5665
.pdfВо втором случае m |
500 и так как n |
900, то m удовлетворяет следующему дву- |
||||||||||||
стороннему ограничению: 500 |
m |
900 ; получим |
|
|
|
|
|
|
||||||
P900 m 500 |
P900 |
500 |
m |
900 |
|
900 |
810 |
500 |
810 |
|||||
|
|
|
|
|
|
|
|
|
||||||
|
9 |
|
|
|
9 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
310 |
|
|
10 |
0,5 |
0,5 |
1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
9 |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Этот результат означает, что событие m |
500 |
|
практически достоверно. |
|||||||||||
Ответы: 1) P900 700 |
m |
800 |
0,1335 ; 2) P900 m |
500 |
1. |
|
|
Пример 33. На научную конференцию приглашены 100 человек, причём каждый прибывает с вероятностью 0,8. В гостинице для гостей заказано 70 мест. Какова вероятность, что все приехавшие будут поселены в гостинице?
Решение. По условию можно считать, что задана схема независимых испытаний Бернулли B n, p , где n 100, p 0,8 , q 1 p 0,2 . Если обозначим через m – число приехавших на научную конференцию, искомая вероятность может быть записана как
P 0 m 70 . Так как npq 100 |
|
0,8 0,2 |
16 9 , то можно для вычисления использо- |
||||||||||||
вать приближённую формулу (1.14): |
|
|
|
|
|
|
|
|
|
||||||
P 0 m 70 |
70 |
100 |
0,8 |
|
0 |
100 |
0,8 |
2,5 |
20 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
16 |
|
|
|
|
|
16 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
0,4938 |
0,5 |
|
0,0062. |
|
|
|
|
|
Заметим, что при вычислениях были использованы табличные значения нечётной функции (1.16).
Ответ: 0,0062.
Пример 34. Страховая фирма заключила 10000 договоров. Вероятность страхового случая по каждому в течение года составляет 1 %. В каких границах с вероятностью 0,9 лежит количество страховых случаев?
Решение. Из условия задачи следует, что можно действовать по схеме независимых
испытаний Бернулли B n, p , где n |
10000, p |
|
0,1, q |
1 |
p |
0,9 . Обозначим через m – |
|||||||
число страховых случаев. Очевидно, что npq |
10000 0,1 0,9 |
900 9. Поэтому использу- |
|||||||||||
ем приближённую формулу (1.15), в несколько видоизменённом варианте: |
|||||||||||||
|
m |
np |
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
||||
P |
|
P |
m |
np |
|
|
npq |
2 |
|
||||
|
|
|
|
||||||||||
npq |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В нашем случае 2 0,9 , или 0,45 . Из таблицы для функции Лапласа (1.15) находим, что 1,65 . Получаем границы изменения числа страховых случаев:
m 100000,1 1,65900 , или 1000 49,5 m 1000 49,5 .
Тогда 950,5 m 1049,5 и так как m – целое число, то 951 m 1049.
Ответ: 951 m 1049.
41
Модуль 2. Случайные величины
Пример 1. Три стрелка производят по одному выстрелу в намеченную цель. При проверке их квалификации были получены следующие статистические сведения по качеству их стрельбы: у первого 80 % попаданий в цель, у второго – 70 %, у третьего – 60 %. Составить ряд распределения случайной величины X – числа попаданий в цель всеми стрелками.
Решение. Очевидно, что X есть дискретная случайная величина со значениями X m:0, 1, 2, 3. Для составления ряда распределения надо найти вероятности событий X m .
