9. Непрерывная случайная величина, её числовые характеристики
Непрерывную случайную величину можно задать с помощью двух функций. Интегральной функцией распределения вероятностей случайной величины Х
называется функция , определённая равенством 
.
Интегральная функция даёт общий способ задания как дискретных, так и непрерывных случайных величин. В случае непрерывной случайной величины . Все события: имеют одну и ту же вероятность, равную приращению интегральной функции на этом промежутке, т.е.. Например, для дискретной случайной величины, заданной в примере 26, имеем:
Таким образом, график интегральной функции рассматриваемой функции представляет собой объединение двух лучей и трёх отрезков, параллельных оси Ох.
Пример 27 . Непрерывная случайная величина Х задана интегральной функцией распределения вероятностей
.
Построить график интегральной функции и найти вероятность того, что в результате испытания случайная величина Х примет значение в интервале (0,5;1,5).
Решение. На интервале 
графиком является прямая у = 0. На промежутке от 0 до 2 – парабола, заданная уравнением 
. На интервале 
графиком является прямая у = 1.
Вероятность того, что случайная величина Х в результате испытания примет значение в интервале (0,5;1,5) находим по формуле .
Таким образом, .
Свойства интегральной функции распределения вероятностей:
Закон распределения непрерывной случайной величины удобно задавать с помощью другой функции, а именно, функции плотности вероятности
.
Вероятность того, что значение, принятое случайной величиной Х, попадает в интервал 
, определяется равенством 
.
График функции называется кривой распределения
. Геометрически вероятность попадания случайной величины Х в промежуток равна площади соответствующей криволинейной трапеции, ограниченной кривой распределения, осью Ох и прямыми 
.
Свойства функции плотности вероятности :
9.1. Числовые характеристики непрерывных случайных величин
Математическое ожидание
(средним значением) непрерывной случайной величины Х определяется равенством 
.
М(Х) обозначают через а . Математическое ожидание непрерывной случайной величины обладает аналогичными, как и дискретная величина, свойствами:
Дисперсией
дискретной случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания, т.е. . Для непрерывной случайной величины дисперсия определяется формулой 
.
Дисперсия обладает свойствами:
Последнее свойство очень удобно применять для нахождения дисперсии непрерывной случайной величины.
Аналогично вводится и понятие среднего квадратического отклонения. Средним квадратическим отклонением непрерывной
случайной величины Х называется корень квадратный из дисперсии, т.е. 
.
Пример 28
. Непрерывнаяслучайная величина Х задана функцией плотности вероятностей 
в интервале (10;12), вне этого промежутка значение функции равно 0. Найти 1) значение параметра а,
2) математическое ожидание М(Х), дисперсию 
, среднее квадратическое отклонение, 3) интегральную функцию 
и построить графики интегральной и дифференциальной функций.
1). Для нахождения параметра а
используем формулу 
. Получим . Таким образом, 
.
2). Для нахождения математического ожидания используем формулу: , откуда следует, что 
.
Дисперсию будем находить по формуле: 
, т.е. .
Найдём среднее квадратическое отклонение по формуле: , откуда получим, что 
.
3). Интегральная функция выражается через функцию плотностей вероятностей следующим образом: 
. Следовательно, 
при 
, = 0 при 
и = 1 при
.
Графики этих функций представлены на рис. 4. и рис. 5.
Рис.4 Рис.5.
9.2. Равномерное распределение вероятностей непрерывной случайной величины
Распределение вероятностей непрерывной случайной величины Х равномерно
на интервале , если её плотность вероятности постоянна на этом интервале и равна нулю вне этого интервала, т.е. . Легко показать, что в этом случае 
.
Если интервал 
содержится в интервале , то 
.
Пример 29. Событие, состоящее из мгновенного сигнала, должно произойти между часом дня и пятью часами. Время ожидания сигнала есть случайная величина Х. Найти вероятность того, что сигнал будет зафиксирован между двумя и тремя часами дня.
Решение. Случайная величина Х имеет равномерное распределение, и по формуле найдём, что вероятность того, что сигнал будет между 2 и 3 часами дня, равна 
.
В учебной и другой литературе часто обозначают в литературе через 
.
9.3. Нормальное распределение вероятностей непрерывной случайной величины
Распределение вероятностей непрерывной случайной величины называется нормальным, если её закон распределения вероятностей определяется плотностью вероятности 
. Для таких величин а
– математическое ожидание, 
- среднее квадратическое отклонение.
Теорема. Вероятность попадания нормально распределённой непрерывной случайной величины в заданный интервал 
определяется по формуле 
, где 
- функция Лапласа.
Следствием этой теоремы является правило трёх сигм , т.е. практически достоверно, что нормальна распределённая, непрерывная случайная величина Х принимает свои значения в интервале 
. Это правило выводимо из формулы 
, являющейся частным случаем сформулированной теоремы.
Пример 30. Срок работы телевизора представляет собой случайную величину Х, подчинённую нормальному закону распределения, с гарантийным сроком 15 лет и средним квадратическим отклонением, равным 3 годам. Найти вероятность того, что телевизор проработает от 10 до 20 лет.
Решение. По условию задачи математическое ожидание а = 15, среднее квадратическое отклонение .
Найдём . Таким образом, вероятность работы телевизора от 10 до 20 лет более 0,9.
9.4.Неравенство Чебышева
Имеет место лемма Чебышева
. Если случайная величина Х принимает только неотрицательные значения и имеет математическое ожидание, то для любого положительного в
.
Учитывая, что , как сумма вероятностей противоположных событий, получим, что 
.
Теорема Чебышева. Если случайная величина Х имеет конечную дисперсию 
и математическое ожидание М(Х), то для любого положительного 
справедливо неравенство
.
Откуда следует, что 
.
Пример 31. Изготовлена партия деталей. Среднее значение длины деталей равна100 см., а среднее квадратическое отклонение равно 0,4см. Оценить снизу вероятность того, что длина наудачу взятой детали окажется не менее 99см. и не более 101см.
Решение. Дисперсия . Математическое ожидание равно 100. Следовательно, для оценки снизу вероятности рассматриваемого события 
применим неравенство Чебышева , в котором 
, тогда 
.
10. Элементы математической статистики
Статистической совокупностью
называют множество однородных предметов или явлений. Число п
элементов этого множества называется объёмом совокупности. Наблюдаемые значения 
признака Х называют вариантами
. Если варианты расположены в возрастающей последовательности, то получен дискретный вариационный ряд
. В случае группировки вариант по интервалам получается интервальный вариационный ряд
. Под частотой т
значения признака понимают число членов совокупности с данной вариантой.
Отношение частоты к объёму статистической совокупности называют относительной частотой
признака: 
.
Соотношение между вариантами вариационного ряда и их частотами называют статистическим распределением выборки . Графическим представлением статистического распределения может служить полигон частот.
Пример 32.
Путём опроса 25 студентов первого курса получены следующие данные об их возрасте: 
. Составить статистическое распределение студентов по возрасту, найти размах варьирования, построить полигон частот и составить ряд распределения относительных частот.
Решение. Используя данные, полученные при опросе, составим статистическое распределение выборки
|
Размах выборки варьирования равен 23 – 17 = 6. Для построения полигона частот, строят точки с координатами 
и последовательно их соединяют.
