Учебник Теория вероятности - Самойленко, Кузнецов. Министерство образования и науки украины харьковская национальная академия городского хозяйства
 Скачать 2.54 Mb.
|
|
3.14. При каком числе независимых опытов рекомендуется использовать формулу Бернулли 3.15. Вероятность получения стипендии студентом равна 0,8 . Какова вероятность того, что студент будет получать стипендию в трех из шести оставшихся семестров 3.16. Какова вероятность того, что в условиях эксперимента при восьмикратном его повторении простое число очков выпадет ровно 5 раз 3.17. Найти вероятность того, что событие А появится не менее трех разв четырех независимых испытаниях, если вероятность появления события А в каждом испытании p = 0,4. 3.18. Сформулировать локальную теорему Лапласа. 3.19. В чем принципиальное отличие теоремы Бернулли от локальной теоремы Лапласа 3.20. Можно ли утверждать, что функция Гаусса является симметричной относительно оси ординат 3.21. Чему равна функция Гаусса от аргумента –6,7? 3.22. Вероятность поражения мишени при одном выстреле постоянна и равна 0,8. Найти вероятность того, что при 100 выстрелах мишень будет поражена ровно 75 раз. 3.23. Сформулировать интегральную теорему Лапласа. 3.24. Каково назначение интегральной теоремы Лапласа 3.25. Можно ли утверждать, что функция Лапласа имеет центральную симметрию относительно начала системы координат 3.26. Чему равна функция Лапласа от аргумента –6,7? 3.27. Вероятность появления события в каждом из 100 независимых испытаний постоянна и равна 0,8. Найти вероятность того, что событие появится а не менее 75 разине более 90 раз б не менее 75 разв не более 74 раз г не более 75 раз. 3.28. Дать определение наивероятнейшему числу наступления событий. Теория вероятностей 68 3.29. Привести двойное неравенство для определения наивероятнейшего числа наступления событий. 3.30. Каковы особенности двойного неравенства для определения наивероятнейшего числа наступления событий 3.31. В какой последовательности рекомендуется использовать двойное неравенство для определения наивероятнейшего числа наступления событий 3.32. Вероятность попадания в цель при одном выстреле равна 0,2. Найти наивероятнейшее число попадания в цель а при 15 выстрелах б при 9 выстрелах в при 7 выстрелах Случайные величины 69 4. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ 4.1. Формы задания дискретных случайных величин 4.1.1. Основные определения Случайные величины" – это традиционно вторая обширная тема теории вероятностей, которая еще больше приближает обучающегося к миру случайных явлений и процессов. Определение 4.1. Случайной величиной называют такую величину, которая в результате опыта принимает заранее неизвестное значение. Примеры случайных величин • количество студентов, присутствующих на лекции • количество солнечных дней в году • вес осколка разорвавшегося снаряда • время ожидания общественного транспорта на остановке • температура окружающей среды. Случайные величины по типу пространства возможных значений делятся на дискретные и непрерывные. Определение 4.2. Дискретной называют случайную величину, возможные значения которой принадлежат счетному множеству – конечному или бесконечному. Определение 4.3. Непрерывной называют случайную величину, возможные значения которой принадлежат непрерывному множеству – ограниченному или неограниченному. Теория вероятностей Первые две случайные величины в приведенных выше примерах количество студентов и количество солнечных дней) относятся к дискретным случайным величинам, а три последующие – к непрерывным. При этом дискретные величины – конечны и целочислены: первая меняется от нуля до общего числа студентов на потоке, вторая от 0 до 366 в високосном году или от 0 до 365 вне високосном году. Первые две непрерывные величины (вес осколка и время ожидания) ограничены с двух сторон вес осколка ограничен снизу нулем, а сверху весом неразорвавшегося снаряда время ожидания – снизу нулем, а сверху значением максимального временного интервала движения транспорта. Третья непрерывная величина (температура окружающей среды) ограничена только снизу значением абсолютного нуля С. Для характеристики случайного события достаточно знать вероятность его наступления в результате опыта. Для характеристики же случайной величины, имеющей более двух возможных значений, этого недостаточно. Чтобы иметь исчерпывающую характеристику случайной величины, необходимо знать ее закон распределения. Определение 4.4. Закон распределения случайной величины – это соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими вероятностями. 