В связи с этим введём следующие вспомогательные события: Ai – i -й стрелок попадёт в цель, Ai – i -й стрелок не попадёт в цель i 1, 2, 3 . Из условия задачи имеем:
|
|
|
|
|
|
|
|
|
|
|
P A1 0,8; P A2 |
0,7; P A3 |
0,6 . |
|
Тогда вероятности противоположных событий Ai |
||||||
|
|
|
|
|
|
|
|
|
|
|
таковы: P A1 |
0,2; P A2 |
0,3; P A3 |
0,4 . |
|
На основании теорем сложения и умножения вероятностей с помощью алгебры событий получим следующие результаты:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,024 ; |
|
|
|
|
|
||
P X |
0 |
P A1 A2 A3 |
0,2 |
|
0,3 |
0,4 |
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
P X 1 P A1 A2 A3 |
A1 A2 A3 |
A1 A2 A3 |
|
|
|
|
|
|
||||||||||||||||||||||
|
|
0,8 |
0,3 |
|
0,4 |
0,2 |
0,7 |
0,4 |
0,2 |
0,3 |
0,6 |
0,096 |
0,056 |
0,036 |
0,188; |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
P X 2 P A1 A2 A3 |
A1 A2 A3 |
A1 A2 A3 |
|
|
|
|
|
|
||||||||||||||||||||||
|
|
0,8 |
0,7 |
0,4 |
0,2 |
0,7 |
0,6 |
0,8 |
0,3 |
0,6 |
0,224 |
0,084 |
0,144 |
0,452; |
||||||||||||||||
P X |
3 |
P A1 A2 A3 |
0,8 |
|
0,7 |
0,6 |
|
0,336 . |
|
|
|
|
|
Таким образом, ряд распределения имеет вид:
X |
m |
|
0 |
|
1 |
2 |
3 |
|
P X |
m |
|
0,024 |
|
0,188 |
0,452 |
0,336 |
|
|
|
|
|
|
|
|
|
|
Так как события X |
m:0, 1, 2, 3 |
образуют полную группу (в результате опыта обя- |
зательно произойдёт одно из них), то сумма их вероятностей должна быть равна единице. Легко проверить, что это свойство ряда распределения выполняется.
Отметим следующее: при вычислении вероятностей событий X |
m попутно вы- |
||||||
|
|
|
|
|
|
|
|
числены вероятности других событий. Например, событий A1 A2 A3 и |
A1 A2 A3 . Первое |
из них означает, что попадёт только первый стрелок (второй и третий промахнутся); его вероятность равна 0,096. Второе означает, что попадут первый и второй стрелки (третий промахнётся); его вероятность равна 0,224.
Ответ:
X |
0 |
1 |
2 |
3 |
P |
0,02 |
0,18 |
0,45 |
0,3 |
|
4 |
8 |
2 |
36 |
Пример 2. Найти функцию распределения случайной величины примера 1. Решение. Рассмотрим событие X x – случайная величина примет значение
меньше текущего аргумента x . Тогда функция распределения случайной величины X задаётся равенством
42
F x P X x |
P |
X x . |
(2.1) |
Для дискретной случайной величины со значениями xi |
эта функция имеет вид: |
||
F x |
P X |
xi , |
(2.2) |
i : xi |
x |
|
|
где суммирование проводится по тем номерам i , |
для которых выполняется неравен- |
|||||||||||||||
ство xi |
x . Равенство (2.2) является следствием (2.1) и теоремы сложения вероятностей. |
|||||||||||||||
Тогда из ответа примера 1 получим, что |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
0 |
|
при |
|
x |
0, |
|
|
|
|
|
|
|
|
|
|
|
0,024 |
при |
0 |
x |
1, |
|
|
|
|
|
|
|
|
|
|
|
F x |
0,212 |
при |
1 |
x |
2, |
|
|
|
|
|
|
|
|
|
|
|
|
0,664 |
при |
2 |
x |
3, |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
при |
|
x |
3. |
|
|
|
Сделаем пояснения по поводу этого результата. Если |
x |
0, то, согласно (2.1), |
||||||||||||||
F x |
P X |
0 |
0 , так как нет значений, меньших нуля (событие X |
0 невозможно). |
||||||||||||
Если |
0 |
x |
1, |
то |
F x |
P X |
1 |
P X |
0 |
0,024 . |
|
Если |
1 |
x 2 , |
то |
|
F x |
P X |
2 |
P X |
0 |
P X |
1 0,024 |
0,188 |
0,212 |
(применена теорема сложения |
|||||||
вероятностей несовместных событий). При 2 x |
3 имеем |
|
|
|
|
|
||||||||||
|
F x |
P X 3 |
P X 0 |
P X |
1 |
P X |
2 |
0,024 |
0,188 0,452 |
0,664 , |
|
|||||
а при X |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F x P X 0 P X 1 P X 2 P X 3 1. |
|
|
|
Функции вида (2.2) являются кусочно-постоянными. Их графики являются разрывными ступенчатыми линиями со скачками в точках xi . Величины скачков равны
соответствующим вероятностям P X xi . При этом в точках xi функция F x непре-
рывна слева и разрывна справа.