Ряд распределения относительных частот имеет вид:
|
10.1.Числовые характеристики вариационного ряда
Пусть выборка задана рядом распределения частот признака Х:
|
|
|
|
||
|
|
|
Сумма всех частот равна п.
Средним арифметическим выборки
называют величину 
.
Дисперсией
или мерой рассеяния значений признака Х по отношению к его среднему арифметическому называют величину 
. Средним квадратическим отклонением называют корень квадратный из дисперсии, т.е. .
Отношение среднего квадратического отклонения к среднему арифметическому выборки, выраженное в процентах, называют коэффициентом вариации
:
.
Эмпирической функцией распределения относительных частот
называют функцию, определяющую для каждого значения относительную частоту события 
, т.е. 
, где 
- число вариант, меньших х
, а п
– объём выборки.
Пример 33.
В условиях примера 32 найти числовые характеристики 
.
Решение. Найдём среднее арифметическое выборки по формуле , тогда .
Дисперсия признака Х находится по формуле: , т. е. . Среднее квадратическое отклонение выборки равно 
. Коэффициент вариации равен 
.
10.2. Оценка вероятности по относительной частоте. Доверительный интервал
Пусть проводится п
независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р
. В этом случае вероятность того, что относительная частота будет отличаться от вероятности появления события А в каждом испытании по абсолютной величине не больше, чем на , приближённо равна удвоенному значению интегральной функции Лапласа: 
.
Интервальной оценкой называют такую оценку, которая определяется двумя числами, являющимися концами интервала, покрывающего оцениваемый параметр статистической совокупности.
Доверительным интервалом
называют интервал, который с заданной доверительной вероятностью 
покрывает оцениваемый параметр статистической совокупности. Рассматривая формулу , в которой заменим неизвестную величину р
на её приближённое значение 
, полученное по данным выборки, получим: 
. Эта формула служит для оценки вероятности по относительной частоте. Числа 
и 
называют нижней и соответственно верхней доверительными границами
, - предельной погрешностью для данной доверительной вероятности 
.
Пример 34 . Заводской цех выпускает электрические лампочки. При проверке 625 ламп оказалось 40 бракованных. Найти с доверительной вероятностью 0,95 границы, в которых заключён процент брака лампочек, выпускаемых заводским цехом.
Решение. По условию задачи . Используем формулу 
. По таблице 2 приложения находим значение аргумента, пи котором значение интегральной функции Лапласа равно 0,475. Получим, что 
. Таким образом, . Следовательно, можно сказать с вероятностью 0,95, что доля выпускаемого брака цехом высока, а именно, изменяется в пределах от 6,2% до 6,6%.
10.3. Оценка параметров в статистике
Пусть количественный признак Х всей исследуемой совокупности (генеральной совокупности) имеет нормальное распределение.
Если среднее квадратическое отклонение известно, то доверительный интервал, покрывающий математическое ожидание а
, где п
– объём выборки, 
- выборочная средняя арифметическая, t
– аргумент интегральной функции Лапласа, при котором 
. При этом число 
называют точностью оценки.
Если среднее квадратическое отклонение неизвестно, то по данным выборки можно построить случайную величину, имеющую распределение Стьюдента с п
– 1 степенями свободы, которое определяется только одним параметром п
и не зависит от неизвестных а
и . Распределение Стьюдента даже для малых выборок 
даёт вполне удовлетворительные оценки. Тогда доверительный интервал, покрывающий математическое ожидание а
этого признака с заданной доверительной вероятностью , находится из условия 
, где S – исправленное среднее квадратическое, 
- коэффициент Стьюдента, находится по данным 
из таблицы 3 приложения.
Доверительный интервал, покрывающий среднее квадратическое отклонение этого признака с доверительной вероятностью , находится по формулам: и , где 
находится по таблице значений q
по данным .
10.4. Статистические методы изучения зависимостей между случайными величинами
Корреляционной зависимостью У от Х называют функциональную зависимость условной средней 
от х.
Уравнение 
представляет уравнение регрессии У на Х, а 
- уравнение регрессии Х на У.
Корреляционная зависимость может быть линейной и криволинейной. В случае линейной корреляционной зависимости уравнение прямой линии регрессии имеет вид: 
, где угловой коэффициент а
прямой линии регрессии У на Х называется выборочным коэффициентом регрессии У на Х и обозначается 
.
При малых выборках данные не группируются, параметры 
находятся по методу наименьших квадратов из системы нормальных уравнений:
, где п
– число наблюдений значений пар взаимосвязанных величин.
Выборочный линейный коэффициент корреляции 
показывает тесноту связи У и Х. Коэффициент корреляции находится по формуле 
, причём 
, а именно:
Выборочное уравнение прямой линии регрессии У на Х имеет вид:
.
При большом числе наблюдений признаков Х и У составляется корреляционная таблица с двумя входами, при этом одно и то же значение х
наблюдается 
раз, одно и то же значение у
наблюдается 
раз, одна и та же пара 
наблюдается 
раз.
Пример 35. Дана таблица наблюдений признаков Х и У.
|
Найти выборочное уравнение прямой линии регрессии У на Х.
Решение. Связь между изучаемыми признаками может быть выражена уравнением прямой линии регрессии У на Х: . Для вычисления коэффициентов уравнения составим расчётную таблицу:
№ наблюдения |
|
|
||
Глава 6. Непрерывные случайные величины.
§ 1. Плотность и функция распределения непрерывной случайной величины.
Множество значений непрерывной случайной величины несчетно и обычно представляет собой некоторый промежуток конечный или бесконечный.
Случайная величина x(w),заданная в вероятностном пространстве {W, S,P}, называется непрерывной (абсолютно непрерывной) W, если существует неотрицательная функция такая, что при любых х функцию распределения Fx(x) можно представить в виде интеграла
Функция называется функцией плотности распределения вероятностей .
Из определения вытекают свойства функции плотности распределения :
1..gif" width="97" height="51">
3. В точках непрерывности плотность распределения равна производной функции распределения: .
4. Плотность распределения определяет закон распределения случайной величины, т. к. определяет вероятность попадания случайной величины на интервал :
5.Вероятность того, что непрерывная случайная величина примет конкретное значение равна нулю: . Поэтому справедливы следующие равенства:
График функции плотности распределения называется кривой распределения , и площадь, ограниченная кривой распределения и осью абсцисс, равна единице. Тогда геометрически значение функции распределения Fx(x) в точке х0 есть площадь, ограниченная кривой распределения и осью абсцисс и лежащая левее точки х0.
Задача 1. Функция плотности непрерывной случайной величины имеет вид:
Определить константу C, построить функцию распределения Fx(x) и вычислить вероятность .
Решение. Константа C находится из условия Имеем:
откуда C=3/8.
Чтобы построить функцию распределения Fx(x), отметим, что интервал делит область значений аргумента x (числовую ось) на три части: https://pandia.ru/text/78/107/images/image017_17.gif" width="264" height="49">
так как плотность x на полуоси равна нулю. Во втором случае
Наконец, в последнем случае, когда x>2,
Так как плотность обращается в нуль на полуоси . Итак, получена функция распределения
Вероятность вычислим по формуле . Таким образом,
§ 2. Числовые характеристики непрерывной случайной величины
Математическое ожидание для непрерывно распределенных случайных величин определяется по формуле https://pandia.ru/text/78/107/images/image028_11.gif" width="205" height="56 src=">,
если интеграл, стоящий справа, абсолютно сходится.
