5.4. Задачи для самостоятельного решения
Построить ряд распределения и функцию распределения случайного числа попаданий мячом в корзину при одном броске, если вероятность попадания мячом в корзину при одном броске p=0,3.
Стрелок производит по мишени три выстрела. Вероятность попадания в мишень при каждом выстреле равна 0,3. Построить ряд распределения числа попаданий (Воспользоваться формулой Бернулли).
В урне имеются четыре шара с номерами от 1 до 4. Вынули два шара. Случайная величина X ЁC сумма номеров шаров. Построить ряд распределения величины X.
Контрольная работа состоит из трех вопросов. На каждый вопрос приведено 4 ответа, один из которых правильный. Составить закон распределения числа правильных ответов при простом угадывании. Найти математическое ожидание и дисперсию этой случайной величины.
В билете три задачи. Вероятность правильного решения первой задачи равна 0,9, второй ЁC 0,8, третьей ЁC 0,7. Составить закон распределения числа правильно решенных задач в билете и вычислить математическое ожидание и дисперсию этой случайной величины.
В партии, содержащей 20 изделий, имеется четыре изделия с дефектами. Наудачу отобрали три изделия для проверки их качества. Составить закон (ряд) распределения случайной величины X ЁC числа дефектных изделий, содержащихся в указанной выборке. Найти математическое ожидание, дисперсию, моду случайной величины X.
Найти закон распределения числа пакетов трех акций, по которым владельцем будет получен доход, если вероятность получения дохода по каждому из них равна соответственно 0,5, 0,6, 0,7. Найти математическое ожидание, дисперсию и моду данной случайной величины, построить функцию распределения.
Дана функция распределения случайной величины X
µ §
Найти: а) ряд распределения; б) M(X) и D(X); в) построить многоугольник распределения и график F(x).
9. Случайная величина µ § имеет следующую функцию распределения F(x):
µ §
Требуется: а) найти плотность вероятностей µ § случайной величины µ §; б) построить графики F(x) и µ §; в) определить математическое ожидание, дисперсию и среднее квадратическое отклонение величины µ §; г) найти вероятность попадания случайной величины µ § на отрезок [1; 1,5].
10. Функция распределения случайной величины µ § имеет вид
µ § (µ §) (закон Коши).
Определить постоянные A и B, найти плотность вероятностей µ §.
11. Дана функция µ §
При каком значении µ § функция µ § может быть принята за плотность вероятности случайной величины X? Определить это значение µ §, найти математическое ожидание и среднее квадратическое отклонение соответствующей случайной величины X.
12. Случайная величина µ § имеет следующую плотность вероятностей:
µ §
Определить: а) коэффициент A; б) функцию распределения F(x); в) вероятность µ § попадания случайной величины µ § в интервал (2; 3); г) вероятность того, что при четырех независимых испытаниях величина µ § ни разу не попадает в интервал (2; 3).
13. Случайная величина X задана функцией распределения
µ §
Найти: а) плотность вероятности µ §; б) M(X) и D(X); в) вероятности P(X = 0,5), P(X<0,5), P(µ §Xµ §1); г) построить графики µ § и F(x).
14. Функция распределения непрерывной случайной величины X задана
следующим образом:
µ §
Требуется: а) найти плотность вероятностей µ § величины X; б) построить графики F(x) и µ §; в) найти µ §, µ § и µ §; г) определить вероятность попадания случайной величины X в интервал µ §.
15. Случайная величина X распределена по закону Коши: µ §. Найти: а) коэффициент A; б) функцию распределения F(x); в) вероятность P(µ §Xµ §1). Существует ли для случайной величины X математическое ожидание и дисперсия?
16. Дана функция распределения случайной величины X:
µ §
а) Найти плотность вероятности µ §; построить графики µ § и F(x); убедиться в том, что X ЁC непрерывная случайная величина; б) Найти вероятности P(X=1), P(X<1), P(1µ §Xµ §2); в) вычислить математическое ожидание M(X), дисперсию D(X), модуµ § и медиану µ §.
17. Скорость молекул газа имеет плотность вероятности (закон Максвелла)
µ §(µ §).
Найти математическое ожидание и дисперсию скорости молекул, а также величину A при заданном h.
18. Дана плотность распределения непрерывной случайной величины:
µ §
Определить значение µ §, моду и медиану.
19. Случайная величина X задана функцией распределения
µ §
Найти математическое ожидание M(X), модуµ § и медиану µ §.
20. Случайная величина X задана плотностью вероятности µ § на интервале µ §. Вне этого интервала µ §. Найти моду, медиану и математическое ожидание.
§6. Важнейшие законы распределения случайных величин
6.1. Биномиальный закон распределения
Дискретная случайная величина X имеет биномиальное распределение (или распределена по биномиальному закону), если она принимает значения 0, 1, 2, ЎK, n, с соответствующими вероятностями:
µ §, где µ §, µ §, µ §.
