Вероятность отклонения частоты от вероятности

Если честная монета подброшена 100 раз, орёл не обязан выпасть ровно 50 раз. Доля орлов случайна, хотя вероятность орла в каждом броске равна . Насколько вероятно, что эта доля отклонится от хотя бы на ? Ответ зависит от числа испытаний и от того, включены ли граничные значения. Калькулятор считает точную вероятность по биномиальному распределению и показывает верхнюю оценку Чебышёва для того же события.
Частота, вероятность и условие задачи
Пусть проведено независимых испытаний, в каждом возможен успех с одной и той же вероятностью . Число успехов обозначим , а относительную частоту успехов - . Величина задаёт модель одного испытания; становится известной после серии и может отличаться в разных сериях. Например, 56 орлов из 100 дают частоту , или 56 %, хотя вероятность орла по модели равна 50 %.
Событие «частота отклонилась от вероятности не менее чем на » записывают так:
Модуль учитывает оба направления: частота может оказаться слишком малой или слишком большой. Если , речь идёт о десяти процентных пунктах, а не об отклонении на 10 % от самого . При пороги равны и . Граничные частоты входят в событие из-за знака «не менее».
Для точного расчёта важны условия схемы Бернулли: фиксированное число испытаний, два исхода, независимость и постоянное . Например, выборка без возвращения из небольшой партии обычно нарушает независимость и постоянство вероятности. Тогда биномиальная сумма ниже не является точной моделью.
На практике «успех» - условное название выбранного исхода, а не обязательно положительный результат. Им может быть и обнаружение брака, и выпадение шестёрки, и ответ «да» в опросе. Важно заранее определить событие одинаково для каждого испытания. Если в процессе меняется способ отбора или вероятность успеха, формулу нельзя применять без дополнительной проверки модели. Для выборки с возвращением вероятность состава генеральной совокупности сохраняется; без возвращения результаты связаны между собой.
Частота измеряется в долях от нуля до единицы, как и вероятность. Иногда обе величины выражают процентами, но тогда и порог нужно перевести в те же единицы. Например, разница между частотой 36 % и вероятностью 30 % равна шести процентным пунктам, то есть 0,06. Число успехов при этом имеет другие единицы: его сравнивают с порогами после умножения на число испытаний.
Как из отклонения получить целые границы
Поскольку принимает только целые значения от нуля до , условие с модулем распадается на два несовместных события:
Если порог не целый, для нижнего хвоста берём целую часть вниз, а для верхнего - вверх:
При этом сохраняются только допустимые от 0 до : если нижняя граница меньше нуля, нижний хвост пуст; если верхняя больше , пуст верхний. Например, при , и границы равны и . Значит, нужны или . Округлять обе границы до ближайшего целого нельзя: это изменит состав события.
Каждый столбик представляет вероятность отдельного целого числа успехов. Сумма высот золотых столбиков - вероятность интересующего события. Увеличение порога не может добавить значения в хвосты; из-за целочисленности их состав меняется ступенями. Обратное движение в ролике позволяет увидеть ту же зависимость ещё раз, а не описывает последовательность новых испытаний.
Точная вероятность: сложить два хвоста
В условиях модели имеет биномиальное распределение. Для каждого допустимого вероятность равна
Коэффициент считает способы расположить успехов среди испытаний; подробнее этот подсчёт разобран в статье о вероятности через сочетания. Сложим вероятности всех подходящих значений:
Пустая сумма равна нулю. Это точная формула при заданных предпосылках, а не оценка. Хвосты не всегда одинаковы: при биномиальное распределение может быть несимметричным, поэтому удваивать один хвост без доказательства симметрии нельзя. На графике калькулятора можно изменить и увидеть, как меняются высоты столбиков.
Пример: 100 бросков честной монеты
Пусть , , . Ищем вероятность отклонения частоты орлов от половины не менее чем на 0,1. Переведём условие в число орлов:
Для честной монеты распределение симметрично, поэтому оба хвоста равны. Подставляем биномиальные вероятности:
Ответ - около 5,69 %. Это вероятность такой серии до её проведения в описанной модели. Из неё не следует, что в каждой группе из ста серий событие случится ровно шесть раз. Для доли строго внутри полосы получаем дополнение: , или 94,31 %.

