Gladysheva-tv (1)
.pdf3.1. Закон распределения случайной величины задан таблицей.
|
X |
|
–2 |
|
–1 |
|
0 |
|
1 |
2 |
|
|
|
p |
|
0,1 |
|
0,2 |
|
|
|
0,3 |
0,1 |
|
|
Найти: а) неизвестную вероятность; б) функцию распределения |
и построить её график; |
|||||||||||
в) математическое ожидание |
дисперсию |
и среднее квадратичное отклонение |
. Чему |
|||||||||
3.2. Даны независимые случайные величины |
/2 |
? ( |
0,1; |
1,29; |
|
1,14 |
||||||
равно значение функции распределения, |
в точке |
|
|
|
|
) |
и .
X |
1 |
2 |
3 |
p |
0,1 |
0,3 |
0,6 |
Y |
–2 |
–1 |
0 |
q |
0,6 |
0,3 |
0,1 |
Найти закон распределения суммы |
) |
, |
и произведения |
|
случайных величин |
и . |
|||||||||||||
( |
, |
, |
|
, |
, |
, |
, |
· |
, |
, |
. |
|
|
. |
|
|
|||
найти |
|
|
|
|
|
|
|
|
|
|
|
|
|
убедиться, что: |
|
|
|||
Дискретная случайная величина |
1может принимать только 2 значения: |
|
, причём |
||||||||||||||||
3.3.2,5, |
0,45, |
|
1,5, |
|
|
|
|||||||||||||
. Известны |
|
|
, |
|
, |
. Найдите закон распределения этой |
случайной вели- |
||||||||||||
чины, если: |
|
|
a) |
|
|
и |
|
|
|||||||||||
|
|
|
|
b) |
|
0,1, |
|
|
3,9, |
|
|
0,09; |
|
|
|
|
|
||
( |
3, |
4 |
) |
|
|
0,3, |
|
|
3,7, |
|
|
0,21. |
|
|
|
|
|
||
3.4. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
Вероятность изготовления нестандартного изделия при налаженном технологиче- |
ском процессе постоянна и равна 0,1. Для проверки качества изготовляемых изделий отдел технического контроля (ОТК) берет из партии не более 4 деталей. При обнаружении нестандартного изделия вся партия задерживается. Написать закон распределения числа изделий, проверяемых ОТК в каждой партии. Найти математическое ожидание и дисперсию этой слу-
чайной величины. ( |
3,439, |
1,020.) |
3.4 Гипергеометрическое распределение
На практике часто встречается ситуация, которая описывается так называемой урновой моделью. Пусть изучаемая совокупность объёма N содержит элементы двух типов: M элементов первого типа и элементов второго типа. Это могут быть изделия, каждое из которых может быть годным или бракованным, семена, каждое из которых может быть всхожим или нет, и т. п. Эксперимент состоит в одновременном случайном отборе из всей совокупности n элементов. Вероятность появления того или иного события описывается следующей схемой: пусть в урне шаров, из них белых и чёрных. Наудачу из урны вынимают n шаров. Найти вероятность, что среди них будет m белых шаров.
Поскольку порядок элементов здесь не важен, число всех возможных выборок объёма n из
N элементов равен числу сочетаний из N по n: CNn = |
N ! |
|
. Число опытов, которые благо- |
|
n! (N − n)! |
||||
|
|
|||
приятны появлению m белых шаров и остальных |
чёрных шаров, равно CMm CNn−−mM . Рас- |
смотрим сл. в. X – число белых шаров среди n отобранных шаров. Тогда вероятность того, что случайная величина X примет значение m, находится по формуле
|
m |
n−m |
|
|
P(X = m) = |
CM CN −M |
. |
(3.8) |
|
|
CNn |
|||
|
|
|
|
51
Про такую случайную величину говорят, что она имеет гипергеометрическое распределение с параметрами , , . Её математическое ожидание и дисперсия определяются формулами
, 1 1 1 .