Рекомендуем построить примерный график этой функции.
|
0 |
при |
|
x |
0, |
|
0,024 |
при |
0 |
x |
1, |
Ответ: F x |
0,212 |
при |
1 |
x |
2, |
|
0,664 |
при |
2 |
x |
3, |
|
1 |
при |
|
x |
3. |
Пример 3. Функция распределения |
F x |
дискретной случайной величины имеет |
|||
вид: |
|
|
|
|
|
|
0 |
при |
x |
|
2, |
|
0,2 |
при |
2 |
x |
4, |
F x |
0,45 |
при |
4 |
x |
6, |
|
0,8 |
при |
6 |
x |
10, |
|
1 |
при |
x |
|
10. |
Найти ряд распределения случайной величины.
43
Решение. На основании определения (2.1) и теоремы сложения вероятностей несовместных событий для дискретной случайной величины с конечным числом n
значений xi и их вероятностями pi |
P X |
xi |
из формулы (2.2) получим |
||||
|
0 |
|
при |
x |
x1 , |
||
|
p1 |
|
при |
x1 |
x |
x2 , |
|
F x |
p1 |
p2 |
при |
x2 |
x |
x3 , |
|
.......... |
... |
................. |
|||||
|
|||||||
|
p1 ... |
pn 1 |
при |
xn 1 |
x |
xn , |
|
|
1 |
|
при |
x |
xn . |
Такие действия проводились в примере 2 для конкретной случайной величины. Из последней записи видно, что случайная величина имеет своими значениями те x , при
которых выполняется равенство |
x xi . |
Вероятности |
pi этих значений с помощью |
|
функции F x получаются из следующих равенств: |
|
|
||
pi F xi 1 |
F xi |
при i 1, ..., n |
1; |
(2.3) |
pn 1 |
F xn . |
|
|
|
|
|
|
В данном случае получим ряд распределения:
|
X |
xi |
|
|
2 |
|
|
4 |
|
|
6 |
|
|
|
10 |
|||||
|
P X |
xi |
|
|
0,2 |
|
|
0,25 |
|
|
0,35 |
|
|
|
0,2 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ответ: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
X |
2 |
|
|
4 |
|
6 |
|
|
10 |
|
|
|
|
|
||
|
|
|
|
P |
0,2 |
|
|
0,25 |
|
0,35 |
|
0,2 |
|
|
|
|
|
|||
|
Пример 4. Закон распределения дискретной случайной величины имеет вид: |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
X |
1 |
|
3 |
|
|
4 |
|
5 |
|
|
7 |
|
|
9 |
10 |
||||
|
P |
0,05 |
|
0,10 |
|
|
0,30 |
|
0,25 |
|
0,15 |
|
0,10 |
0,05 |
||||||
Найти вероятности следующих событий: 1) 3 |
X |
7 ; 2) X 4 ; 3) |
X 7 ; |
|
||||||||||||||||
4) 5 X |
10. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Решение. Если задан ряд распределения дискретной случайной величины, то вероятность появления значений с любого из промежутков a, b можно вычислить по формуле
P x |
a, b |
P X |
xi , |
(2.4) |
|
i : xi |
a, b |
|
|
где суммирование проводится по тем индексам i , при которых точки xi |
принадлежат |
|||
соответствующему промежутку |
a, b (интервалу |
a, b , отрезку a, b , |
полуотрезкам |
a, bили a, b ).
На основании формулы (2.4) для заданной случайной величины получим следующие результаты:
1) |
P 3 |
X |
7 P X |
3 P X |
4 P X |
5 P X 7 0,10 0,30 0,25 0,15 0,8; |
2) |
P X |
4 |
P X 1 |
P X 3 |
0,05 0,10 |
0,15; |
|
|
|
|
|
|
44 |
3) |
P X |
7 |
P X |
9 |
P X |
10 |
0,10 0,05 0,15; |
||
4) |
P 5 |
X |
10 |
P X |
7 |
P X |
9 |
0,15 |
0,10 0,25. |
Ответы: 1) P 3 |
X 7 |
0,8 ; 2) |
P X |
4 |
0,15 ; 3) P X 7 0,15 ; |
||||
4) |
P 5 |
X |
10 |
0,25 . |
|
|
|
|
|
Пример 5. Дискретная случайная величина задана функцией распределения F x
из примера 3. Вычислить вероятности событий 1) 4 X 10 , 2) X 4 .