Дисперсия
x может быть вычислена по формуле 
, а также, как и в дискретном случае, по формуле https://pandia.ru/text/78/107/images/image031_11.gif" width="123" height="49 src=">.
Все свойства математического ожидания и дисперсии , приведенные в главе 5 для дискретных случайных величин, справедливы и для непрерывных случайных величин.
Задача 2 . Для случайной величины x из задачи 1 вычислить математическое ожидание и дисперсию.
Решение.
И значит,
https://pandia.ru/text/78/107/images/image035_9.gif" width="184" height="69 src=">
График плотности равномерного распределения см. на рис. .
Рис.6.2. Функция распределения и плотность распределения. равномерного закона
Функция распределения Fx(x) равномерно распределенной случайной величины равна
Fx(x)= 
Математическое ожидание и дисперсия ; .
Показательное (экспоненециальное) распределение. Непрерывная случайная величина x, принимающая неотрицательные значения, имеет показательное распределение с параметром l>0, если плотность распределения вероятностей случайной величины равна
рx(x)=
Рис. 6.3. Функция распределения и плотность распределения показательного закона.
Функция распределения показательного распределения имеет вид
Fx(x)=https://pandia.ru/text/78/107/images/image041_8.gif" width="17" height="41">.gif" width="13" height="15"> и , если ее плотность распределения равна
.
Через обозначается множество всех случайных величин, распределенных по нормальному закону с параметрами параметрами и .
Функция распределения нормально распределенной случайной величины равна
.
Рис. 6.4. Функция распределения и плотность распределения нормального закона
Параметры нормального распределения суть математическое ожидание https://pandia.ru/text/78/107/images/image048_6.gif" width="64 height=24" height="24">
В частном случае, когда https://pandia.ru/text/78/107/images/image050_6.gif" width="44" height="21 src="> нормальное распределение называется стандартным , и класс таких распределений обозначается https://pandia.ru/text/78/107/images/image052_6.gif" width="119" height="49">,
а функция распределения
Такой интеграл не вычислим аналитически (не берется в «квадратурах»), и потому для функции составлены таблицы. Функция связана с введенной в главе 4 функцией Лапласа
,
следующим соотношением 
. В случае же произвольных значений параметров https://pandia.ru/text/78/107/images/image043_5.gif" width="21" height="21 src="> функция распределения случайной величины связана с функцией Лапласа с помощью соотношения:
.
Поэтому вероятность попадания нормально распределенной случайной величины на интервал можно вычислять по формуле
.
Неотрицательная случайная величина x называется логарифмически нормально распределенной, если ее логарифм h=lnx подчинен нормальному закону. Математическое ожидание и дисперсия логарифмически нормально распределенной случайной величины равны Мx= и Dx=.
Задача 3. Пусть задана случайная величина https://pandia.ru/text/78/107/images/image065_5.gif" width="81" height="23">.
Решение. Здесь и https://pandia.ru/text/78/107/images/image068_5.gif" width="573" height="45">
Распределение Лапласа задается функцией fx(x)=https://pandia.ru/text/78/107/images/image070_5.gif" width="23" height="41"> и эксцесс равен gx=3.
Рис.6.5. Функция плотности распределения Лапласа.
Случайная величина x распределена по закону Вейбулла , если она имеет функцию плотности распределения, равную https://pandia.ru/text/78/107/images/image072_5.gif" width="189" height="53">
Распределению Вейбулла подчиняются времена безотказной работы многих технических устройств. В задачах данного профиля важной характеристикой является интенсивность отказа (коэффициент смертности) l(t) исследуемых элементов возраста t, определяемый соотношением l(t)=. Если a=1, то распределение Вейбулла превращается в экспоненциальное распределение, а если a=2 - в так называемое распределение Рэлея.
Математическое ожидание распределения Вейбулла: -https://pandia.ru/text/78/107/images/image075_4.gif" width="219" height="45 src=">, где Г(а) - функция Эйлера. .
В различных задачах прикладной статистики часто встречаются так называемые «усеченные» распределения. Например, налоговые органы интересуются распределением доходов тех лиц, годовой доход которых превосходит некоторый порог с0, установленный законами о налогообложении. Эти распределения оказываются приближенно совпадающими с распределением Парето. Распределение Парето задается функциями
Fx(x)=P(x
Здесь https://pandia.ru/text/78/107/images/image081_4.gif" width="60" height="21 src=">.
Задача 4. Случайная величина равномерно распределена на отрезке . Найти плотность случайной величины .
Решение. Из условия задачи следует, что
Далее, функция является монотонной и дифференцируемой функцией на отрезке и имеет обратную функцию 
, производная которой равна Следовательно,
§ 5. Пара непрерывных случайных величин
Пусть заданы две непрерывные случайные величины x и h. Тогда пара (x, h) определяет «случайную» точку на плоскости. Пару (x, h) называют случайным вектором или двумерной случайной величиной.
Совместной функцией распределения
случайных величин x и h и называется функция F(x, y)=Phttps://pandia.ru/text/78/107/images/image093_3.gif" width="173" height="25">. Совместной плотностью
распределения вероятностей случайных величин x и h называется функция такая, что 
.
Смысл такого определения совместной плотности распределения заключается в следующем. Вероятность того, что «случайная точка» (x, h) попадет в область на плоскости, вычисляется как объем трехмерной фигуры – «криволинейного» цилиндра, ограниченного поверхностью https://pandia.ru/text/78/107/images/image098_3.gif" width="211" height="39 src=">
Простейшим примером совместного распределения двух случайных величин является двумерное равномерное распределение на множестве A . Пусть задано ограниченное множество М с площадью Оно определяется как распределение пары (x, h), задаваемое с помощью следующей совместной плотности:
Задача 5. Пусть двумерный случайный вектор (x, h) равномерно распределен внутри треугольника . Вычислить вероятность неравенства x>h.
Решение. Площадь указанного треугольника равна (см. рис. № ?). В силу определения двумерного равномерного распределения совместная плотность случайных величин x, h равна
Событие соответствует множеству 
на плоскости, т. е. полуплоскости. Тогда вероятность
На полуплоскости B совместная плотность равна нулю вне множества https://pandia.ru/text/78/107/images/image102_2.gif" width="15" height="17">. Таким образом, полуплоскость B разбивается на два множества и https://pandia.ru/text/78/107/images/image110_1.gif" width="17" height="23"> и , причем второй интеграл равен нулю, так как там совместная плотность равна нулю. Поэтому
Если задана совместная плотность распределения для пары (x, h), то плотности и составляющих x и h называются частными плотностями и вычисляются по формулам:
https://pandia.ru/text/78/107/images/image116_1.gif" width="224" height="23 src=">
Для непрерывно распределенных случайных величин с плотностями рx(х), рh(у) независимость означает, что
Задача 6. В условиях предыдущей задачи определить, независимы ли составляющие случайного вектора x и h?
