ответы по терверу по 37. 1. Классификация случайных событий возможные и невозможные события, совместные и несовместные, противоположные и достоверные события. Примеры

• Название: 1. Классификация случайных событий возможные и невозможные события, совместные и несовместные, противоположные и достоверные события. Примеры
• Анкор: ответы по терверу по 37.docx
• Дата: 22.04.2017
• Размер: 4.53 Mb.
• Имя файла: ответы по терверу по 37.docx
• Тип: Документы; #5037
• страница: 4 из 6

20. Закон распределения Бернулли, его определение, свойства и примеры.

Дискретная случайная величина X имеет биномиальное распределение (или распределена по биномиальному закону), если она принимает значения 0, 1, 2, …, n, с соответствующими вероятностями:

, где , , .

Математическое ожидание и дисперсия случайной величины X, имеющей биномиальное распределение, находятся по формулам:

.

Из формулы Бернулли следует, что случайная величина – число наступлений события в независимых испытаниях () – распределена по биномиальному закону.

21. Биномиальный закон распределения, его определение, свойства и примеры.

Пусть производится nнезависимых испытаний, в каждом из которых событие A может появиться или не появиться. Вероятность наступления события во всех испытаниях постоянна и равна p (следовательно, вероятность непоявления q = 1 - p).

Рассмотрим случайную величину X – число появлений события A в этих испытаниях. Случайная величина X принимает значения 0,1,2,…n с вероятностями, вычисленными по формуле Бернулли: , где k = 0,1,2,…n.

Определение: Биномиальным называют раcпределение вероятностей, определяемое формулой Бернулли.

Пример. По мишени производится три выстрела, причем вероятность попадания при каждом выстреле равна 0,8. Рассматривается случайная величина X – число попаданий в мишень. Найти ее ряд распределения.

Решение: Случайная величина X принимает значения 0,1,2,3 с вероятностями, вычисленными по формуле Бернулли, где n = 3, p = 0,8 (вероятность попадания), q = 1 - 0,8 = = 0,2 (вероятность непопадания).

Тогда

,



Таким образом, ряд распределения имеет следующий вид:

0	1	2	3
0,008	0,096	0,384	0,512

Пользоваться формулой Бернулли при больших значениях n достаточно трудно, поэтому для подсчета соответствующих вероятностей используют локальную теорему Лапласа, которая позволяет приближенно найти вероятность появления события ровно k раз в n испытаниях, если число испытаний достаточно велико.
22. Закон распределения Пуассона, его определение, свойства и примеры.

Определение. Будем говорить, что случайная величина ε распределена по закону Пуассона с параметром λ , если она принимает значения из множества { 0,1,…,n, …} с вероятностями P { ε=m} = (λ^m/m!)*e^{- λ}.

Теорема. Если случайная величина ε распределена по закону Пуассона с параметром λ , то и математическое ожидание, и дисперсия этой случайной величины равны параметру λ.

Свойства распределения Пуассона:

1. .

Действительно:

2. .

3. если , то из биномиального распределения следует закон распределения Пуассона.

ПРИМЕР 1.Завод отправил на базу 5000 доброкачественных изделий. Вероятность того, что в пути изделие повредится, равна 0,0002. Найти вероятность того, что на базу прибудут: а) три негодных изделия; б) не более трёх повреждённых изделия.

Решение: по условию n=5000, p=0,0002. Найдём .

а) k = 3. Искомая вероятность по формуле Пуассона приближённо равна

.

 б) Пусть случайная величина Х – число изделий, повреждённых в пути, то есть . Очевидно, что данная случайная величина распределена по биномиальному закону. Следовательно, искомую вероятность можно вычислить по формуле 

.

 Но, так как , то по свойству 3^о можем воспользоваться законом распределения Пуассона, то есть, можем записать:

.

 Замечание.По формуле Пуассона можно вычислить вероятность того, что число событий, происшедших за время равно , если события образуют пуассоновский поток, причём – интенсивность потока, то есть среднее число событий, которые появляются в единицу времени: 

.

 ПРИМЕР 2. В течение часа коммутатор получает в среднем 60 вызовов. Какова вероятность того, что за время 30 сек, в течении которых телефонистка отлучилась, не будет ни одного вызова?

Решение: Найдём, прежде всего, – среднее число вызовов за 1 секунду: 

.