Решение. Так как известен ряд распределения этой случайной величины (см. ответ примера 3), то проще всего применить формулу (2.4).
Если ряд не находить, то можно найти вероятности различных событий с помощью функции F x , применив формулу
P a X b F b F a . |
(2.5) |
При использовании (2.5) для дискретных случайных величин надо обязательно
помнить о её применении только для промежутков |
a, b . Для дискретной случайной |
|||||||
величины неверны формулы |
|
|
|
|
|
|
|
|
|
|
P a |
X |
b |
F b |
F a , |
|
|
|
|
P a |
X |
b |
F b |
F a . |
|
|
Для первого события 4 |
X |
10 этого примера полуотрезка |
a, b является 4, 10 и |
|||||
формулу (2.5) можно применять Так как F 10 |
0,8 и F 4 |
0,2 |
(см. задание функции |
|||||
в примере 3), то |
|
|
|
|
|
|
|
|
P 4 |
X |
10 |
F 10 |
F 4 0,8 |
0,2 |
0,6 . |
|
Тот же результат получаем по формуле (2.4):
P 4 |
X 10 P X 4 P X |
6 |
0,25 0,35 |
0,6 . |
|
|
Обратимся ко второму событию |
X |
4 . |
Из вида |
F x следует, |
что наибольшим |
|
значением случайной величины является |
x4 |
10 . Тогда событие X |
4 равносильно |
|||
событию 4 |
X 10 . Имеем дело с отрезком |
4, 10 . Формулу (2.5) применять нельзя. |
||||
Поступим следующим образом. Очевидно, что справедливо равенство |
||||||
|
P 4 X 10 P 4 X 10 P X 10 . |
|
Первая вероятность справа в этом равенстве уже вычислена по формуле (2.5) и
равна 0,6. Далее, p4 P X 10 |
1 |
F 10 |
1 0,8 0,2 (см. (2.3)). Тогда |
P 4 |
X |
10 |
0,6 0,2 0,8 . |
Тот же результат получили бы по формуле (2.4). По формуле же (2.5) получили бы неверный результат 0,6 (проверьте это).
Ответы: 1) P 4 X 10 0,6 ; 2) P X 4 0,8 .
Пример 6. Независимые случайные величины X и Y заданы следующими законами распределения:
X |
1 |
3 |
4 |
P |
P X 1 |
0,3 |
0,5 |
|
|
|
|
Y |
2 |
3 |
5 |
P |
0,1 |
P Y 3 |
0,4 |
|
|
|
|
Составить ряд распределения случайной величины 3X 2Y .
45
Решение. Прежде всего найдём вероятности P X 1 и P Y 3 . Для этого воспользуемся свойством, уже отмеченным при решении примера 1, что сумма вероятностей значений, принимаемых дискретной случайной величиной, равна единице. То-
гда P X 1 1 0,3 0,5 0,2 , а P Y 3 1 0,1 0,4 0,5 .
Теперь получим законы распределения случайных величин 3X и 2Y :
3X |
3 |
9 |
12 |
P |
P X 1 |
0,3 |
0,5 |
|
|
|
|
2Y |
4 |
6 |
10 |
P |
0,1 |
P Y 3 |
0,4 |
|
|
|
|
При получении этих рядов применено следующее свойство: если дискретная слу-
чайная величина |
X принимает значения xi с вероятностями pi , то дискретная слу- |
||
чайная величина |
Z , связанная с X функциональной зависимостью Z |
X , будет |
|
принимать значения zi |
xi с теми же вероятностями pi P X xi . |
|
Для получения ряда величины 3X 2Y приведём определение суммы двух дискретных случайных величин.