Решение . Вычислим частные плотности и . Имеем:
https://pandia.ru/text/78/107/images/image119_1.gif" width="283" height="61 src=">
Очевидно, что в нашем случае https://pandia.ru/text/78/107/images/image121_1.gif" width="64" height="25"> - совместная плотность величин x и h, а j(х, у) - функция двух аргументов, тогда
https://pandia.ru/text/78/107/images/image123_1.gif" width="184" height="152 src=">
Задача 7. В условиях предыдущей задачи вычислить .
Решение. Согласно указанной выше формуле имеем:
.
Представив треугольник в виде
https://pandia.ru/text/78/107/images/image127_1.gif" width="479" height="59">
§ 5. Плотность суммы двух непрерывных случайных величин
Пусть x и h - независимые случайные величины с плотностями https://pandia.ru/text/78/107/images/image128_1.gif" width="43" height="25">. Плотность случайной величины x + h вычисляется по формуле свертки
https://pandia.ru/text/78/107/images/image130_0.gif" width="39" height="19 src=">. Вычислить плотность суммы .
Решение. Так как x и h распределены по показательному закону с параметром , то их плотности равны
Следовательно,
https://pandia.ru/text/78/107/images/image134_0.gif" width="339 height=51" height="51">
Если x<0, то в этой формуле аргумент https://pandia.ru/text/78/107/images/image136_0.gif" width="65" height="25">отрицателен, и потому . Поэтому Если же https://pandia.ru/text/78/107/images/image140_0.gif" width="359 height=101" height="101">
Таким образом, мы получили ответ:
https://pandia.ru/text/78/107/images/image142_0.gif" width="40" height="41 "> нормально распределена с параметрами 0 и 1. Случайные величины x1 и x2 независимы и имеют нормальные распределения с параметрами а1, и а2, соответственно. Доказать, что x1 + x2 имеет нормальное распределение. Случайные величины x1, x2, ... xn распределены и независимы и имеют одинаковую функцию плотности распределения
.
Найти функцию распределения и плотность распределения величин:
а) h1 = min {x1 , x2, ...xn} ; б) h(2) = max {x1,x2, ... xn }
Случайные величины x1, x2, ... xn независимы и равномерно распределены на отрезке [а, b]. Найти функции распределения и функции плотности распределения величин
x(1) = min {x1,x2, ... xn} и x(2)= max{x1, x2, ...xn}.
Доказать, что Мhttps://pandia.ru/text/78/107/images/image147_0.gif" width="176" height="47">.
Случайная величина распределена по закону Коши Найти: а) коэффициент а; б) функцию распределения; в) вероятность попадания на интервал (-1, 1). Показать, что математическое ожидание x не существует. Случайная величина подчинена закону Лапласа с параметром l (l>0): Найти коэффициент а; построить графики плотности распределения и функции распределения; найти Mx и Dx; найти вероятности событий {|x|< и {çxç<}. Случайная величина x подчинена закону Симпсона на отрезке [-а, а], т. е. график её плотности распределения имеет вид:
Написать формулу для плотности распределения, найти Мx и Dx.
Вычислительные задачи.
Случайная точка А имеет в круге радиуса R равномерное распределение. Найти математическое ожидание и дисперсию расстояния r точки до центра круга. Показать, что величина r2 равномерно распределена на отрезке . 
Плотность распределения случайной величины имеет вид:
Вычислить константу C, функцию распределения F(x), и вероятность 
Плотность распределения случайной величины имеет вид:
Вычислить константу C, функцию распределения F(x), и вероятность 
Плотность распределения случайной величины имеет вид: 
Вычислить константу C, функцию распределения F(x), , дисперсию и вероятность Случайная величина имеет функцию распределения
Вычислить плотность случайной величины, математическое ожидание, дисперсию и вероятность Проверить, что функция =
может быть функцией распределения случайной величины. Найти числовые характеристики этой величины: Mx и Dx. Случайная величина равномерно распределена не отрезке . Выписать плотность распределения. Найти функцию распределения. Найти вероятность попадания случайной величины на отрезок и на отрезок . Плотность распределения x равна
.
Найти постоянную с, плотность распределения h = и вероятность
Р (0,25 Время безотказной работы ЭВМ распределено по показательному закону с параметром l = 0,05 (отказа в час), т. е. имеет функцию плотности р(х) = Решение определенной задачи требует безотказной работы машины в течение 15 минут. Если за время решения задачи произошел сбой, то ошибка обнаруживается только по окончании решения, и задача решается заново. Найти: а) вероятность того, что за время решения задачи не произойдет ни одного сбоя; б) среднее время, за которое будет решена задача. Стержень длины 24 см ломают на две части; будем считать, что точка излома распределена равномерно по всей длине стержня. Чему равна средняя длина большей части стержня? Отрезок длины 12 см случайным образом разрезается на две части. Точка разреза равномерно распределена по всей длине отрезка. Чему равна средняя длина малой части отрезка? Случайная величина равномерно распределена на отрезке . Найти плотность распределения случайной величины а) h1 = 2x + 1; б) h2 =-ln(1-x); в) h3 = . Показать, что если x имеет непрерывную функцию распределения F(x) = P(x Найти функцию плотности и функцию распределения суммы двух независимых величин x и h c равномерными законами распределения на отрезках и соответственно. Случайные величины x и h независимы и равномерно распределены на отрезках и соответственно. Вычислить плотность суммы x+h. Случайные величины x и h независимы и равномерно распределены на отрезках и соответственно. Вычислить плотность суммы x+h. Случайные величины x и h независимы и равномерно распределены на отрезках и соответственно. Вычислить плотность суммы x+h. Случайные величины независимы и имеют показательное распределение с плотностью Функцией распределения
случайной
величиныХ
называется функцияF
(х
),
выражающая для каждогох
вероятность
того, что случайная величинаХ
примет
значение, меньшеех
:. Функцию
F
(х
)
иногда называют интегральной
функцией распределения,
или интегральным
законом распределения
. Случайная
величина Х
называется непрерывной
,
если ее функция распределения непрерывна
в любой точке и дифференцируема всюду,
кроме, быть может, отдельных точек. Примеры
непрерывных случайных величин: диаметр
детали, которую токарь обтачивает до
заданного размера, рост человека,
дальность полета снаряда и др. Теорема.
Вероятность любого отдельно взятого
значения непрерывной случайной величины
равна нулю Следствие.
Если Х
-
непрерывная случайная величина, то
вероятность попадания случайной величины
в интервал Если
непрерывная случайная величина Х
может принимать только значения в
границах от а
до b
(где а
и b
-
некоторые постоянные), то функция
распределения ее равна нулю для всех
значений Все свойства функций распределения
дискретных случайных величин выполняются
и для функций распределения непрерывных
случайных величин. Задание
непрерывной случайной величины с помощью
функции распределения не является
единственным. Плотностью
вероятности
(плотностью
распределения
или плотностью
)
р
(х
)
непрерывной случайной величины Х
называется производная ее функции
распределения Плотность
вероятности р
(х
), как и функция
распределенияF
(х
), является
одной из форм закона распределения, но
в отличие от функции распределения она
существует только длянепрерывных
случайных величин. Плотность
вероятности иногда называют дифференциальной
функцией, или дифференциальным законом
распределения
. График плотности
вероятности называется кривой
распределения. Свойства
плотности вероятности непрерывной
случайной величины: Рис. 8.1
Рис. 8.2
4.