Пример 3.8. В аквариуме 10 рыбок, из них 3 рыбки золотые. Случайным образом отлавливают 5 рыбок. Составить закон и функцию распределения случайной величины – числа золотых рыбок среди пяти отловленных. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение.
Решение. Сл.в. – число золотых рыбок среди пяти отловленных. Сл.в. принимает значения 0, 1, 2, 3. Найдем вероятности этих значений:
p |
= P( X = 0) = |
C30C75 |
= |
21 |
; p |
2 |
= P( X =1) = |
C31C74 |
= |
105 |
; |
|
|
||||||
|
|
|
|
|
|
|
|
||||||||||||
1 |
|
|
C105 |
|
|
252 |
|
|
|
C105 |
|
252 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
p3 |
= P( X = 2) = |
|
C32C73 |
|
= |
|
105 |
|
; |
|
p4 = P( X = 3) = |
C33C72 |
= |
21 |
. |
||||
|
C105 |
|
252 |
|
|
C105 |
252 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Запишем закон распределения в виде таблицы:
|
X |
0 |
|
1 |
|
2 |
|
3 |
|
||||
|
p |
|
21 |
|
|
105 |
|
|
105 |
|
|
21 |
|
|
252 |
|
252 |
|
252 |
|
252 |
|
|||||
|
|
|
|
|
|
||||||||
Найдём функцию распределения: |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
0 |
при x ≤ 0, |
|
|
|
|||||
|
|
|
|
|
при0 < x ≤1, |
|
|
|
|||||
|
|
|
|
21/ 252 |
|
|
|
||||||
|
|
F(x) = 126 / 252 при1 < x ≤ 2, |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
231/ 252 при2 < x ≤3, |
|
|
|
||||||
|
|
|
|
1 |
при x >3. |
|
|
|
Для удобства построения графика функции распределения запишем рациональные дроби приближёнными десятичными:
0 при x ≤ 0,
0,1 при 0 < x ≤1, F(x) = 0,5 при1 < x ≤ 2,
0,9 при 2 < x ≤ 3,
1 при x > 3.
Рисунок 3.2
Вычислим математическое ожидание, дисперсию и среднее квадратичное отклонение по формулам (2.3), (2.5), (2.7).
MX =0 25221 +1 105252 + 2 105252 +3 25221 = 378252 =1,5.
DX =02 |
21 |
+12 |
105 |
+ 22 |
105 |
+32 |
|
21 |
−(1,5)2 |
= |
714 |
− 2,25 ≈0,58. |
σ = 0,58 ≈ 0,76. |
|
252 |
252 |
252 |
252 |
252 |
||||||||||
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
52 |
|
|
|
|
3.5 Геометрический закон распределения
Пример 3.9. Производится стрельба по мишени до первого попадания без ограничения
числа выстрелов. Найти закон распределения случайной величины |
– числа произведённых |
||||||||||||||||||
выстрелов, если вероятность попадания при каждом выстреле одна и та же и равна |
-ым. |
|
|||||||||||||||||
Решение. Сначала найдём вероятность того, что стрельба окончится |
выстре- |
||||||||||||||||||
лом (при первых |
|
выстрелах были промахи, а |
|
|
|
-ый выстрел – попадание)1. Так как веро- |
|||||||||||||
ятность произведения независимых событий равна |
произведению их вероятностей, то искомая |
||||||||||||||||||
1 |
|
|
|
|
|
|
|
||||||||||||
вероятность |
1 |
, |
0,1,2,… |
|
|
·сл.·в. · |
– ·число произведённых, |
|
|
|
|
||||||||
где |
. Тогда |
выстрелов – имеет закон |
|||||||||||||||||
|
|
|
|
||||||||||||||||
распределения, заданный таблицей: |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Это так называемый геометрический закон распределения.