Суммой двух дискретных случайных величин X и Y называется случайная величина Z X Y , принимающая все возможные значения вида xi y j с вероятностями
pij , которые для независимых случайных величин X и Y определяются равенством
|
|
|
|
pij |
P X |
xi P Y |
y j |
|
|
|
|
|
(вероятности значений Z равны произведению вероятностей слагаемых). При этом |
||||||||||||
одинаковые значения величины Z |
объединяются, |
а соответствующие вероятности |
||||||||||
складываются. |
|
|
|
|
|
|
|
|
|
|
|
|
Для получения ряда Z |
3X |
2Y удобно составить предварительную таблицу: |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
||
3X |
|
2Y |
|
|
Z 3X 2Y |
|
|
pij |
|
|
||
3 |
|
4 |
|
|
3 |
4 |
7 |
|
0,2 |
0,1 |
0,02 |
|
3 |
|
6 |
|
|
3 |
6 |
9 |
|
0,2 |
0,5 |
0,10 |
|
3 |
|
10 |
|
|
3 |
10 |
13 |
|
0,2 |
0,4 |
0,08 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
9 |
|
4 |
|
|
9 |
4 |
13 |
|
0,3 |
0,1 |
0,03 |
|
9 |
|
6 |
|
|
9 |
6 |
15 |
|
0,3 |
0,5 |
0,15 |
|
9 |
|
10 |
|
|
9 |
10 |
19 |
|
0,3 |
0,4 |
0,12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
4 |
|
|
12 |
4 |
16 |
|
0,5 |
0,1 |
0,05 |
|
12 |
|
6 |
|
|
12 |
6 |
18 |
|
0,5 |
0,5 |
0,25 |
|
12 |
|
10 |
|
|
12 |
10 |
22 |
|
0,5 |
0,4 |
0,20 |
|
|
|
|
|
|
|
|
|
|
||||
Обратим внимание на |
то, |
что значение |
Z |
13 встретилось |
дважды; тогда |
|||||||
P Z 13 0,08 |
0,03 0,11 . |
|
|
|
|
|
|
|
|
|
Из определения суммы и последней таблицы получим ряд распределения случай-
ной величины Z |
3X 2Y : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
7 |
9 |
13 |
15 |
|
16 |
18 |
19 |
22 |
P |
0,02 |
0,10 |
0,11 |
0,15 |
|
0,05 |
0,25 |
0,12 |
0,20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
46 |
|
|
|
|
Очевидно, |
что свойство для суммы вероятностей P Z |
zi |
(она равна единице) |
||||||||||||
выполняется. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Ответ: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z |
|
7 |
|
9 |
13 |
15 |
|
16 |
|
18 |
|
19 |
22 |
|
|
P |
0,02 |
|
0,10 |
0,11 |
0,15 |
|
0,05 |
|
0,25 |
|
0,12 |
0,20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Пример 7. Независимые случайные величины |
X и Y заданы следующими зако- |
||||||||||||||
нами распределения: |
|
|
|
|
|
|
|
|
|
|
|
X |
-1 |
1 |
2 |
P |
0,2 |
P X 1 |
0,5 |
|
|
|
|
Y |
1 |
2 |
3 |
P |
0,1 |
0,6 |
P Y 3 |
|
|
|
|
Составить ряд распределения случайной величины Z |
X Y . |
|
|
|
|
|
|
|||||||||||||||||||
Решение. Найдём вероятности событий P X |
1 |
и P Y |
3 . Аналогично решению |
|||||||||||||||||||||||
примера 6 имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
P X |
1 |
1 |
0,2 |
0,5 |
0,3 , P Y |
3 |
1 |
0,1 |
0,6 |
0,3 . |
|
|
|
|||||||||||
Для получения ряда величины |
X Y |
приведём определение произведения двух |
||||||||||||||||||||||||
дискретных случайных величин. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Произведением двух дискретных случайных величин X и Y называется случайная |
||||||||||||||||||||||||||
величина Z |
X Y , принимающая все возможные значения вида xi y j |
с вероятностями |
||||||||||||||||||||||||
pij , которые для независимых случайных величин X и Y определяются равенством |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
pij |
P X |
xi |
P Y |
y j |
|
|
|
|
|
|
|
|
|
|
||||
(вероятности значений Z |
|
равны произведению вероятностей сомножителей). При |
