Главная страница

Учебник Теория вероятности - Самойленко, Кузнецов. Министерство образования и науки украины харьковская национальная академия городского хозяйства


Скачать 2.54 Mb.
НазваниеМинистерство образования и науки украины харьковская национальная академия городского хозяйства
АнкорУчебник Теория вероятности - Самойленко, Кузнецов.pdf
Дата31.01.2017
Размер2.54 Mb.
Формат файлаpdf
Имя файлаУчебник Теория вероятности - Самойленко, Кузнецов.pdf
ТипДокументы
#1455
КатегорияМатематика
страница9 из 20
1   ...   5   6   7   8   9   10   11   12   ...   20
), E
3
< 0
4.4. Практикум и вопросы для самоконтроля
4.1. Какую величину называют случайной
4.2. Какие случайные величины называются дискретными
4.3. Какие случайные величины называются непрерывными
4.4. Дайте определение закону распределения случайной величины.
4.5. Какие существуют формы задания закона распределения дискретной случайной величины
4.6. Что собой представляет ряд распределения дискретной случайной величины
4.7. Составить ряд распределения дискретной случайной величины Х – числа появлений орла при двух бросаниях монеты.
4.8. В партии из 10 деталей имеются 8 стандартных. Наудачу отобраны 2 детали. Составить ряд распределения для случайной величины Х – числа стандартных деталей среди отобранных.
4.9. Дать определения интегральной функции распределения случайной величины.
4.10. Каковы свойства интегральной функции распределения
4.11. Производится один опыт, в результате которого может появиться событие А вероятность появления события А равна р. Рассматривается случайная величина Х, равная единице, если событие А происходит, и нулю, если не происходит (число появлений события А в данном опыте. Построить ряд распределения случайной величины Хи её интегральную функцию распределения.
Теория вероятностей
92
4.12. Привести формулу определения вероятности попадания случайной величины на заданный участок числовой оси с помощью интегральной функции распределения.
4.13. Какие существуют формы задания закона распределения непрерывной случайной величины
4.14. В чем заключается основное отличие интегральной функции дискретной случайной величины от интегральной функции непрерывной случайной величины
4.15. Чему равна вероятность конкретного значения непрерывной случайной величины
4.16. Дать определение функции плотности распределения вероятности.
4.17. Привести формулу обратного преобразования, позволяющего по известной плотности распределения получить интегральную функцию распределения.
4.18. В чем заключается первое свойство плотности распределения
4.19. В чем заключается второе свойство плотности распределения
4.20. Привести формулу определения вероятности попадания непрерывной случайной величины на заданный участок числовой оси с помощью функции плотности распределения.
4.21. Дать геометрическую интерпретацию вероятности попадания непрерывной случайной величины на заданный участок числовой оси.
4.22. Какие числовые характеристики случайной величины определяют её положение на числовой оси
4.23. Дать определение математическому ожиданию случайной величины.
4.24. Что характеризует математическое ожидание случайной величины
4.25. Привести определяющую формулу математического ожидания для дискретной случайной величины.
4.26. Привести определяющую формулу математического ожидания для непрерывной случайной величины.
4.27. Дать определение моде случайной величины.
4.28. Дать определение медиане случайной величины.
Случайные величины
93
4.29. Для симметричного унимодального закона распределения случайной величины значения математического ожидания, моды и медианы совпадают. Справедливо ли обратное утверждение. Производится три независимых опыта, в каждом из которых событие А появляется с вероятностью 0,4 Рассматривается случайная величина Х – число появлений события А в трех опытах. Построить ряд распределения и интегральную функцию распределения случайной величины Х. Найти её математическое ожидание m
x
и моду.
4.31. Дать определение начальным моментам случайных величин.
4.32. Привести определяющую формулу начального момента для дискретной случайной величины.
4.33. Привести определяющую формулу начального момента для непрерывной случайной величины.
4.34. Что называют центрированной случайной величиной Дать определение центральному моменту случайной величины.
4.36. Привести определяющую формулу центрального момента для дискретной случайной величины.
4.37. Привести определяющую формулу центрального момента для непрерывной случайной величины.
4.38. Поставить знак отношения между первым начальным моментом случайной величины и её математическим ожиданием.
4.39. Для непрерывной случайной величины Х найти сумму вероятностей Р) + Р) + Р) .
4.40. Что характеризует второй начальный момент
4.41. Привести определяющую формулу второго начального момента для дискретной случайной величины.
4.42. Привести определяющую формулу второго начального момента для непрерывной случайной величины.
4.43. Какую роль играет второй начальный момент в исследовании случайных величин
4.44. Что характеризует второй центральный момент
4.45. Поставить знак отношения между вторым центральным моментом случайной величины и её дисперсией.
Теория вероятностей
94
4.46. Выразить дисперсию через начальные моменты.
4.47. Что представляет собой среднее квадратичное отклонение
4.48. Что характеризует среднее квадратичное отклонение
4.49. В условиях упражнения 4.30 определить второй начальный момент α
2
, дисперсию D
x
, среднее квадратичное отклонение х. Два стрелка стреляют каждый по своей мишени, делая независимо друг от друга по одному выстрелу. Вероятность попадания в мишень для первого стрелка р, для второго – р. Рассматриваются случайные величины Х – число попаданий первого стрелка Х – число попаданий второго стрелка и их разность Х=Х
1
Х
2
. Найти закон распределения случайной величины Х в виде ряда распределения ив виде интегральной функции распределения F(x). Построить график функции
F(x). Определить математическое ожидание m
x
, дисперсию, среднее квадратичное отклонение хи вероятность попадания случайной величины Хна заданный участок P{–0,5<X< 0,5}. Решение. Построим сначала ряды распределения для случайных величин Хи Х
7
,
0 3
,
0 1
0 1
1
i
i
p
x
,
6
,
0 4
,
0 1
0 В построенных законах распределения вероятности промахов определяются как вероятности противоположных событий, соответственно
q
1
=1–p
1
=1–07=0,3; q
2
=1–p
2
=1–0,6=0,4. Полученные ряды распределения позволяют построить ряд распределения для случайной величины
Х=Х
1
Х
2 . Определим сначала возможные значения случайной величины Хи соответствующие вероятности если Хи Х, то Х, a вероятность такого результата
q
1*
p
2
= 0,18; если Хи Х или Хи Х, то Х, a вероятность такого результата q
1*
q
2
+ p
1*
p
2
= 0,54; если Хи Х, то Х, a вероятность такого результата
q
1*
p
2
= 0,28. Искомый ряд распределения
28
,
0 54
,
0 18
,
0 1
0 1
i
i
p
x