Теорема. Числовые характеристики случайной величины X, имеющей геометрический закон распределения, вычисляются по формулам:
MX = |
1 |
, |
DX = |
q |
. |
(2.10) |
p |
|
|||||
|
|
|
p2 |
|
3.5. В ящике 2 белых и 3 черных шара. Наудачу извлекают 2 шара а) без возвращения; б) с возвращением. Сл.в. X – число извлечённых белых шаров. Составить закон распределения и
.) |
, |
. |
(а) |
0,8, |
0,36;б |
0,8, |
функцию распределения сл.в. X, найти |
|
|
|
|
0,48
3.6. Производится стрельба из орудия по удаленной цели. Вероятность попадания при первом выстреле равна 0,2. При каждом следующем выстреле вероятность увеличивается в 2 раза. Сл.в. X – число попаданий при трех выстрелах. Составить закон распределения, найти ,
,. (MX=1,4; DX=0,56.)
3.7.Студент пришел на зачет, зная 24 вопроса из 30. Преподаватель задает не более 3-х вопросов, но прекращает опрос и выставляет неудовлетворительную оценку, если студент не ответит на 2 вопроса подряд. Сл.в. X – число правильных ответов. Составить закон распределе-
ния, найти |
, |
. ( MX = 2 |
183 |
, DX = |
67 |
.) |
494 |
120 |
3.6 Биномиальный закон распределения
Говорят, что дискретная случайная величина Х, принимающая значения 0, 1, 2, …, k, …, n с вероятностями, которые находятся по формуле Бернулли, имеет биномиальный закон распреде-
ления с параметрами n и p.
, |
1 |
. |
Пример 3.10. В портфеле компании 3 краткосрочных инвестиционных проекта. Вероятность получения прибыли в первый год работы проекта равна 0,7. Найти распределение случайной величины X – числа проектов, по которым получена прибыль в первый год работы.
Решение. Применим формулу Бернулли.
53
n =3; |
|
P(X = |
0) = P |
|
(0) |
=C 0 p0q3−0 |
= (0,3)3 = 0,027; |
|
|||||||||||
|
|
||||||||||||||||||
|
|
|
|
3 |
|
|
3 |
|
|
|
|
|
|
|
|
||||
p = 0,7 ; |
|
P(X = |
1) = P |
|
(1) =C1 p1q3−1 =3 0,7 (0,3)2 = 0,189; |
||||||||||||||
|
|
|
|
|
3 |
|
|
3 |
|
|
|
|
|
|
|
|
|||
q =1 − p = 0,3; |
|
P(X = 2) = P3 (2) =C32 p2 q3−2 =3 (0,7)2 0,3 = 0,441; |
|||||||||||||||||
k = 0;1; 2;3. |
|
P( X = |
3) = P |
|
(3) |
=C |
3 p3q3−3 = (0,7)3 = 0,343. |
||||||||||||
|
|
|
|||||||||||||||||
|
|
|
|
|
3 |
|
|
3 |
|
|
|
|
|
|
|
|
|||
Запишем распределение случайной величины X в таблицу: |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
0 |
|
1 |
|
2 |
3 |
|
||||
|
|
|
|
|
p |
|
|
0,027 |
0,189 |
|
0,441 |
0,343 |
|
||||||
Найдём математическое ожидание и дисперсию биномиально распределённой случайной |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
величины. Пусть X i |
– число наступлений события A в i-том испытании, тогда X = ∑X i , где |
||||||||||||||||||
X i имеет следующий закон распределения: |
|
|
|
|
i=1 |
||||||||||||||
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
q |
|
p |
|
|
|
|
Находим математическое ожидание X: |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
n |
|
n |
|
|
n |
|
|
|
n |
|||||
|
MX = M |
∑X i |
= ∑MX i = ∑(0 q +1 p) = ∑p = np . |
||||||||||||||||
|
|
|
|
i=1 |
|
i=1 |
|
|
i=1 |
|
|
|
i=1 |
||||||
Из независимости испытаний следует независимость Xi |
, поэтому |
||||||||||||||||||
|
|
n |
|
n |
|
n |
|
|
|
|
|
n |
|
|
|
||||
DX =D ∑Xi = |
∑DXi =∑(MXi2 −(MXi)2) =∑(p − p2) =np (1− p) =npq. |
||||||||||||||||||
|
