一個有兩種結果的簡單試驗,它的結果是成功或失敗,黑或白,開或關,沒有中間的立場,沒有妥協的餘地。這樣的例子也特別多,例如我們觀察從一副紙牌中拿出一張牌,它或者是黑色或者是紅色;接生一個嬰兒,或者是男孩或者是女孩;我們經歷24小時的一天,或者遇到流星或者遇不到流星。在每一種情況下,很方便設計一種結果“成功”,另外一種結果為“失敗”。例如選出一張黑色牌,生出一個女兒,沒有遇到流星都可以表示為“成功”。然而,從概率的角度看,選擇紅牌、兒子、遇到流星為成功也是不會產生差異的。在這種場合下,“成功”是沒有價值取向的色彩。單個伯努利試驗是沒有多大意義的,然而,當我們反覆進行伯努利試驗,去觀察這些試驗有多少是成功的,多少是失敗的,事情就變得有意義了,這些累計記錄包含了很多潛在的非常有用的信息
[1]
。
獨立試驗相關定理
設在一次試驗中,事件A發生的概率為p(0<p<1),則在n重伯努利試驗中,事件A恰好發生 k 次的概率為:
獨立試驗特殊分佈
獨立試驗二項分佈
一般地,在n次獨立重複試驗中,用ξ表示事件A發生的次數,如果事件發生的概率是p,則不發生的概率 q=1-p,N次獨立重複試驗中發生k次的概率是:P(ξ=K)=
(k=0,1,2,3…n),那麼就説ξ服從二項分佈,其中P稱為成功概率,記作:ξ~B(n,p)。
(1)二項分佈的期望:E(ξ)=np;
獨立試驗幾何分佈
在第n次伯努利試驗中,試驗k次才得到第一次成功的機率,詳細的説是:前k-1次皆失敗,第k次成功的概率。如果事件發生的概率是p,則不發生的概率q=1-p,則P(ξ=K) =
。具有這種分佈列的隨機變量,稱為服從參數p的幾何分佈。
(1)幾何分佈的期望E(X)=
;
獨立試驗舉例
解:這個試驗為n = 4 的獨立試驗。設 B={恰好有 2 次取到次品},A={取到次品},則
={取到正品},
={第i次抽樣抽到次品}。p=P(A)=0.05,q=P(
)=0.95,因為
,
,
,
相互獨立,所以 P(B)=
=
=0.0135。