4.1.2. Формы задания закона распределения дискретной случайной величины В теории вероятностей различают несколько форм задания закона распределения дискретной случайной величины. На практике используются только две наиболее полезные • ряд распределения • интегральная функция распределения. Рассмотрим последовательно каждую форму задания закона распределения дискретной случайной величины. 4.1.2.1. Ряд распределения Ряд распределения является наиболее простой и понятной формой задания закона распределения дискретной случайной величины. Он Случайные величины представляет собой таблицу, состоящую из двух строк. Впервой строке располагаются в порядке возрастания всевозможные значения дискретной случайной величины. Во второй – соответствующие вероятности. Общий вид ряда распределения соответствует табл. 4.1. Таблица 4.1. Закон распределения в виде ряда распределения В результате опыта дискретная случайная величина должна принять одно из возможных значений. Поскольку всевозможные значения можно рассматривать как полную группу несовместных событий, то сумма соответствующих вероятностей обязательно должна быть равна единице условие нормировки) 1 1 = ∑ = n i i p . (4.1) 4.1.2.2. Интегральная функция распределения Определение 4.5. Интегральная функция распределения случайной величины X – это функция F(x), которая при каждом значении своего аргумента x численно равна вероятности того, что случайная величина X окажется меньше, чем значение аргумента x , те. F(x) = P { X < x } Интегральная функция обладает тремя свойствами • 1-e свойство Интегральная функция от аргумента "минус бесконечность" равна нулю F(– ∞ ) = 0 . • 2-e свойство.Интегральная функция от аргумента "плюс бесконечность" равна единице F( ∞ ) = 1 . Теория вероятностей 72 • 3-e свойство Интегральная функция – неубывающая функция если х > х, то х) ≥ х) . 4.1.3. Пример построения закона распределения Рассмотрим построение закона распределения в виде ряда распределения ив виде интегральной функции на конкретном примере Пример 4.1. Построить закон распределения случайной величины Х – количества домов, сданных в эксплуатацию в срок, из 3 строящихся. Вероятность сдачи в эксплуатацию в срок для каждого дома одинакова и равна Решение Случайная величина Х – количество домов, сданных в эксплуатацию в срок, может принимать значения 0, 1, 2 или 3. По условию примера общее число строящихся домов (число опытов) n = 3, вероятность построить каждый дом в срок (наступления события А водном опыте) р = 0,9 . Тогда вероятности р (i = 0,1,2,3) – вероятности того, что из 3 строящихся домов в срок будут сдано ровно 0, 1, 2 или 3 дома, легко определяются с помощью формулы Бернулли ( ) 001 , 0 ) 9 , 0 1 ( * 9 , 0 * 1 ) 1 ( 0 ) 0 ( 0 3 0 0 3 0 0 3 3 0 = − = − = = = = − − p p C P X P p ; ( ) 027 , 0 ) 9 , 0 1 ( * 9 , 0 * 1 ) 1 ( 1 ) 1 ( 1 3 1 1 3 1 1 3 3 1 = − = − = = = = − − p p C P X P p ; ( ) 243 , 0 ) 9 , 0 1 ( * 9 , 0 * 1 ) 1 ( 2 ) 2 ( 2 3 2 2 3 2 2 3 3 2 = − = − = = = = − − p p C P X P p ; ( ) 729 , 0 ) 9 , 0 1 ( * 9 , 0 * 1 ) 1 ( 3 ) 3 ( 3 3 3 3 3 3 3 3 3 Полученные вероятности позволяют сформировать ряд распределения табл. 4.2) и построить интегральную функцию случайной величины Х рис. 4.1). Таблица 4.2. Ряд распределения случайной величины Х в условиях примера 4.1 x i 0 1 2 3 p i 0,001 0,027 0,243 0,729 Случайные величины Следует обратить внимание на равенство единице суммы значений вероятностей во второй строке ряда распределения. Такое равенство обязательно. Оно находится в полном соответствии с формулой (4.1) и служит критерием