Геометрически
свойства плотности вероятности означают,
что ее график - кривая распределения -
лежит не ниже оси абсцисс, и полная
площадь фигуры, ограниченной кривой
распределения и осью абсцисс, равна
единице. Пример
8.1.
Минутная
стрелка электрических часов передвигается
скачками поминутно. Вы бросили взгляд
на часы. Они показывают а
минут. Тогда для вас истинное время в
данный момент будет случайной величиной.
Найти ее функцию распределения. Решение.
Очевидно, что функция распределения
истинного времени равна 0 для всех
О Рис. 8.3
Пример
8.2.
Является
ли функцией распределения некоторой
случайной величины функция Решение.
Все
значения этой функции принадлежат
отрезку
Выполняются и
равенства: Следовательно,
функция
Пример
8.3.
Является
ли функцией распределения некоторой
случайной величины функция Решение.
Данная функция не является функцией
распределения случайной величины, так
как напромежутке
Рис. 8.5
Пример
8.4.
Случайная величина Х
задана функцией распределения Найти
коэффициент а
и плотность вероятности случайной
величины Х
.
Определить вероятность неравенства Решение.
Плотность распределения равна первой
производной от функции распределения Коэффициент
а
определяем с помощью равенства Тот
же результат можно было получить,
используя непрерывность функции
Следовательно,
Поэтому плотность
вероятности имеет вид Вероятность
Пример
8.5.
Случайная величина Х
имеет плотность вероятности (закон
Коши) Найти
коэффициент а
и вероятность того, что случайная
величина Х
примет какое-нибудь значение из интервала
Решение.
Найдем коэффициент а
из равенства Следовательно,
Итак,
Вероятность того, что случайная величина
Х
примет какое-нибудь значение из
интервала
Найдем функцию распределения данной
случайной величины П Рис. 8.6
Решение.
Пользуясь графиком, записываем
аналитическое выражение плотности
распределения вероятностей данной
случайной величины Найдем
функцию распределения. Если
Если
Если
Если
Следовательно, функция распределения
имеет вид
Глава 1. Дискретная случайная величина
§
1.Понятия случайной величины.
Закон распределения дискретной случайной величины.
Определение
: Случайной называется величина, которая в результате испытания принимает только одно значение из возможного множества своих значение, наперед неизвестное и зависящее от случайных причин. Различают два вида случайных величин: дискретные и непрерывные. Определение
: Случайная величина Х называется дискретной
(прерывной), если множество ее значений конечное или бесконечное, но счетное. Другими словами, возможные значения дискретной случайной величину можно перенумеровать. Описать случайную величину можно с помощью ее закона распределения. Определение
: Законом распределения дискретной случайной величины
называют соответствие между возможными значениями случайной величины и их вероятностями. Закон распределения дискретной случайной величины Х может быть задан в виде таблицы, в первой строке которой указаны в порядке возрастания все возможные значения случайной величины, а во второй строке соответствующие вероятности этих значений, т. е. где р1+ р2+…+ рn=1 Такая таблица называется рядом распределения дискретной случайной величины. Если множество возможных значений случайной величины бесконечно, то ряд р1+ р2+…+ рn+… сходится и его сумма равна 1. Закон распределения дискретной случайной величины Х можно изобразить графически, для чего в прямоугольной системе координат строят ломаную, соединяющую последовательно точки с координатами (xi;pi), i=1,2,…n. Полученную линию называют многоугольником распределения
(рис.1). Органическая хиимя" href="/text/category/organicheskaya_hiimya/" rel="bookmark">органической химии соответственно равны 0,7 и 0,8. Составить закон распределения случайной величины Х - числа экзаменов, которые сдаст студент. Решение.
Рассматриваемая случайная величина X в результате экзамена может принять одно из следующих значений:x1=0, x2=1, х3=2. Найдем вероятность этих значений.Обозначим события: https://pandia.ru/text/78/455/images/image004_81.jpg" width="259" height="66 src="> Итак, закон распределения случайной величины Х задается таблицей: Контроль:0,6+0,38+0,56=1. §
2. Функция распределения
Полное описание случайной величины дает также функция распределения. Определение:
Функцией распределения дискретной случайной величины Х
называется функция F(x), определяющая для каждого значения х вероятность того, что случайная величина Х примет значение, меньше х: F(x)=Р(Х<х) Геометрически функция распределения интерпретируется как вероятность того, что случайная величина Х примет значение, которое изображается на числовой прямой точкой, лежащей левее точки х.
1)0≤ F(x) ≤1; 2) F(x)- неубывающая функция на (-∞;+∞); 3) F(x)- непрерывна слева в точках х= xi (i=1,2,…n) и непрерывна во всех остальных точках; 4) F(-∞)=Р (Х<-∞)=0 как вероятность невозможного события Х<-∞, F(+∞)=Р(Х<+∞)=1 как вероятность достоверного события Х<-∞. Если закон распределения дискретной случайной величины Х задан в виде таблицы: то функция распределения F(x) определяется формулой: https://pandia.ru/text/78/455/images/image007_76.gif" height="110"> 0 при х≤ x1, р1 при x1< х≤ x2, F(x)= р1 + р2 при x2< х≤ х3 1 при х> хn. Её график изображен на рис.2: §
3. Числовые характеристики дискретной случайной величины.
К числу важных числовых характеристик относится математическое ожидание. Определение
: Математическим ожиданием М(Х)
дискретной случайной величины Х называется сумма произведений всех ее значений на соответствующие им вероятности: М(Х)=
∑ xiрi= x1р1 + x2р2+…+ xnрn Математическое ожидание служит характеристикой среднего значения случайной величины. Свойства математического ожидания:
1)M(C)=C, где С-постоянная величина; 2)М(С Х)=С М(Х), 3)М(Х±Y)=М(Х) ±M(Y); 4)M(X Y)=M(X) M(Y), где X, Y - независимые случайные величины; 5)M(X±C)=M(X)±C, где С-постоянная величина; Для характеристики степени рассеивания возможных значений дискретной случайной величины вокруг ее среднего значения служит дисперсия . Определение
:
Дисперсией
D
(
X
)
случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
Свойства дисперсии:
1)D(C)=0, где С-постоянная величина; 2)D(X)>0, где Х - случайная величина; 3)D(C X)=C2 D(X), где С-постоянная величина; 4)D(X+Y)=D(X)+D(Y), где X, Y - независимые случайные величины; Для вычисления дисперсии часто бывает удобно пользоваться формулой: D(X)=M(X2)-(M(X))2, где М(Х)=∑ xi2рi= x12р1 + x22р2+…+ xn2рn Дисперсия D(X) имеет размерность квадрата случайной величины, что не всегда удобно. Поэтому в качестве показателя рассеяния возможных значений случайной величины используют также величину √D(X). Определение:
Средним квадратическим отклонением
σ(Х)
случайной величины Х называется квадратный корень из дисперсии: Задача №2.