i=1 |
|
i=1 |
|
i=1 |
|
|
|
|
|
i=1 |
|
|
|
|||||
Таким образом, числовые характеристики биномиального закона |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
,, |
|
|
(3.9) |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
(3.10) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
(3.11) |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 3.11. Вероятность выигрыша по облигации займа за все время его действия равна 0,1. Некто приобрёл 30 облигаций. Найти математическое ожидание и дисперсию случайной
величины – числа выигравших облигаций среди 30 |
приобретенных. |
|
30, |
||||
Решение. |
Сл.в. |
Тогда |
|
распределение |
с параметрами |
||
0,1. |
1 |
0,6. |
имеет биномиальное |
|
|||
30·0,1 |
3, |
3·0,9 |
2,7. |
|
|||
|
|
|
|
Остановимся на происхождении названия «биномиальное распределение». Алгебраическое выражение (q + p)n , где n – натуральное число, называется биномом Ньютона n-й степени. Из школьного курса математики известны биномы Ньютона второй и третьей степени:
(q + p)2 = q 2 + 2qp + p 2 ;
(q + p)3 = q3 + 3q 2 p + 3qp 2 + p3 .
В общем случае бином Ньютона описывается формулой:
(q + p)n =Cn0 qn + C1n qn−1 p + Cn2 qn−2 p2 +... + Cnn−1qpn−1 + Cnn pn .
В соответствии с формулой Бернулли (2.1) заключаем, что
54
n |
n |
(q + p)n = ∑Cnk qn−k pk = ∑Pn (k) . |
|
k =0 |
k =0 |
Таким образом, вероятности Pn (k) совпадают с членами разложения бинома Ньютона. От-
сюда и происходит название «биномиальное распределение». |
|
|
Так как для вероятностей q и p верно соотношение |
, то и |
, т.е. сумма |
вероятностей биномиального распределения равна единице: |
∑ n |
(k) =1. Значит, |
1распределе- |
n 1P |
|||
ние определено корректно. |
k =0 |
|
|
|
|
|
3.8.Отрезок AB длины 15 см разделён точкой C в отношении 2:1. На этот отрезок наудачу брошены 4 точки. Найти вероятность того, что две из них попали левее точки С, а две – правее. (8/27)
3.9.Учебник издан тиражом 100000 экземпляров. Вероятность того, что учебник сброшюрован неправильно, равна 0,0001. Найти математическое ожидание и дисперсию сл.в. X – числа книг без брака.
3.10.Устройство состоит из трёх независимо работающих элементов. Вероятность отказа каждого элемента 0,1. Составить закон распределения сл.в. X – числа отказавших элементов.
Найти 1 |
3 , |
, . ( 1 |
3 |
0,271, |
0,3, |
0,21.) |
3.7 Непрерывные случайные величины
Определение. Случайная величина называется непрерывной, если её функция распределения имеет вид
,
где некоторая неотрицательная функция, называемая плотностью распределения вероятностей данной случайной величины.
Теорема. Вероятность любого отдельно взятого значения непрерывной случайной величи-
ны равна нулю. |
|
|
|
|
|
|
|
Доказательство. Покажем, что для любого значения |
случайной величины |
вероят- |
|||||
ность |
0. |
|
|
|
|
|
|
Следствие. Если – |
непрерывная случайная величина, |
то вероятность попадания |
в ин- |
||||
∆lim |
∆ |
∆lim |
∆ |
0 |
|
||
тервал , |
не зависит от того, является этот интервал открытым или закрытым, т.е. |
|
Непрерывная случайная величина может принять любое значение из некоторого интервала в отличие от дискретной случайной величины, которая, как указывалось выше, может принимать только отдельные изолированные значения.