Случайные величины
Примечание.
Для контроля правильности построения закона распределения случайной величины Х следует проверить равенство единице суммы вероятностей во второй строке ряда распределения. Ряд распределения позволяет определить интегральную функцию распределения. В условиях задачи определение интегральной функции соответствует табл. 4.2 Таблица 4.2. Интегральная функция случайной величины Х Индекс диапазона Диапазон х Вычисление F(x)
1 х
F(x) = P{X} = 0 2 –1 х F(x) = P{X} = P(X = –1) = 0,18 3
0 х
F(x) = P{X} = P(X = –1) + P(X=0) = 0,18 +
+ 0,54 = 0,72 4
x > 1
F(x) = P{X}= P(X=–1) + P(X=0) + P(X=1) =
= 0,18 + 0,54 + 0,28 = 1 График функции строится в соответствии с ее табличным заданием, те. в соответствии с табл. 4.2 (см. рис. 4.14)
}
F(x)
x
–1 0
1 1
F(x) = 1
F(x) = 0,18
F(x) = 0
F(x) = Рис. 4.14
–0,5 0,5 54
,
0
=
F
Теория вероятностей Математическое ожидание случайной величины определим по формуле (4.9)
1
,
0 28
,
0 1
54
,
0 0
18
,
0
)
1
(
3 Для определения дисперсии D
x
предварительно определим второй начальный момент α
2
по формуле (4.15)
46
,
0 28
,
0 1
54
,
0 0
18
,
0
)
1
(
2 2
2 3
1 Теперь с помощью формулы связи (4.19) определим дисперсию 0
1 0
46 0
2 2
2
,
)
,
(
,
m
б
D
x
x
=