||||||||||||||||||||||||
этом одинаковые значения величины Z объединяются, а соответствующие вероятно- |
||||||||||||||||||||||||||
сти складываются. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Для получения ряда Z |
|
X Y удобно составить предварительную таблицу: |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
Y |
|
|
|
|
|
Z |
|
X Y |
|
|
|
|
|
|
|
|
|
pij |
|
|
|
|
||
-1 |
1 |
|
|
|
|
|
1 |
1 |
|
1 |
|
|
|
|
|
|
0,2 |
0,1 |
0,02 |
|
|
|
||||
-1 |
2 |
|
|
|
|
|
1 |
2 |
|
2 |
|
|
|
|
|
|
0,2 |
0,6 |
0,12 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
-1 |
3 |
|
|
|
|
|
1 |
3 |
|
3 |
|
|
|
|
|
|
0,2 |
0,3 |
0,06 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
|
|
|
|
|
1 1 |
1 |
|
|
|
|
|
|
|
0,3 |
0,1 |
0,03 |
|
|
|
||||
1 |
|
2 |
|
|
|
|
|
1 2 |
2 |
|
|
|
|
|
|
|
0,3 |
0,6 |
0,18 |
|
|
|
||||
1 |
|
3 |
|
|
|
|
|
1 3 |
3 |
|
|
|
|
|
|
|
0,3 |
0,3 |
0,09 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
1 |
|
|
|
|
|
2 1 |
2 |
|
|
|
|
|
|
|
0,5 |
0,1 |
0,05 |
|
|
|
||||
2 |
|
2 |
|
|
|
|
|
2 2 |
4 |
|
|
|
|
|
|
|
0,5 |
0, |
0,30 |
|
|
|
||||
2 |
|
3 |
|
|
|
|
|
2 3 |
6 |
|
|
|
|
|
|
|
0,5 |
0,3 |
0,15 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Заметим, что значение Z |
2 встретилось дважды, и P Z |
2 |
|
0,18 0,05 0,23 . Из |
||||||||||||||||||||||
определения произведения и таблицы получим ряд распределения: |
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Z |
|
-3 |
|
-2 |
|
|
-1 |
|
|
|
1 |
|
|
|
2 |
|
|
3 |
|
|
4 |
6 |
|
|
||
P |
|
0,06 |
|
0,12 |
|
|
0,02 |
|
|
0,03 |
|
0,23 |
|
|
0,09 |
|
|
0,30 |
0,15 |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
47 |
|
|
|
|
|
|
|
|
|
|
|
|
Очевидно, что свойство для суммы вероятностей P Z zi (она равна единице)
выполняется.
Ответ:
Z |
-3 |
-2 |
-1 |
1 |
2 |
3 |
4 |
6 |
P |
0,06 |
0,12 |
0,02 |
0,03 |
0,23 |
0,09 |
0,30 |
0,15 |
Пример 8. Найти основные числовые характеристики (математическое ожидание, дисперсию и стандарт) случайной величины примера 3.
Решение. Приведём необходимые сведения. Математическое ожидание (среднее значение или центр распределения) дискретной случайной величины есть число M X , определяемое равенством
|
n |
|
M X |
xi pi , |
(2.6) |
|
i 1 |
|
при этом в случае бесконечного множества значений предполагается, что соответ-
ствующий ряд абсолютно сходится |
xi |
pi |
. |
|
|
|
i 1 |
|
|
|
|
|
|
Дисперсия D X и среднее квадратическое отклонение (стандарт) |
X |
случайной |
||||
величины X определяются равенствами |
|
|
|
|
||
D X |
M X |
M X 2 , |
|
(2.7) |
||
|
|
|
|
|
|
|
|
X |
D X . |
|
|
||
Однако вычисление дисперсии проще проводить по формуле |
|
|
||||
D X |
M X 2 |
M 2 X . |
|
(2.8) |
||
Если случайная величина имеет размерность, то числам M X и |
X |
приписыва- |
ется та же размерность.
Из ответа примера 3 и приведённых формул получим следующие результаты:
M X |
2 0,2 4 |
0,25 |
6 |
0,35 |
10 |
0,2 5,5 ; |
|||
D X |
4 0,2 |
16 0,25 |
36 |
0,35 |
100 |
0,2 |
5,5 2 7,15 ; |
||
|
|
|
|
|
|
2,674. |
|
||
|
|
X |
7,15 |
|
|
||||
Ответы: M X 5,5 ; |
D X |
7,15 ; |
X |
2,674 . |
|
|
Пример 9. Три студента сдают зачёт по теории вероятности. Вероятность сдачи зачёта для каждого студента одинакова и равна 0,7. Составить закон распределения числа студентов, сдавших зачёт. Определить коэффициент асимметрии и эксцесс.