Математическое ожидание и дисперсия случайной величины X, имеющей биномиальное распределение, находятся по формулам:
µ §. (10)
Из формулы Бернулли следует, что случайная величина µ §ЁC число наступлений события µ § в µ § независимых испытаниях (µ §) ЁC распределена по биномиальному закону.
6.2. Закон распределения Пуассона
Дискретная случайная величина X имеет распределение Пуассона (или распределена по закону Пуассона) с параметром µ §, если она принимает бесконечное, но счетное число значений: 0, 1, 2, ЎK, m, ЎK, с соответствующими вероятностями
µ §, где m = 0, 1, 2, ЎK , µ §. (11)
Математическое ожидание и дисперсия случайной величины X, имеющей распределение Пуассона, находятся по формулам:
µ §.
Распределение Пуассона является предельным для биномиального закона, когда число испытаний µ §, а вероятность события µ §, при условии, что произведение µ § - постоянная величина. При этих условиях (т. е. при µ §, µ §, µ §) величина µ §, определяемая по формуле Бернулли, стремится к вероятности µ §, определяемой по закону Пуассона.
Поэтому закон распределения Пуассона является хорошим приближением биномиального закона в случае, когда число опытов велико, а вероятность события A в каждом из них мала. В связи с этим закон распределения Пуассона называют часто законом редких событий.
6.3. Равномерный закон распределения
Непрерывная случайная величина X имеет равномерный закон распределения на отрезке [a, b], если ее плотность вероятности µ § постоянна на этом отрезке и равна нулю вне его:
µ § (12)
Равномерное распределение случайной величины X на участке [a, b] (или (a, b)) обозначают следующим образом: µ §.
Функция распределения F(x) для равномерно распределенной случайной величины X, имеет вид:
µ §
Математическое ожидание и дисперсия случайной величины X, имеющей равномерное распределение, находятся по формулам:
µ §; µ §. (13)
Вероятность попадания равномерно распределенной случайной величины X на интервал µ § вычисляется по формуле:
µ §.
6.4. Показательный (экспоненциальный) закон распределения
Непрерывная случайная величина X имеет показательный (экспоненциальный) закон распределения, если ее плотность вероятности µ § имеет вид:
µ §
где µ § - параметр данного распределения.
Функция распределения F(x) случайной величины X, распределенной по показательному закону, находится по формуле
µ § (14)
Важнейшие числовые характеристики показательного распределения определяются равенствами:
µ §, µ §, µ §. (15)
Для показательного закона распределения вероятность того, что случайная величина X примет значение, принадлежащее интервалу (a, b), определяется формулой
µ §.
6.5. Нормальный закон распределения
Нормальный закон распределения (закон Гаусса) играет исключительную роль в теории вероятностей. Главная особенность закона Гаусса состоит в том, что он является предельным законом, к которому приближаются, при определенных условиях, другие законы распределения. Нормальный закон распределения наиболее часто встречается на практике.
Непрерывная случайная величина X имеет нормальный закон распределения (закон Гаусса) с параметрами µ § и µ §, если ее плотность вероятности имеет вид:
µ §.
Кривую нормального закона распределения называют нормальной кривой или кривой Гаусса.
Нормальная кривая µ § изображена на рис. 9.
Рис. 9
Тот факт, что случайная величина X распределена по нормальному закону с параметрами µ §, коротко записывают так: µ §.
Математическое ожидание случайной величины X, распределенной по нормальному закону, равно параметру µ § этого закона, т. е. µ §, а дисперсия ЁC параметру µ §, т. е. µ §.
Нормальный закон распределения случайной величины с параметрами µ § и µ §, т. е. случайной величины µ § называется стандартным или нормированным.
Плотность стандартной случайной величины X имеет вид
µ §
и называется функцией Гаусса.
Вероятность попадания в интервал (a, b) случайной величины X, подчиненной нормальному закону, определяется формулой
µ §, (16)
где функция µ § называется функцией Лапласа (или интегралом вероятности). Эту функцию называют также функцией ошибок.
Функция Лапласа обладает следующими свойствами:
1. µ §, т. е. функция µ § - нечетная;
2. µ §; 3. µ §.
Таблицу значений функции Лапласа можно найти в приложении 1.
Вероятность попадания случайной величины µ § в интервал µ §, симметричный относительно центра рассеяния µ §, находится по формуле
µ § . (17)
В частности, µ §µ §, т. е. практически достоверно, что случайная величина µ § принимает свои значения в интервале µ §. Это утверждение называется “правилом трех сигм”.
6.6. Решение задач
Пример 1. 30% изделий, выпускаемых данным предприятием, нуждается в дополнительной регулировке. Наудачу отобрано 200 изделий. Найти среднее значение и дисперсию случайной величины X ЁC числа изделий в выборке, нуждающихся в регулировке.
Решение. Случайная величина X имеет биномиальное распределение. Здесь n=200, p=0,3, q=0,7. Используя формулы (10), находим: µ §, µ §.
Пример 2. Автоматическая телефонная станция получает в среднем за час 300 вызовов. Какова вероятность того, что за данную минуту она получит точно два вызова?