Плотность распределения вероятностей обладает следующими свойствами:
1.0;
2. |
|
1; |
; |
. |
3. |
|
|
||
4. |
если в точке |
функция |
непрерывна, то |
55
Математическое ожидание |
и дисперсия |
непрерывной случайной величины опреде- |
|||
ляются формулами: |
|
|
, |
|
. |
|
|
|
|
||
Формула для вычисления дисперсии: |
|
|
, |
||
где |
. |
|
|
|
|
Если все значения случайной величины принадлежат интервалу , , то |
|||||
Пример 3.12. Непрерывная случайная, |
величина задана плотностью.распределения вероят- |
||||
ностей |
|
|
|
|
|
|
|
|
0, если x ≤1, |
||
|
|
f (x) = |
|
А(2x −1), если1 < x ≤ 2, |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
0, если x < 2. |
Найти: неизвестный параметр A, функцию распределения F(x), математическое ожидание
дисперсию |
|
|
среднее квадратичное отклонение σ |
и вероятность |
1 |
1,5 |
. По- |
|||||||||||||||||||
строить, |
графики плотности, |
и функции распределения. |
|
|
||||||||||||||||||||||
Решение. По свойству 3 плотности |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
∞ |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
2 = A(4 − 2 −1 +1) = 2A =1 , A=0,5. |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
∫ f (x) d x = ∫А(2x −1) d x = A(x2 − x) |
|
|
||||||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
с коэффициентом A=0,5 служит плотностью распределения |
||||||||||||||||||
Следовательно, функция |
||||||||||||||||||||||||||
вероятностей исследуемой случайной величины X, заданной в интервале (1;2). |
|
|
|
|||||||||||||||||||||||
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F(x) = |
∫ f (x) d x ,тогда: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
при |
|
−∞ |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
0. |
|
|
|
|
|
|
1 |
1 |
2 |
|
|
|
и, следовательно, |
|
|
|
|
|
|
|
|
|
|
||||||||||
при |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
1 |
1 x |
|
|
1 |
|
2 |
|
|
|
x |
|
|
1 |
|
2 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
F(x) = ∫0d x + |
|
|
|
∫(2x −1) d x = |
|
(x |
|
− x) |
|
= |
|
(x |
|
− x) |
; |
|
|
|
||||||||
2 |
|
2 |
|
1 |
2 |
|
|
|
|
|||||||||||||||||
|
|
−∞ |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
при |
|
12 |
|
1 |
2 |
|
|
2 |
|
|
|
|
1 |
|
|
|
|
|
|
2 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
||||||||
F(x) = ∫0d x + |
|
|
|
∫(2x −1) d x + ∫0d x = |
|
(x |
|
− x) |
=1. |
|
|
|
||||||||||||||
2 |
2 |
|
|
|
|
|||||||||||||||||||||
|
|
−∞ |
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
имеет вид: |
|
|
|
||||||
Таким образом, функция распределения |
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
0, |
если x ≤1, |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
− x |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
< x ≤ 2, |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
F(x) = |
|
|
|
|
|
|
, если 1 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
1, |
если x > 2. |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Графики плотности и функции распределения изображены на рис.3.3.