правильности построения закона распределения. Ряд распределения случайной величины в силу своей табличной природы не обладает наглядностью. Кроме того, по ряду распределения довольно трудно определять и соизмерять вероятности попадания случайной величины в заданный диапазон значений. Этих недостатков лишена интегральная функция распределения случайной величины, представленная в виде графика. Прежде чем перейти к построению графика интегральной функции, следует сначала получить ее аналитическую запись, которая складывается из частных записей для каждого из (го диапазона, на которые разбивается бесконечная числовая ось возможными значениями случайной величины Х, где n – общее число возможных значений случайной величины. В условиях примера n = 4 (возможные значения 0, 1, 2 или 3). Следовательно, число диапазонов равно 5. Аналитическую запись интегральной функции случайной величины Х представим в виде таблицы. Таблица 4.3. Таблично-аналитическое представление интегральной функции распределения случайной величины Х в условиях примера 4.1 Индекс диапазона i Диапазон х (i) Значения интегральной функции F(x (i) ) 0 х 0 F(x (0) ) = P{X<x (0) }= 0 1 0 < х 1 F(x (1) ) = P{X<x (1) }= P(X=0) = 0,001 2 1 < х 2 F(x (2) ) = P{X<x (2) }= P(X=0) + P(X=1) = = 0,001 + 0,027 = 0,028 3 2 < х 3 F(x (3) ) = P{X<x (3) }= P(X=0) + P(X=1) + P(X=2) = = 0,001 + 0,027 + 0,243 = 0,271 4 х > 3 F(x (4) ) = P{X<x (4) } = P(X=0) + P(X=1) + P(X=2) + P(X=3) = = 0,001 + 0,027 + 0,243 + 0,729 = 1 Теория вероятностей На рис. 4.1 изображен график интегральной функции распределения, построенный в соответствии се таблично-аналитической записью в табл. 4.3. Как видно из рисунка, графиком функции дискретной случайной величины является ступенчатая непрерывная линия, определенная на всей числовой оси x. Функция F(x) изменяется от 0 до 1. Она либо сохраняет свое значение на каждом м диапазоне изменения аргумента x, либо скачкообразно увеличивается в точках, соответствующих возможным значениям дискретной случайной величины, те. в точках, разделяющих диапазоны. 4.1.4. Вероятность попадания случайной величины на заданный участок На практике при исследовании случайных величин довольно часто возникает задача определения вероятности попадания значений некоторой случайной величины Хна заданный участок [a,b), те. вероятности Р ≤ Х < b}. Такая вероятность легко определяется с помощью интегральной функции. Введем обозначения А – событие, которое заключается в том, что Ха В – событие, которое заключается в том, что Х < b ; С – событие, которое заключается в том, что a ≤ Х < b . Случайные величины Сложное случайное событие В представляет собой сумму событий Аи С (см. рис. 4.2): ВАС. Поскольку события Аи С являются несовместными, то Р(В) = Р(А) + Р(С). Откуда Р(С) = Р(В) – Р(А) = Р{Х < b} – Р{Х < а. По определению интегральной функции Р{Х Р(С) = F(b) – F(a). Таким образом, вероятность попадания случайной величины на заданный участок определяется по формуле { } ( ) ( ) a F b F b X a P − = < ≤ . (4.2) Пример 4.2. В условиях примера 4.1 определить вероятность попадания случайной величины Хна участок [2,5; 3,5), те. вероятность Р ≤ X < Решение В данном случае левая граница участка a = 2,5 , а правая b = 3,5. Подставляя в формулу (4.2) значения аргумента интегральной функции и вычисляя значения интегральной функции на границах заданного участка, получаем искомый результат Р ≤ X < 3,5} = F(b) – F(a) = =F(3,5) – F(2,5) = 1 – 0,271 = 0,729 . Искомая вероятность и значения интегральной функции х) в условиях примера легко определяются по графику интегральной функции см. рис. 4.3). Рис. 4.3 Теория вероятностей 76 4.2. Формы задания непрерывной случайной величины и её свойства В теории вероятностей рассматриваются две формы задания закона распределения непрерывной случайной величины. – интегральная функция распределения вероятности – плотность распределения вероятности. Обе формы абсолютно равноправны. Первая характеризует распределение вероятностей в зависимости от диапазона значений непрерывной случайной величины, а вторая – от конкретных значений. Рассмотрим последовательно каждую форму задания непрерывной случайной величины. 