Дискретная случайная величина Х задана законом распределения: Найти Р2, функцию распределения F(x) и построить ее график, а также M(X),D(X), σ(Х). Решение:
Так как сумма вероятностей возможных значений случайной величины Х равна 1, то Р2=1- (0,1+0,3+0,2+0,3)=0,1 Найдем функцию распределения F(х)=P(X Геометрически это равенство можно истолковать так: F(х) есть вероятность того, что случайная величина примет значение, которое изображается на числовой оси точкой, лежащей левее точки х. Если х≤-1, то F(х)=0, т. к. на (-∞;х) нет ни одного значения данной случайной величины; Если -1<х≤0, то F(х)=Р(Х=-1)=0,1, т. к. в промежуток (-∞;х) попадает только одно значение x1=-1; Если 0<х≤1, то F(х)=Р(Х=-1)+ Р(Х=0)=0,1+0,1=0,2, т. к. в промежуток (-∞;х) попадают два значения x1=-1 и x2=0; Если 1<х≤2, то F(х)=Р(Х=-1) + Р(Х=0)+ Р(Х=1)= 0,1+0,1+0,3=0,5, т. к. в промежуток (-∞;х) попадают три значения x1=-1, x2=0 и x3=1; Если 2<х≤3, то F(х)=Р(Х=-1) + Р(Х=0)+ Р(Х=1)+ Р(Х=2)= 0,1+0,1+0,3+0,2=0,7, т. к. в промежуток (-∞;х) попадают четыре значения x1=-1, x2=0,x3=1 и х4=2; Если х>3, то F(х)=Р(Х=-1) + Р(Х=0)+ Р(Х=1)+ Р(Х=2)+Р(Х=3)= 0,1+0,1+0,3+0,2+0,3=1, т. к. в промежуток (-∞;х) попадают четыре значения x1=-1, x2=0,x3=1,х4=2 и х5=3. https://pandia.ru/text/78/455/images/image006_89.gif" width="14 height=2" height="2"> 0 при х≤-1, 0,1 при -1<х≤0, 0,2 при 0<х≤1, F(x)= 0,5 при 1<х≤2, 0,7 при 2<х≤3, 1 при х>3 Изобразим функцию F(x)графически (рис.3): https://pandia.ru/text/78/455/images/image014_24.jpg" width="158 height=29" height="29">≈1,2845. §
4. Биномиальный закон распределения
дискретной случайной величины, закон Пуассона.
Определение:
Биномиальным
называется закон распределения дискретной случайной величины Х - числа появлений события А в n независимых повторных испытаниях, в каждом из которых события А может наступить с вероятностью p или не наступить с вероятностью q=1-p. Тогда Р(Х=m)-вероятность появления события А ровно m раз в n испытаниях вычисляется по формуле Бернулли: Р(Х=m)=Сmnpmqn-m Математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины Х, распределенной по бинарному закону, находят, соответственно, по формулам: https://pandia.ru/text/78/455/images/image016_31.gif" width="26"> Вероятность события А - «выпадение пятерки» в каждом испытании одна и та же и равна 1/6, т. е. Р(А)=р=1/6, тогда Р(А)=1-p=q=5/6, где - «выпадения не пятерки». Случайная величина Х может принимать значения: 0;1;2;3. Вероятность каждого из возможных значений Х найдем по формуле Бернулли: Р(Х=0)=Р3(0)=С03р0q3=1 (1/6)0 (5/6)3=125/216; Р(Х=1)=Р3(1)=С13р1q2=3 (1/6)1 (5/6)2=75/216; Р(Х=2)=Р3(2)=С23р2q =3 (1/6)2 (5/6)1=15/216; Р(Х=3)=Р3(3)=С33р3q0=1 (1/6)3 (5/6)0=1/216. Т. о. закон распределения случайной величины Х имеет вид: Контроль: 125/216+75/216+15/216+1/216=1. Найдем числовые характеристики случайной величины Х: M(X)=np=3 (1/6)=1/2, D(X)=npq=3 (1/6) (5/6)=5/12, Задача№4.
Станок-автомат штампует детали. Вероятность того, что изготовленная деталь окажется бракованной равна 0,002. Найти вероятность того, что среди 1000 отобранных деталей окажется: а) 5 бракованных; б) хотя бы одна бракованная. Решение:
Число n=1000 велико, вероятность изготовления бракованной детали р=0,002 мала, и рассматриваемые события (деталь окажется бракованной) независимы, поэтому имеет место формула Пуассона: Рn(m)= e
-
λ
λm
Найдем λ=np=1000 0,002=2. а)Найдем вероятность того, что будет 5 бракованных деталей (m=5): Р1000(5)= e
-2
25
= 32 0,13534
= 0,0361 б)Найдем вероятность того, что будет хотя бы одна бракованная деталь. Событие А -«хотя бы одна из отобранных деталей бракованная» является противоположным событию -«все отобранные детали не бракованные».Следовательно, Р(А)=1-Р(). Отсюда искомая вероятность равна: Р(А)=1-Р1000(0)=1- e
-2
20
= 1- e-2=1-0,13534≈0,865. Задачи для самостоятельной работы.
1.1
1.2.
Дисперсная случайная величина Х задана законом распределения: Найти р4, функцию распределения F(X) и построить ее график, а также M(X),D(X), σ(Х). 1.3.
В коробке 9 фломастеров, из которых 2 фломастера уже не пишут. Наудачу берут 3 фломастера. Случайная величина Х - число пишущих фломастеров среди взятых. Составить закон распределения случайной величины. 1.4.
На стеллаже библиотеки в случайном порядке расставлено 6 учебников, причем 4 из них в переплете. Библиотекарь берет наудачу 4 учебника. Случайная величина Х-число учебников в переплете среди взятых. Составить закон распределения случайной величины. 1.5.
В билете две задачи. Вероятность правильного решения первой задачи равна 0,9, второй-0,7. Случайная величина Х- число правильно решенных задач в билете. Составить закон распределения, вычислить математическое ожидание и дисперсию этой случайной величины, а также найти функцию распределения F(x) и построить ее график. 1.6.
Три стрелка стреляют по мишени. Вероятность попадания в мишень при одном выстреле для первого стрелка равна 0,5, для второго-0,8, для третьего -0,7. Случайная величина Х - число попаданий в мишень, если стрелки делают по одному выстрелу. Найти закон распределения, M(X),D(X). 1.7.
Баскетболист бросает мяч в корзину с вероятностью попадания при каждом броске 0,8. За каждое попадание он получает 10 очков, а в случае промаха очки ему не начисляют. Составить закон распределения случайной величины Х-числа очков, полученных баскетболистом за 3 броска. Найти M(X),D(X), а также вероятность того, что он получит более 10 очков. 1.8.
На карточках написаны буквы, всего 5 гласных и 3 согласных. Наугад выбирают 3 карточки, причем каждый раз взятую карточку возвращают назад. Случайная величина Х-число гласных букв среди взятых. Составить закон распределения и найти M(X),D(X),σ(Х). 1.9.
В среднем по 60% договоров страховая компания выплачивает страховые суммы в связи с наступлением страхового случая. Составить закон распределения случайной величины Х - числа договоров, по которым была выплачена страховая сумма среди наудачу отобранных четырех договоров. Найти числовые характеристики этой величины. 1.10.