56
Рисунок 3.3
|
|
b |
|
1 2 |
|
|
|
1 |
|
|
|
x3 |
|
|
x2 |
|
2 |
|
19 |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M X = ∫x f (x) dx = 2 ∫x (2 x −1) d x = 2 |
|
2 |
3 |
− 2 |
|
|
|
|
|
=12 |
, |
|
|
|||||||||||||||||||
|
|
a |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
b |
|
|
|
|
1 |
2 |
|
|
|
|
|
1 |
|
|
x4 |
|
|
|
|
x3 |
|
2 |
31 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
2 |
= ∫x |
2 |
|
|
|
|
∫x |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M X |
|
|
f (x)dx = |
2 |
|
(2x −1)dx = |
2 |
|
2 4 |
− |
|
|
|
3 |
|
|
|
=12 , |
||||||||||||||
|
|
a |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D X = M X 2 − (M X )2 = |
31 |
19 2 |
|
372 |
|
|
|
361 |
|
11 |
|
. |
|
|||||||||||
|
|
|
− |
|
|
= |
|
|
|
|
− |
|
|
|
= |
|
|
|
|
|||||
12 |
|
|
144 |
|
144 |
|
144 |
|
||||||||||||||||
|
|
12 |
|
|
|
|
|
|
|
|
||||||||||||||
Вероятность попадания величины1 |
в |
2интервал |
|
1;1,5 : |
|
|||||||||||||||||||
P(−1 < X <1,5) = F (1,5) − F(−1) = |
|
|
(1,5 |
−1,5) − 0 = 0,375 . |
|
|||||||||||||||||||
2 |
|
|||||||||||||||||||||||
3.11. Известна функция распределения сл.в. X: |
|
|
|
при |
2, |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
0 |
|
|
|
1 |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
2 |
при 2 |
2, |
1при 2.
Найти: а) вероятность того, что в результате испытания сл.в. X примет значение из интер-
вала |
|
1;1 |
; б) |
, , . |
(а) P=1/3; б) |
0 |
0, |
при |
4, |
0, |
2 |
.) |
π |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
3.12. Известна плотность распределения сл.в. X: |
0 |
|
|
|
|
/4, |
|
|
|||||||||
|
|
|
|
|
|
|
|
2 |
2 |
при |
π/4. |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
0 |
|
при |
|
|
|
|
|
|
||
|
|
Найти: а) функцию распределения F(x) и вероятность того, что в результате испытания |
|||||||||||||||||
сл.в. X |
|
.) |
|
|
|
0; |
π |
/12 ; б) |
, |
. |
(а) |
P=0,5; б) |
π |
0,5, |
|||||
|
|
|
|
|
|||||||||||||||
|
|
|
примет значение из интервала |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
0,5 |
|
|
|
|
|
|
|
|
|
|
0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
3.13. Известна плотность распределения сл.в. X: |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
5 |
при |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
0 |
при |
|
0. |
|
|
|
|
|
|
|
|
Найти: |
1 |
2 ; |
, , . |
( |
|
найти |
0,04, |
|
|
) |
|
|
|||||
|
|
|
|
|
|
|
0,2, |
|
|
|
0,2 |
|
|
57
3.8 Мода и медиана. Квантили, процентные точки
Кроме математического ожидания и дисперсии, в теории вероятностей применяется ещё ряд числовых характеристик, отражающих те или иные особенности распределения.
Модой Mo( X ) случайной величины X называется её наиболее вероятное значение (для ко-
торого вероятность pi или плотность распределения f(x) достигает максимума).
Медианой Me( X ) непрерывной случайной величины X называется такое её значение, для которого
P(X < Me(X )) = P(X > Me(X )) = |
1 |
, |
(3.12) |
|
2 |
||||
|
|
|
т.е. вероятность того, что случайная величина X примет значение, меньшее медианы Me( X ) или большее её, одна и та же и равна 1/ 2 .
Очевидно, что в точке x = Me( X ) функция распределения равна 1/2, т.е. F (Me( X )) =1/ 2 .