Решение. Понятно, что случайная величина X – число студентов, сдавших зачёт, может принимать значения 0, 1, 2, 3. Так как вероятность сдачи зачёта студентом постоянна, то для подсчёта вероятностей значений случайной величины можно исполь-
зовать схему Бернулли B n, p , где n |
3, а p |
0,7 : |
|
|||
P X |
0 |
P 0 |
C 0 |
0,70 |
0,33 |
0,027 ; |
|
|
3 |
3 |
|
|
|
P X |
1 |
P 1 |
C1 |
0,71 |
0,32 |
0,189 ; |
|
|
3 |
3 |
|
|
|
|
|
|
|
48 |
|
|
|
P X |
2 |
P 2 |
C |
2 |
0,72 |
0,31 |
0,441 ; |
|
|
||
|
|
|
|
|
3 |
|
|
3 |
|
|
|
|
|
|
|
P X |
3 |
P 3 |
C 3 |
|
0,73 |
0,30 |
0,343 . |
|
|
||
|
|
|
|
|
3 |
|
3 |
|
|
|
|
|
|
Таким образом, имеем закон распределения случайной величины X : |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
m |
|
|
0 |
|
|
|
1 |
|
2 |
|
3 |
|
P X |
m |
|
0,027 |
|
|
|
0,189 |
0,441 |
|
0,343 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Приступим к нахождению коэффициента асимметрии и эксцесса. Коэффициентами асимметрии и эксцессом случайной величины X называют соответственно величины
|
M X 3 |
M X 4 |
3 . |
(2.9) |
|
a X |
|
; e X |
|
||
3 X |
4 X |
Для вычисления искомых величин проведём предварительные вычисления, используя формулы (2.6) – (2.8):
|
|
M X |
0 |
0,027 |
1 0,189 |
|
2 0,441 |
|
3 0,343 2,1, |
|
|
|
|
|
|
|||||||||||||||||||
|
|
M X 2 |
02 |
0,027 |
12 |
0,189 |
|
22 |
0,441 |
32 |
0,343 |
5,04 , |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
2,12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
D X |
5,04 |
|
5,04 |
|
4,41 |
0,63, |
|
X |
|
|
|
D X |
0,63 0,8 , |
|
|||||||||||||||||||
|
|
M X 3 |
03 |
0,027 |
13 |
|
0,189 |
|
23 |
0,441 |
|
33 |
0,343 |
|
12,978 , |
|
|
|
|
|||||||||||||||
|
|
M X 4 |
04 |
0,027 |
14 |
0,189 |
|
24 |
0,441 |
34 |
0,343 |
|
35,028 . |
|
|
|
|
|||||||||||||||||
Из (2.9) получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
a X |
|
M X 3 |
|
12,978 |
25,35; |
e X |
|
M X |
4 |
|
3 |
|
35,028 |
3 |
82,52 . |
|
||||||||||||||||
|
|
|
3 |
X |
|
|
|
0,83 |
|
|
|
4 X |
|
|
|
0,84 |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Ответы: 1) закон распределения случайной величины X : |
|
|
|
|
||||||||||||||||||||||||||||||
|
|
X |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
3 |
|
||
|
|
P |
|
|
|
0,027 |
|
|
|
|
|
|
0,189 |
|
|
|
|
|
|
|
|
0,441 |
|
|
|
0,343 |
|
|||||||
2) a X 25,35 ; 3) e X |
82,52 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Пример 10. Найти M Z |
случайной величины Z из примера 6. |
|
|
|
|
|||||||||||||||||||||||||||||
Решение. Из (2.6) и ответа примера 6 имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
M Z |
7 0,02 9 0,10 |
|
13 |
0,11 |
|
15 |
0,15 |
16 |
0,05 |
|
18 |
0,25 19 0,12 |
|
22 0,20 16,7 . |
||||||||||||||||||||
Заметим, что ответ проще получить из свойства линейности |
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
M c1 X |
c2Y |
|
c1M X |
c2 M Y , |
|
|
|
|
|
|
(2.10) |
||||||||||||||
где c1 , c2 – постоянные числа. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Так как Z |
3X 2Y , то на основании (2.10) имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
M Z |
|
3M X |
|
|
2M Y . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Найдём числа M X |
|
и M Y |
согласно заданным законам X и Y в примере 6. По |
|||||||||||||||||||||||||||||||
формуле (2.6) имеем, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
M X |
1 |
0,2 |
3 |
0,3 |
4 0,5 |
|
|
3,1, |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
M Y |
2 |
0,1 |
|
3 0,5 |
5 |
|
0,4 |
3,7. |
|
|
|
|
|
|
|
|
|
||||||||
Тогда M Z |
3 |
3,1 |
2 3,7 |
|
16,7 . Получен тот же результат. |
|
|
|
|
|
|
|
|
|||||||||||||||||||||
Ответ: |
M Z |
16,7 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
49
Пример 11. Приживаемость саженцев данной культуры составляет, по данным контрольной проверки, 80 %. Найти закон распределения случайной величины X – числа прижившихся саженцев при 5 посаженных.