 Тогда, при , получим:

 



23.* Геометрическое распределение, его определение, свойства и примеры.

Пусть проводятся независимые испытания, каждое испытание может иметь два исхода: удача с вероятностью p и неудача с вероятностью q = 1 - p. Введем в рассмотрение случайную величину X — число испытаний до первого появления удачи. Эта случайная величина может принимать значения 1, 2, 3, 4 и так далее до бесконечности. Когда говорят, что случайная величина X имеет значение k, то это означает, что первые k - 1 испытание закончились неудачей, а k-ое испытание стало удачным. Вероятность того, что в серии независимых испытаний будет вначале k - 1 неудач, а в k-ое испытание — удача, равна . Таким образом мы получили закон распределения случайной величины X: значению k случайной величины соответствует вероятность . Этот закон распределения и называется геометрическим распределением. Название происходит из того, что величина представляет собой геометрическую прогрессию, с первым членом p и знаменателем q.Изучим теперь свойства этого распределения. С ростом k вероятности убывают. Используя формулу для суммы членов геометрической прогрессии, можем записать:, то есть условие, что сумма всех вероятностей в законе распределения равна единице, выполнено. Вычислим теперь математическое ожидание и дисперсию. По определению математического ожидания имеем:. Для вычисления суммы воспользуемся следующим приемом — заменим на и вынесем производную за знак суммы, в итоге получим:. Оставшаяся сумма представляет собой сумму членов геометрической прогрессии и равна . Вычисляя производную, запишем:. Аналогично можно получить выражение для :. Заменяя сумму на ее значение , вычисляем:. Таким образом, имеем выражение для дисперсии:. Если вероятность удачи равна единице, то математическое ожидание числа испытаний до первой удачи равно 1, а дисперсия — 0. Если, наоборот, вероятность удачи равна нулю, то математическое ожидание — бесконечность (то есть нужно произвести бесконечное число испытаний до появления удачи).Пример 30.1Вероятность попадания в мишень из винтовки равна 0,8. Найти математическое ожидание и дисперсию случайной величины — количества выстрелов до первого попадания.Математическое ожидание , дисперсия . Полученные результаты означают, что при вероятности попадания 0,8 попадание будет в среднем с 1—2 выстрела.

24.Равномерный закон распределения, его определение, свойства и примеры.
Законы распределения НСВ
Плотности распределения НСВ называют также законами распределения. Часто встречаются законы равномерного, нормального и показательного распределений.

Определение.1. Закон распределения НСВ называется равномерным, если ее плотность распределения задается в виде:


1. Зная плотность распределения, и используя формулу ,

можно найти функцию распределения:



2. Если НСВ имеет равномерное распределение, то ее числовые характеристики могут быть найдены по формулам:

.

3. Вероятность попадания равномерно-распределенной НСВ в интервал можно определить по формуле:

.

Пример 1. Автобусы подходят к остановке с интервалом в 5 минут. Считая, что НСВ - время ожидания автобуса - распределена равномерно, найти среднее время ожидания (математическое ожидание), среднее квадратическое отклонение. Какова вероятность того, случайно подошедший на остановку пассажир будет ожидать автобус не более 4 минут, но и не менее 2 минут.

Решение:

;



.

25. Нормальный (гауссовский) закон распределения.

Геометрический и вероятностный смысл параметров нормального закона распределения. Примеры.

26. Стандартный нормальный закон распределения. Функция Гаусса, ее свойства и график. Теорема о связи плотности нормального закона распределения и функции Гаусса.

27. Функция Лапласа, ее свойства, график и геометрический смысл. Теорема о связи функции распределения нормального закона и функции Лапласа. Примеры.











28.* Свойства случайной величины, распределенной по нормальному закону. Правило трех сигм. Примеры.

1) Вероятность попадания нормально распределенной случайной величины в интервал равна

.

2) Вероятность того, что отклонение нормально распределенной случайной величины от математического ожидания не превысит по абсолютному значению величину , равна:

..

3.     "Правило трех сигм". Если случайная величина , то практически достоверно, что ее значения заключены в интервале (). (Вероятность выхода за эти границы составляет 0,0027.) Правило позволяет, зная параметры ( и ), ориентировочно определить интервал практических значений случайной величины.