=

=
По формуле (4.20) найдем среднее квадратичное отклонение
67
,
0 Вероятность P{–0,5<X< 0,5} определим по формуле (4.2):
{
}
( ) (
)
( ) (
)
54
,
0 18
,
0 72
,
0 5
,
0 5
,
0 5
,
0 5
,
0 5
,
0 Данную операцию целесообразно осуществлять с помощью графика
F(x) (см. рис. 4.14).
4.51. Случайная величина Х задана плотностью распределения вероятности
( )
[ ]
[ Найти F(x), m
x
, D
x
, σ
x
, Me, P{0<X< 0,5}. Решение. Прежде чем вычислять искомые величины, необходимо определить параметра в заданной плотности распределения f(x). Для определения параметра воспользуемся м свойством плотности распределения, согласно которому определенный интеграл в бесконечных пределах от плотности распределения равен единице. Возьмём сначала интеграл
( )
2 2
0 0
1 0
2 1
1 0
0
a
ax
dx
dx
ax
dx
dx
x
f
=
=

+

+

=










Случайные величины
Затем приравняем результат интегрирования единице
1 2
=
a
. Отсюда а = 2. Итоговое выражение для плотности распределения имеет вид
( )
[ ]
[ ]





=
1
,
0
,
2
;
1
,
0
,
0
x
x
x
x
f
График f(x) показан на рис. 4.15.
f(x)
x
0
0,5
1 Рис. 4.15 2
F(x)
x
0
0,5
1 Рис. 4.16 1
1/4 Для определения интегральной функции воспользуемся обратным преобразованием (4.5). Поскольку плотность распределения является кусочно-непрерывной функцией, имеющей три диапазона с различным видом подынтегральной функции, то обратным преобразованием следует воспользоваться три раза для диапазона
0

x
( )
( )
;
0 для диапазона
1 0

< x
( )
( )
;
0 2
0 2
0 2
0 для диапазона x > 1
( )
( )
1 0
0 0
2 0
1 0
2 1
1 Таким образом,
( если 0
если
,
;
0
если
,
0 2
х
х
x
х
x
F
Теория вероятностей На рис. 4.16 построен график интегральной функции F(x) . Для определения математического ожидания воспользуемся формулой (4.10)
( )
3 2
3 2
0 2
0 0
2 0
1 0
3 1
0 2
1 1
0 С целью дальнейшего определения дисперсии D
x
определим сначала второй начальный момент
( )
2 1
4 2
0 2
0 0
2 0
1 0
4 1
0 3
1 2
1 0
2 0
2 Используя формулу (4.19), связывающую дисперсию с начальными моментами, определим D
x
:
18 1
3 2
2 1
2 По формуле (4.20) найдем среднее квадратичное отклонение
6 2
18 1 По определению медианы Р = P{X>Me}, но Р = F(Me)
= 0,5 . Следовательно, медиану можно найти из уравнения F(Me) = 0,5 , что мы и сделаем Последнюю искомую величину P{0<X< 0,5} определим двумя способами
( )
71
,
0
;
5
,
0
;
5
,
0
;
5
,
0 2
0
;
5
,
0
)
(
2 0
2 0
0

=
=
=
+

=







Me
Me
x
xdx
dx
dx
x
f
Me
Me
Me
Случайные величины
99
{
}
( ) ( )
( ) ( )
( )







=







=
=
=
=







=

=

=
<



b
a
x
dx
x
dx
x
f
F
F
a
F
b
F
X
P
5
,
0 0
2 2
5
,
0 0
2 2
2 4
1 0
2 1
2
;
4 1
0 2
1 0
5
,
0 5
,
0 Найденной вероятности на рис. 4.15 соответствует площадь заштрихованной области. Задача решена.
4.52. Что характеризует третий центральный момент
4.53. Привести определяющую формулу третьего центрального момента для дискретной случайной величины.
4.54. Привести определяющую формулу третьего центрального момента для непрерывной случайной величины.
4.55. Что характеризует и как определяется коэффициент асимметрии
4.56. В условиях упражнения 4.30 определить третий центральный момент µ
3
4.57. Что характеризует четвертый центральный момент
4.58. Как определяется величина эксцесс и что она характеризует
Теория вероятностей
100
5. ЧАСТНЫЕ ЗАКОНЫ РАСПРЕДЕЛЕНИЯ
5.1. Законы распределения дискретных случайных величин Сколько существует различных дискретных случайных величин, столько существует и законов их распределения. Из всего многообразия дискретных случайных величин выделяют две большие группы. Каждая группа объединяет случайные величины, имеющие закон распределения, характерный только для этой группы. Вероятности конкретных значений таких случайных величин вычисляются по одной и той же формуле. Отличие случайных величин, входящих в одну группу, определяется различными значениями ключевых компонент в определяющих формулах. Ключевые компоненты формул называют параметрами закона распределения. В первую группу входят так называемые биномиальные величины, в другую – пуассоновские. В связи с этим особый интерес представляют собой биномиальный и пуассоновский законы распределения дискретных случайных величин. Рассмотрим более подробно каждый из названных законов распределения.
5.1.1. Биномиальный закон распределения
5.1.1.1. Общая характеристика биномиальной случайной величины Пусть производится n независимых опытов, в каждом из которых с одинаковой вероятностью р может произойти некоторое событие А. Событие А может иметь самуюразличную природу. Случайная величина Х – число опытов, в которых произошло событие А – распределена по биномиальному закону распределения
(
)
(
)
m
n
m
m
n
p
p
C
m
X
P