Решение. За одну минуту АТС в среднем получает µ § вызовов. Считая, что случайное число X вызовов, поступивших на АТС за одну минуту, подчиняется закону Пуассона, по формуле (11) найдем искомую вероятность µ §.
Пример 3. Вероятность попадания в цель при одном выстреле равна 0,01. Какова вероятность того, что число попаданий при 200 выстрелах составит не менее 5 и не более 10?
Решение. Пусть случайная величина X ЁC число попаданий в цель. Так как вероятность p=0,01 очень мала, а число выстрелов (опытов) достаточно велико, то искомую вероятность будем находить, используя формулу Пуассона (см. (11)). По теореме сложения вероятностей µ §. Учитывая, что µ §, µ §, получим µ §.
Пример 4. Поезда метрополитена идут регулярно с интервалом 2 мин. Пассажир выходит на платформу в случайный момент времени. Какова вероятность того, что ждать пассажиру придется не больше полминуты? Найти математическое ожидание и среднее квадратическое отклонение случайной величины X ЁC времени ожидания поезда.
Решение. Случайная величина X ЁC время ожидания поезда ЁC на временном отрезке [0, 2] имеет равномерный закон распределения µ § (см. (12)). Тогда вероятность того, что пассажиру придется ждать не более полминуты
µ §.
По формулам (13) найдем µ § мин., µ §.
µ § мин.
Пример 5. Случайная величина T ЁC время работы радиолампы ЁC имеет показательное распределение. Определить вероятность того, что время работы лампы будет не меньше 600 часов, если среднее время работы радиолампы 400 часов.
Решение. По условию задачи математическое ожидание случайной величины T равно 400 часам, следовательно, µ §. (см. (15)).
Тогда с учетом формулы (14) искомая вероятность µ §.
Пример 6. Случайные ошибки измерения детали подчинены нормальному закону с параметром µ §мм. Найти вероятность того, что измерение детали произведено с ошибкой, не превосходящей по модулю 25 мм.
Решение. Воспользуемся формулой (17). В нашем случае µ §, µ §, следовательно,
µ §.
Пример 7. Пусть X ЁC случайная величина, подчиненная нормальному закону с математическим ожиданием µ § и средним квадратическим отклонением µ §. Какова вероятность того, что при четырех испытаниях эта случайная величина попадет хотя бы один раз в интервал (1,2)?
Решение. Найдем вероятность попадания случайной величины X в интервал (1,2) при одном испытании. Согласно формуле (16) имеем:
µ §µ §.
Тогда вероятность того, что случайная величина не попадет в интервал (1,2) при одном испытании равна 1-0,3811=0,6189, а при четырех испытаниях µ §. Значит, искомая вероятность µ §.
6.7. Задачи для самостоятельного решения
Найти среднее число лотерейных билетов, на которые выпадут выигрыши, если приобретено 20 билетов, а вероятность выигрыша одного билета 0,1. Найти дисперсию числа успехов в данном опыте.
Проводятся три независимых испытания, в каждом из которых вероятность наступления некоторого события постоянна и равна p. Пусть X ЁC число появлений события A в этом опыте. Найти D(X), если известно, что M(X) = 2,1.
Вероятность поражения цели при одном выстреле равна 0,4. Сколько надо произвести выстрелов, чтобы можно было ожидать в среднем 80 попаданий в цель?
Среди семян ржи имеется 0,4 % семян сорняков. Какова вероятность при случайном отборе 5000 семян обнаружить 5 семян сорняков?
Аппаратура содержит 2000 одинаково надежных элементов, вероятность отказа для каждого из которых равна p = 0,0005. Какова вероятность отказа аппаратуры, если он наступает при отказе хотя бы одного из элементов?
Сообщение содержит 1000 символов. Вероятность искажения одного символа равна 0,004. Найти среднее число искаженных символов; вероятность того, что будет искажено не более 3-х символов.
Некто ожидает телефонный звонок между 19.00 и 20.00. Время ожидания звонка есть непрерывная случайная величина X, имеющая равномерное распределение на отрезке [19,20]. Найти вероятность того, что звонок поступит в промежутке от 19 час 22 минут до 19 час 46 минут.
Автобусы подходят к остановке с интервалом в 5 мин. Считая, что случайная величина X ЁC время ожидания автобуса ЁC распределена равномерно, найти среднее время ожидания (математическое ожидание) и среднее квадратическое отклонение случайной величины.
Паром для перевозки автомашин через залив подходит к причалу через каждые 2 часа. Считая, что время прибытия автомашин ЁC случайная величина X ЁC распределено равномерно, определить среднее время ожидания автомашиной прихода парома и дисперсию времени ожидания.
Все значения равномерно распределенной случайной величины лежат на отрезке [2,8]. Найти вероятность попадания случайной величины в промежуток (3,5).
Поезда данного маршрута городского трамвая идут с интервалом 5 мин. Пассажир подходит к трамвайной остановке в некоторый момент времени. Какова вероятность появления пассажира не ранее чем через минуту после ухода предыдущего поезда, но не позднее чем за две минуты до отхода следующего поезда?
|