Радиостанция через определенные промежутки времени посылает позывные сигналы (не более четырех) до установления двусторонней связи. Вероятность получения ответа на позывной сигнал равна 0,3. Случайная величина Х-число посланных позывных сигналов. Составить закон распределения и найти F(x). 1.11.
Имеется 3 ключа, из которых только один подходит к замку. Составить закон распределения случайной величины Х-числа попыток открывания замка, если испробованный ключ в последующих попытках не участвует. Найти M(X),D(X). 1.12.
Производятся последовательные независимые испытания трех приборов на надежность. Каждый следующий прибор испытывается только в том случае, если предыдущий оказался надежным. Вероятность выдержать испытание для каждого прибора равна 0,9. Составить закон распределения случайной величины Х-числа испытанных приборов. 1.13
.Дискретная случайная величина Х имеет три возможные значения: х1=1, х2,х3, причем х1<х2<х3. Вероятность того, что Х примет значения х1 и х2, соответственно равны 0,3 и 0,2. Известно, что М(Х)=2,2, D(X)=0,76. Составить закон распределения случайной величины. 1.14.
Блок электронного устройства содержит 100 одинаковых элементов. Вероятность отказа каждого элемента в течении времени Т равна 0,002. Элементы работают независимо. Найти вероятность того, что за время Т откажет не более двух элементов. 1.15.
Учебник издан тиражом 50000 экземпляров. Вероятность того, что учебник сброшюрован неправильно, равна 0,0002. Найти вероятность того, что тираж содержит: а) четыре бракованные книги, б) менее двух бракованных книг. 1
.16.
Число вызовов, поступающих на АТС каждую минуту, распределено по закону Пуассона с параметром λ=1,5. Найдите вероятность того, что за минуту поступит: а) два вызова; б)хотя бы один вызов. 1.17.
Найти M(Z),D(Z), если Z=3X+Y. 1.18.
Даны законы распределения двух независимых случайных величин: Найти M(Z),D(Z), если Z=X+2Y. Ответы:
https://pandia.ru/text/78/455/images/image007_76.gif" height="110">1.1.
р3=0,4; 0 при х≤-2, 0,3 при -2<х≤0, F(x)= 0,5 при 0<х≤2, 0,9 при 2<х≤5, 1 при х>5 0,3 при -1<х≤0, 0,4 при 0<х≤1, F(x)= 0,6 при 1<х≤2, 0,7 при 2<х≤3, 1 при х>3 M(Х)=1; D(Х)=2,6; σ(Х) ≈1,612. https://pandia.ru/text/78/455/images/image025_24.gif" width="2 height=98" height="98"> 0 при х≤0, 0,03 при 0<х≤1, F(x)= 0,37 при 1<х≤2, 1 при х>2 M(Х)=2; D(Х)=0,62 M(Х)=2,4; D(Х)=0,48, P(X>10)=0,896 1.
8
.
M(Х)=15/8; D(Х)=45/64; σ(Х) ≈ M(Х)=2,4; D(Х)=0,96 https://pandia.ru/text/78/455/images/image008_71.gif" width="14">1.11.
M(Х)=2; D(Х)=2/3 1.14.
1,22 e-0,2≈0,999 1.15.
а)0,0189; б) 0,00049 1.16.
а)0,0702; б)0,77687 1.17.
3,8; 14,2 1.18.
11,2; 4. Глава 2.
Непрерывная случайная величина
Определение:
Непрерывной
называют величину, все возможные значения которой полностью заполняют конечный или бесконечный промежуток числовой оси. Очевидно, число возможных значений непрерывной случайной величины бесконечно. Непрерывную случайную величину можно задавать с помощью функции распределения. Определение:
Функцией распределения
непрерывной случайной величины Х называется функция F(х), определяющая для каждого значения хhttps://pandia.ru/text/78/455/images/image028_11.jpg" width="14" height="13">R Функцию распределения иногда называют интегральной функцией распределения. Свойства функции распределения:
1)1≤ F(x) ≤1 2)У непрерывной случайной величины функция распределения непрерывна в любой точке и дифференцируема всюду, кроме, быть может, отдельных точек. 3) Вероятность попадания случайной величины Х в один из промежутков (а;b), [а;b), [а;b], равна разности значений функции F(х) в точках а и b, т.е. Р(а<Х 4)Вероятность того, что непрерывная случайная величина Х примет одно отдельное значение равна 0. 5) F(-∞)=0, F(+∞)=1 Задание непрерывной случайной величины с помощью функции распределения не является единственным. Введем понятие плотности распределения вероятностей (плотность распределения). Определение
:
Плотностью распределения вероятностей
f
(
x
)
непрерывной случайной величины Х называется производная от ее функции распределения, т. е.: Плотность распределения вероятностей иногда называют дифференциальной функцией распределения или дифференциальным законом распределения. Графикплотности распределения вероятностей f(x) называется кривой распределения вероятностей
.
Свойства плотности распределения вероятностей:
1)f(x) ≥0,при хhttps://pandia.ru/text/78/455/images/image029_10.jpg" width="285" height="141">.gif" width="14" height="62 src="> 0 при х≤2, f(x)= с(х-2) при 2<х≤6, 0 при х>6. Найти: а) значение с; б) функцию распределения F(х) и построить ее график; в) Р(3≤х<5) Решение:
+
∞ а) Значение с найдем из условия нормировки: ∫ f(x)dx=1. Следовательно, -∞ https://pandia.ru/text/78/455/images/image032_23.gif" height="38 src="> -∞ 2 2 х если 2<х≤6, то F(x)= ∫ 0dx+∫ 1/8(х-2)dx=1/8(х2/2-2х) = 1/8(х2/2-2х - (4/2-4))= 1/8(х2/2-2х+2)=1/16(х-2)2; Gif" width="14" height="62"> 0 при х≤2, F(х)= (х-2)2/16 при 2<х≤6, 1 при х>6. График функции F(х) изображен на рис.3 https://pandia.ru/text/78/455/images/image034_23.gif" width="14" height="62 src="> 0 при х≤0, F(х)= (3 arctg х)/π при 0<х≤√3, 1 при х>√3. Найти дифференциальную функцию распределения f(х) Решение:
Т. к.f(х)= F’(x), то https://pandia.ru/text/78/455/images/image011_36.jpg" width="118" height="24"> Все свойства математического ожидания и дисперсии, рассмотренные ранее для дисперсных случайных величин, справедливы и для непрерывных. Задача №3.
Случайная величина Х задана дифференциальной функцией f(x): https://pandia.ru/text/78/455/images/image036_19.gif" height="38"> -∞ 2 X3/9 + х2/6 = 8/9-0+9/6-4/6=31/18, https://pandia.ru/text/78/455/images/image032_23.gif" height="38"> +∞ D(X)= ∫ х2 f(x)dx-(М(х))2=∫ х2 х/3 dx+∫1/3х2 dx=(31/18)2=х4/12 +х3/9 - - (31/18)2=16/12-0+27/9-8/9-(31/18)2=31/9- (31/18)2==31/9(1-31/36)=155/324, https://pandia.ru/text/78/455/images/image032_23.gif" height="38"> P(1<х<5)= ∫ f(x)dx=∫ х/3 dx+∫ 1/3 dx+∫ 0 dx= х2/6 +1/3х = 4/6-1/6+1-2/3=5/6. Задачи для самостоятельного решения.