F(x)
1
0,5
0 |
M e |
1 |
x |
|
Рисунок 3.4 |
|
Если случайная величина X имеет биномиальное распределение, то её мода совпадает с наивероятнейшим числом: Mo(X ) = k0 . Мода и медиана нормально распределённой с парамет-
σ случайной величины равны параметру |
|
|
|
|
|
|
|
|||
рамиПример, |
3.13. Найти моду, медиану и математическое. |
ожидание случайной величины X с |
||||||||
плотностью распределения f (x) = 3x2 |
при x [0;1] . |
|
|
|
|
|
|
|
||
Решение. Очевидно, |
что плотность распределения |
f (x) = 3x2 максимальна при |
||||||||
x = Mo( X ) =1. |
|
|
|
|
|
|
|
|
|
|
Медиану Me( X ) = b найдём из условия (3.12): |
|
|
|
|
|
|
|
|||
|
|
|
b |
1 |
|
|
|
|
|
|
|
|
|
∫ f (x) dx = |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
или |
|
|
|
|
|
|
|
|
|
|
|
b |
0 |
b |
|
|
|
b |
1 |
|
|
|
∫ f (x) dx = ∫ |
0 dx + ∫3x2 dx = x3 |
|
|
||||||
|
|
0 = b3 = |
|
, |
||||||
|
|
2 |
||||||||
|
|
|||||||||
|
−∞ |
−∞ |
0 |
|
|
|
|
|
|
|
откуда |
b = Me( X ) = 3 1/ 2 ≈ 0,79 . |
|
|
|
|
|
|
|
|
|
Математическое ожидание вычислим по формуле |
|
|
|
|
|
|
|
58
1 |
3 |
|
1 |
3 |
|
|
|
|
|||||
MX = ∫x 3x2 dx = |
x4 |
= |
= 0,75 . |
|||
4 |
4 |
|||||
0 |
|
0 |
|
|||
|
|
|||||
|
|
|
|
|
Наряду с отмеченными выше числовыми характеристиками случайной величины используются понятия квантилей и процентных точек.
Квантилем уровня q называется такое значение xq непрерывной случайной величины, при котором её функция распределения принимает значение, равное q, т.е.
F (xq ) = P( X < xq ) = q . |
(3.13) |
Некоторые квантили получили специальные названия. Очевидно, что медиана случайной величины есть квантиль уровня 0,5, т.е. Me( X ) = x0,5 . Квантили x0,25 и x0,75 получили назва-
ние соответственно нижнего и верхнего квантилей.
С понятием квантиля тесно связано понятие процентной точки. Под 100 q процентной точкой подразумевается квантиль x1−q , т.е. такое значение случайной величины X, при кото-
ром P( X ≥ x1−q ) = q . |
|
|
|
|
|
|
|
|
|
|
|
||
Пример 3.14. По данным примера 3.18 найти квантиль |
x0,3 |
и 30%-ную точку случайной |
|||||||||||
величины X. |
|
|
|
|
|
|
|
|
|
|
|
|
|
Решение. Найдём функцию распределения |
|
|
|
|
|
|
|||||||
|
x |
|
0 |
x |
|
|
|
|
|
|
|
|
|
F(x) = ∫ f (x) d x = ∫0 d x +∫3x2 d x = x3 при x [0;1] . |
|
|
|
|
|
||||||||
|
−∞ |
|
−∞ |
0 |
|
|
|
|
|
|
|
|
|
Квантиль x |
найдём из формулы (3.13): x3 = 0,3, откуда x |
|
≈ 0,67 . 30%-ная точка – это |
||||||||||
|
0,3 |
|
|
|
|
|
|
0,3 |
|
|
|||
квантиль x |
. Из уравнения |
x3 = 0,7 получаем x |
≈ 0,89 . |
|
|
|
|
|
|||||
|
0,7 |
|
|
|
|
|
0,7 |
|
|
|
|
|
|
3.9 Равномерный закон распределения |
|
|
|
|
|
|
|||||||
Определение: Непрерывная случайная величина |
имеет равномерный закон распре- |
||||||||||||
деления на отрезке |
если ее плотность распределения |
|
|
постоянна на этом отрезке и |
|||||||||
равна нулю вне этого отрезка, , |
: |
|
1 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
, если x [a,b], |
|
|
|
|||||
|
|
|
|
|
|
|
|
(3.14) |
|||||
|
|
|
|
|
− a |
|
|||||||
|
|
|
|
f (x) = b |
|
|
|
|
|
||||
|
|
|
|
|
если |
x [a,b]. |
|
|
|
|
|
||
|
|
|
|
0, |
|
|
|
|
|
||||
Графики плотности |
и функции распределения |
сл.в. |