=
=
1
(5.1) с рядом распределения, соответствующим табл. 5.1.
Законы распределения
Таблица 5.1. Ряд распределения биномиальной случайной величины
x
i
0
1
. . .
m
. . .
n
p
i
(1-p)
n
np(1-p)
n-1
. . .
C
n
m
p
m
(1-p)
n-m
. . . Сумма вероятностей во второй строке ряда распределения (табл. 5.1) равна единице, те.

=


n
i
i
n
i
i
n
p
p
C
0
)
1
(
= 1. Для доказательства данного факта следует сумму

=


n
i
i
n
i
i
n
p
p
C
0
)
1
(
рассматривать как разложения бинома Ньютона с переменными р и рте. Биномиальный закон распределения имеет два параметра
р – вероятность появления события А водном опыте
n общее число опытов (испытаний. Вероятность попадания дискретной случайной величины, распределенной по биномиальному закону, в заданный диапазон значений определяется с помощью формулы
{
}
)
1
(
2 1
2 1

=


=


k
k
i
i
n
i
i
n
p
p
C
k
X
k
P
5.1.1.2. Числовые характеристики биномиальной случайной величины Математическое ожидание. Рассмотрим предварительно случайную величину Х – число появлений события А в м опыте, Ряд распределения рассматриваемой величины имеет вид
p
p
p
x
ij
ij

1 Математическое ожидание случайной величины Х определим по формуле
(4.9): m
i
= 0
*
(1–p) + 1
*
p = p . Биномиальная случайная величина представляет собой сумму величин Х. Тогда её математическое ожидание определится следующим преобразованием
[ ]
[ ]
,
1 1
1



=
=
=
=
=
=
⎥⎦

⎢⎣

=
=
n
i
n
i
i
n
i
i
x
np
p
X
M
X
M
X
M
m
Теория вероятностей
те.
np
m
x
=
. (5.2) Дисперсия. Определим предварительно второй начальный момент и дисперсию случайной величины Х – числа появлений события А в м опыте,
n
i
,
1
=
. Ряд распределения рассматриваемой величины приведен выше. Второй начальный момент случайной величины Х определим по формуле (4.15): α
i
= 0 2
*
(1–p) + 1 2
*
p = p . Дисперсию этой величины определим по формуле связи
)
1
(
2 Дисперсия биномиальной случайной величины Х
как сумма дисперсий независимых случайных величин Х определится с помощью следующего преобразования
[ ]
[ ]



=
=
=

=

=
=
⎥⎦

⎢⎣

=
=
n
i
n
i
i
n
i
i
x
p
np
p
p
X
D
X
D
X
D
D
1 те.
)
1
(
p
np
D
x

=
. (5.3) Среднее квадратичное отклонение определим в соответствии с формулой (4.20):
)
1
(
p
np
D
x
x

=
=
σ
(5.4) Пример 5.1. Определить математическое ожидание х дисперсию
D
x
и среднее квадратичное отклонение случайной величины Х – числа появлений орла при 10 бросаниях монеты. Решение Подбрасывание монеты – события независимые. Вероятность появления орла при каждом подбрасывании монеты одинакова и равна 0,5. Следовательно, случайная величина Х распределена по биномиальному закону. А это значит, что её математическое ожидание определяется формулой (5.2):
m
x
= np = 10
*
0,5 = 5 ; дисперсия формулой (5.3):
D
x
= р) = 10
*
0,5
*
(1–0,5) = 2,5 ; среднее квадратичное отклонение формулой (5.4):
Законы распределения
103 58
,
1 5
,
2

=
=
x
x
D
σ
1   ...   5   6   7   8   9   10   11   12   ...   20


написать администратору сайта