Решение. В примере речь идёт о схеме независимых испытаний Бернулли. Испытанием является посадка саженца. Число опытов равно пяти n 5. Введём события: A – отдельный саженец при посадке приживётся, A – не приживётся. По условию
|
|
|
|
|
имеем |
p P A 0,8 , а q P A |
0,2 . Очевидно, что рассматриваемая случайная ве- |
||
личина |
X принимает значения X |
m:0, 1, 2, 3, 4, 5. Ясно, что вероятности этих значе- |
ний надо вычислять по формуле Бернулли, которую теперь запишем в виде: |
|
P X m Cnm p n q n m . |
(2.11) |
Вероятности, вычисленные по этой формуле, называются биномиальными (см. модуль 1). Закон такой дискретной случайной величины называется биномиальным.
Проведём вычисления по формуле (2.11):
P X |
0 |
C50 0,80 0,25 |
0,00032 ; |
|
|
|||
P X |
1 |
C51 0,81 0,24 |
5 0,8 0,0016 |
0,0064 ; |
||||
P X |
2 |
C52 |
0,82 |
0,23 |
10 |
0,64 |
0,008 |
0,0512 ; |
P X |
3 |
C53 |
0,83 |
0,22 |
10 |
0,512 |
0,04 |
0,2048 ; |
P X |
4 |
C54 |
0,84 |
0,21 |
5 |
0,4096 |
0,2 |
0,4096 ; |
P X |
5 |
C55 |
0,85 |
0,20 |
0,32768 . |
|
|
Тогда ряд распределения имеет вид:
X |
0 |
1 |
2 |
3 |
4 |
5 |
P |
0,00032 |
0,0064 |
0,0512 |
0,2048 |
0,4096 |
0,32768 |
Знание закона распределения даёт полную информацию о самой случайной вели-
чине. Так, из полученного ряда распределения следует, что события X 0 и |
X |
1 |
практически невозможны. Наибольшую вероятность 0,4096 имеет событие X |
4 . То- |
|
гда число m0 A 4 является наивероятнейшей частотой, то есть вероятнее всего, |
что |
при 5 посаженных саженцах такой приживаемости (80 %) приживётся 4. Далее по
формуле (2.4) легко вычислить вероятность любого события |
x a, b . Например, |
||||||||||
P X 1 1 |
P X 0 |
1 0,00032 |
0,99968 . Следовательно, событие X |
1 (приживёт- |
|||||||
ся хотя бы один саженец из 5 посаженных) практически достоверно. |
|
|
|||||||||
|
Ответ: |
|
|
|
|
|
|
|
|
|
|
|
X |
0 |
|
1 |
|
2 |
3 |
|
4 |
5 |
|
|
P |
0,00032 |
|
0,0064 |
|
0,0512 |
0,2048 |
|
0,4096 |
0,32768 |
|
Пример 12. Найти основные числовые характеристики случайной величины предыдущего примера 11.
Решение. Так как ряд распределения известен, то M X , D X и X можно найти по формулам (2.6) – (2.8).
Для случайной величины, имеющей биномиальный закон распределения, эти характеристики очень просто выражаются через параметры n, p закона. Именно справедливы равенства
50