Обратите внимание на границу: 40 и 60 включены. Если в условии стояло бы «более чем на », они исключались бы; тогда осталось бы или , а вероятность составила бы около 3,52 %. Разница заметна, потому что число успехов дискретно.
Тот же расчёт можно организовать через дополнение. Сначала сложить вероятности строго внутренних значений от 41 до 59, затем вычесть результат из единицы. Это удобно, когда внутренних значений меньше, чем значений в двух хвостах. При таком приёме важно не включить в середину числа 40 и 60: иначе получится ответ для другого знака неравенства.
Различие между отдельным результатом и вероятностью всей группы также видно на рисунке. Столбик над числом 40 отвечает только за один возможный итог серии. Золотая область объединяет этот результат со всеми меньшими числами и с результатами от 60 вверх. События с разными числами успехов несовместны, поэтому их вероятности складываются без поправок на пересечение.
Оценка по неравенству Чебышёва
Точная сумма использует весь биномиальный закон. Если нужна гарантированная верхняя граница, можно применить неравенство Чебышёва и закон больших чисел. Для индикатора успеха среднее равно , дисперсия - . Благодаря независимости дисперсия частоты равна . Поэтому при
Для нашей монеты получаем . То есть вероятность не превышает 25 %. Точное значение 5,69 % действительно ниже границы. Чебышёв не обещает, что вероятность равна 25 %: это осторожная гарантия. Если правая часть больше единицы, можно заменить её единицей, но такая граница не сообщает ничего нового.
При фиксированном положительном граница стремится к нулю с ростом . Так выражается сходимость частоты к вероятности по вероятности: крупные отклонения становятся маловероятными. Она не означает, что частота после каждого нового испытания обязана приближаться к : отдельная траектория может колебаться в обе стороны.
Как выбрать число испытаний
Допустим, требуется гарантировать по Чебышёву вероятность отклонения не выше . Достаточно выбрать целое , удовлетворяющее условию
Например, для , и достаточно . Это достаточное число по выбранной границе, а не обязательно минимальное по точному биномиальному расчёту. Если заранее неизвестно, неравенство даёт консервативный выбор .
Когда нужна более узкая граница, при подходящих условиях используют, например, неравенство Чернова; его пороги и предпосылки нужно сверять с конкретным событием. Если же интересует оценивание неизвестного по наблюдениям, переходят к статистическому выводу: вероятность события при заданном и доверительный интервал для неизвестного параметра отвечают на разные вопросы.
Есть и практический предел интерпретации такого планирования. Достаточная по формуле длина серии работает только тогда, когда модель независимых испытаний с постоянным параметром разумна для исследуемого процесса. Само увеличение выборки не исправляет систематическую ошибку измерения, зависимость наблюдений или изменение вероятности во времени. Поэтому сначала проверяют устройство эксперимента, затем выбирают математическую границу и нужную точность.
В калькуляторе порог задаётся целым числом процентных пунктов, а число испытаний ограничено диапазоном ползунка. Для других исходных данных используют ту же формулу суммы по целым значениям. При вычислениях компьютером предпочтительны устойчивые алгоритмы для биномиальных вероятностей: прямое перемножение больших факториалов может переполнить числовой тип ещё до получения окончательного ответа.
Частые ошибки
- Считать один хвост вместо двух. Модуль включает отклонения как ниже, так и выше .
- Терять граничные значения. При «не менее» равенство входит в событие; при «более» нет.
- Принимать оценку за точное значение. Чебышёв даёт верхнюю границу, а биномиальная сумма - точный результат модели.
- Путать процент и процентный пункт. От 50 % до 60 % - десять процентных пунктов, а относительный прирост составляет 20 %.
- Игнорировать условия испытаний. Зависимость или меняющееся могут сделать биномиальный расчёт неприменимым.
FAQ
Почему частота не равна вероятности точно? Частота определяется случайным числом успехов в конечной серии. Вероятность - параметр модели отдельного испытания; закон больших чисел описывает поведение при увеличении числа испытаний, а не равенство в каждой серии.
Можно ли просто удвоить вероятность одного хвоста? Только когда симметрия действительно есть. Для биномиального распределения с и симметричными порогами хвосты равны; при другом их обычно считают отдельно.
Что делать, если один порог выходит за границы от 0 до 1? Соответствующий хвост пуст, поскольку частота не может быть отрицательной или превышать единицу. Второй хвост нужно проверить и вычислить отдельно.
Коротко
Для независимых испытаний с постоянной вероятностью успеха частота равна , где распределена биномиально. Событие отклонения не менее чем на переводят в два целочисленных хвоста и складывают их вероятности. Для 100 бросков честной монеты при пороге 0,1 точная вероятность равна примерно 5,69 %, а оценка Чебышёва даёт не более 25 %.
Читайте также

Наивероятнейшее число успехов в схеме Бернулли
Наивероятнейшее число успехов в схеме Бернулли: формула np-q ≤ k0 ≤ np+p, как найти моду биномиального распределения, когда мод две и где студенты ошибаются в задачах.

Схема Бернулли: формула, условия и приближения
Схема Бернулли: какие три условия обязаны выполняться, как выводится формула вероятности k успехов, чему равны np и npq и когда точный расчёт заменяют Пуассоном или Муавром-Лапласом.

Математическое ожидание биномиального распределения
Математическое ожидание биномиального распределения: формула E[X] = np, простой вывод через сумму индикаторов, дисперсия np(1-p), разбор примеров и типичные ошибки студентов в задачах.

Закон больших чисел и неравенство Чебышёва: вывод формулы
Разбираем неравенство Чебышёва, оценку вероятности отклонения через дисперсию и вывод закона больших чисел, с разбором типовых учебных задач и формул на числах.

Цепь Маркова: стационарное распределение
Как найти стационарное распределение цепи Маркова по матрице переходов: пример для двух состояний, проверка баланса и условия сходимости с разбором ошибок.

Дивергенция Кульбака-Лейблера: смысл и расчёт
Дивергенция Кульбака-Лейблера простыми словами: формула и пример расчёта для двух исходов, асимметрия, нулевые вероятности и связь с энтропией и обучением моделей.