4.2.1. Интегральная функция распределения Интегральная функция распределения вероятности – это универсальная форма задания случайных величин. Се помощью можно задать закон распределения как дискретной случайной величины, таки непрерывной. Интегральную функцию непрерывной случайной величины легко представить как график интегральной функции произвольной дискретной случайной величины, у которой число дискретных значений стремится к бесконечности. На рис. показан условный процесс превращения интегральной функции дискретной случайной величины в интегральную функцию непрерывной при последовательном дроблении диапазонов задания функции пополам, те. при увеличении количества значений дискретной величины в 2 раза. F(x) Рис. 4.4 Случайные величины Интегральная функция непрерывной случайной величины сохраняет все свойства интегральной функции дискретной случайной величины. Напомним их еще раз 1-e свойство. Интегральная функция от аргумента "минус бесконечность" равна нулю F(– ∞ ) = 0. 2-e свойство. Интегральная функция от аргумента "плюс бесконечность" равна единице F( ∞ ) = 1. 3-e свойство Интегральная функция – неубывающая функция если х > х, то х) ≥ х) . Для интегральной функции случайной непрерывной величины также справедлива формула (4.2), позволяющая вычислять вероятность попадания значений случайной величины на заданный участок [a,b). На рис. 4.5 дана графическая интерпретация процессу определения вероятности P{a ≤ X < b} . { F(x) Рис. 4.5 F( b ) F( a ) b a F( b ) - F( a ) 0 1 4.2.2. Вероятность конкретного значения непрерывной случайной величины Вероятность любого конкретного значения а непрерывной случайной величины Х можно определить с помощью формулы (4.2) – как вероятность попадания Хна некоторый участок а) при левой границе b, стремящейся к значению а ( ) { } ( ) ( ) [ ] ( ) ( ) 0 lim lim = − = − = < ≤ = = → → a F a F a F b F b X a P a X P a b a b , те. Р(Х=а) = 0. (4.3) Теория вероятностей Равенство вероятности конкретного значения непрерывной случайной величины нулю (4.3) делает интегральную функцию F(x) бесполезной для характеристики отдельных значений непрерывной случайной величины. Чтобы исследователи могли сравнивать отдельные значения непрерывной случайной величины сточки зрения их вероятностного появления в результате опыта, используется другая форма задания закона распределения этой величины – плотность распределения вероятности 4.2.3. Плотность распределения вероятности Интегральная функция распределения вероятности по определению 4.5 равна вероятности попадания значений случайной величины Х в диапазон значений от минус бесконечности до аргумента x, те. интегральная функция характеризует бесконечный интервал значений (– ∞ , х. Интегральная функция, согласно формуле (4.2), также позволяет определить вероятность попадания значений случайной величины на заданный участок а, произвольно выбранный на числовой оси. Однако наряду с функцией, характеризующей диапазоны значений непрерывной случайной величины, представляет интерес и функция, которая способна характеризовать каждое значение непрерывной величины. Такой функцией является плотность распределения вероятности. Функция плотности распределения вероятности f(x) представляет собой предел отношения вероятности попадания непрерывной случайной величины на малый участок [х,х+ ∆ х), к длине этого участках Определение 4.6. Плотностью распределения вероятности непрерывной случайной величины называется функция которая является первой производной от интегральной функции распределения вероятности F(x) ( ) ( ) x F x f ′ = (4.4) Случайные величины Выражение (4.4) позволяет по известной интегральной функции распределения F(x) непрерывной случайной величины определить функцию плотности распределения f(x). Не менее важным является обратное преобразование ( ) ( ) ∫ ∞ − = x dt t f x F , (4.5) которое позволяет по известной функции плотности распределения f(t) получить интегральную функцию распределения (первообразную) F(x) . |