|
приведены на рисунке 3.5. |
|||||||||
|
f ( x ) |
|
|
|
F ( x ) |
|
|
|
|
|
|
||
|
|
1 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b − a
|
b |
|
x |
|
b |
x |
a |
|
a |
Рисунок 3.5 Функция распределения равномерной случайной величины имеет вид:
59
0, |
если |
х< a, |
|
||
|
− a |
|
|
|
|
x |
|
|
|
||
F(x) = |
|
|
, если a ≤ x ≤b, |
(3.15) |
|
|
− a |
||||
b |
|
x >b, |
|
||
1, |
если |
|
|||
|
|
|
|
|
ее математическое ожидание и дисперсия
MX = |
a + b |
, |
DX = |
(b − a)2 |
. |
(3.16) |
|
2 |
12 |
||||||
|
|
|
|
|
Равномерный закон распределения применяется при анализе ошибок округления, при проведении числовых расчетов, в ряде задач массового обслуживания.
Так, случайная величина , равномерно распределенная на отрезке [0;1] и называемая «случайным числом от 0 до 1», служит исходным материалом для получения случайных величин с любым законом распределения.
Пример 3.15. Поезда метрополитена идут регулярно с интервалом 2 минуты. Пассажир выходит на платформу в случайный момент времени. Какова вероятность того, что ждать пассажиру придется не больше полминуты. Найти математическое ожидание и среднее квадрати-
ческое отклонение случайной величины |
времени ожидания поезда. |
||||||||||||
Решение. Сл. в. |
время ожидания поезда – распределена равномерно на отрезке [0;2] |
||||||||||||
с плотностью f (x) = |
1 |
при |
x [ 0;2 ] . Поэтому вероятность того, что пассажиру придется ждать |
||||||||||
|
|||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
не более полминуты, равна: |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
2 |
1 |
|
x |
|
|
2 |
|
1 |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
P(1,5 < |
X < 2) = ∫ |
dx = |
|
|
|
= |
. |
|||
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
1,5 |
2 |
2 |
|
|
1,5 |
4 |
|
||
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Математическое ожидание, дисперсия и среднее квадратическое отклонение соответственно равны:
MX = |
0 |
+ |
2 |
=1 |
мин, DX = |
(2 − 0) |
2 |
= |
1 |
, σ = DX = |
1 |
≈ 0,58 |
мин. |
|
2 |
|
12 |
|
3 |
3 |
|||||||
|
|
|
|
|
|
|
|
|
|
3.14.Автобус некоторого маршрута идет строго по расписанию с интервалом 5 мин. Сл.в. X
–время ожидания автобуса пассажиром. Найти: а) функцию F(x) и плотность f(x) распределе-
ния; б) |
в) вероятность того, что пассажир, подошедший к остановке, будет ожидать не |
||||
более двух |
,мин;. ( |
2,5, |
25/12, 0 |
2 |
0.4.) |
3.15.Цена деления шкалы амперметра равна 0,1 А. Показания округляются до ближайшего целого деления. Найти вероятность того, что при отсчете будет сделана ошибка, превышающая
0,02 А. (P(0,02<X<0,08)= 0,5.)
3.16.Случайная величина X распределена равномерно в интервале (5;11). Найти вероят-
ность попадания в интервал |
. |
3.10 Нормальный закон распределения
Нормальный закон распределения наиболее часто встречается на практике. Главная его особенность состоит в том, что он является предельным законом, к которому приближаются другие законы при весьма часто встречающихся типичных условиях.
Определение: Непрерывная случайная величина имеет нормальный закон распределения (закон Гаусса) с параметрами и , если плотность распределения имеет вид
60