2.1.
Непрерывная случайная величина Х задана функцией распределения: 0 при х≤0, F(х)= https://pandia.ru/text/78/455/images/image038_17.gif" width="14" height="86"> 0 при х≤ π/6, F(х)= - cos 3x при π/6<х≤ π/3, 1 при х> π/3. Найти дифференциальную функцию распределения f (x), а также Р(2π /9<Х< π /2). 2.3.
0 при х≤2, f(х)= с х при 2<х≤4, 0 при х>4. 2.4.
Непрерывная случайная величина Х задана плотностью распределения: 0 при х≤0, f(х)= с √х при 0<х≤1, 0 при х>1. Найти: а) число с; б) М(Х), D(X). 2.5.
https://pandia.ru/text/78/455/images/image041_3.jpg" width="36" height="39"> при х, 0 при х . Найти: а) F(х) и построить ее график; б) M(X),D(X), σ(Х); в) вероятность того, что в четырех независимых испытаниях величина Х примет ровно 2 раза значение, принадлежащее интервалу (1;4). 2.6.
Задана плотность распределения вероятностей непрерывной случайной величины Х: f(х)= 2(х-2) при х, 0 при х . Найти: а) F(х) и построить ее график; б) M(X),D(X), σ (Х); в) вероятность того, что в трех независимых испытаниях величина Х примет ровно 2 раза значение, принадлежащее отрезку . 2.7.
Функция f(х) задана в виде: https://pandia.ru/text/78/455/images/image045_4.jpg" width="43" height="38 src=">.jpg" width="16" height="15">[-√3/2 ; √3/2]. 2.8.
Функция f(x) задана в виде: https://pandia.ru/text/78/455/images/image046_5.jpg" width="45" height="36 src="> .jpg" width="16" height="15">[- π /4 ; π /4]. Найти: а) значение постоянной с, при которой функция будет плотностью вероятности некоторой случайной величины Х; б) функцию распределения F(x). 2.9.
Случайная величина Х, сосредоточенная на интервале (3;7), задана функцией распределения F(х)= . Найти вероятность того, что случайная величина Х примет значение: а) меньше 5, б) не меньше 7. 2.10.
Случайная величина Х, сосредоточенная на интервале (-1;4), задана функцией распределения F(х)= . Найти вероятность того, что случайная величина Х примет значение: а) меньше 2, б) не меньше 4. 2.11.
https://pandia.ru/text/78/455/images/image049_6.jpg" width="43" height="44 src="> .jpg" width="16" height="15">. Найти: а) число с; б) М(Х); в) вероятность Р(Х> М(Х)). 2.12.
Случайная величина задана дифференциальной функцией распределения: https://pandia.ru/text/78/455/images/image050_3.jpg" width="60" height="38 src=">.jpg" width="16 height=15" height="15">. Найти: а) М(Х); б) вероятность Р(Х≤М(Х)) 2.13.
Распределение Ремя задается плотностью вероятности: https://pandia.ru/text/78/455/images/image052_5.jpg" width="46" height="37"> при х ≥0. Доказать, что f(x) действительно является плотностью распределения вероятностей. 2.14.
Задана плотность распределения вероятностей непрерывной случайной величины Х: https://pandia.ru/text/78/455/images/image054_3.jpg" width="174" height="136 src=">(рис.4) 2.16.
Случайная величина Х распределена по закону «прямоугольного треугольника» в интервале (0;4) (рис.5). Найти аналитическое выражение для плотности вероятности f(x) на всей числовой оси. Ответы
0 при х≤0, f(х)= https://pandia.ru/text/78/455/images/image038_17.gif" width="14" height="86"> 0 при х≤ π/6, F(х)= 3sin 3x при π/6<х≤ π/3, 0 при х> π/3.
Непрерывная случайная величина Х имеет равномерный закон распределения на некотором интервале (а;b), которому принадлежат все возможные значения Х, если плотность распределения вероятностей f(x) постоянная на этом интервале и равна 0 вне его, т. е. 0 при х≤а, f(х)= при a<х 0 при х≥b. График функции f(x) изображен на рис. 1 F(х)= https://pandia.ru/text/78/455/images/image077_3.jpg" width="30" height="37">, D(X)=, σ(Х)=. Задача№1.
Случайная величина Х равномерно распределена на отрезке . Найти: а) плотность распределения вероятностей f(x) и построить ее график; б) функцию распределения F(x) и построить ее график; в) M(X),D(X), σ(Х). Решение:
Воспользовавшись формулами, рассмотренными выше, при а=3, b=7, находим: https://pandia.ru/text/78/455/images/image081_2.jpg" width="22" height="39"> при 3≤х≤7, 0 при х>7 Построим ее график (рис.3): https://pandia.ru/text/78/455/images/image038_17.gif" width="14" height="86 src="> 0 при х≤3, F(х)= https://pandia.ru/text/78/455/images/image084_3.jpg" width="203" height="119 src=">рис.4 D(X) = ==https://pandia.ru/text/78/455/images/image089_1.jpg" width="37" height="43">==https://pandia.ru/text/78/455/images/image092_10.gif" width="14" height="49 src="> 0 при х<0, f(х)= λе-λх при х≥0. Функция распределения случайной величины Х, распределенной по показательному закону, задается формулой: https://pandia.ru/text/78/455/images/image094_4.jpg" width="191" height="126 src=">рис..jpg" width="22" height="30"> , D(X)=, σ (Х)= Таким образом, математическое ожидание и среднее квадратическое отклонение показательного распределения равны между собой. Вероятность попадания Х в интервал (a;b) вычисляется по формуле: Р(a<Х Задача №2.
Среднее время безотказной работы прибора равно 100 ч. Полагая, что время безотказной работы прибора имеет показательный закон распределения, найти: а) плотность распределения вероятностей; б) функцию распределения; в) вероятность того, что время безотказной работы прибора превысит 120 ч. Решение:
По условию математическое распределение M(X)=https://pandia.ru/text/78/455/images/image098_10.gif" height="43 src="> 0 при х<0, а) f(х)= 0,01е -0,01х при х≥0. б) F(x)= 0 при х<0, 1- е -0,01х при х≥0. в) Искомую вероятность найдем, используя функцию распределения: Р(X>120)=1-F(120)=1-(1- е -1,2)= е -1,2≈0,3. §
3.Нормальный закон распределения
Определение:
Непрерывная случайная величина Х имеет нормальный закон распределения (закон Гаусса),
если ее плотность распределения имеет вид: где m=M(X), σ2=D(X), σ>0. Кривую нормального закона распределения называют нормальной или гауссовой кривой
(рис.7) Функция распределения случайной величины Х, распределенной по нормальному закону, выражается через функцию Лапласа Ф (х) по формуле: где - функция Лапласа. Замечание:
Функция Ф(х) является нечетной (Ф(-х)=-Ф(х)), кроме того, при х>5 можно считать Ф(х) ≈1/2. График функции распределения F(x) изображен на рис. 8 https://pandia.ru/text/78/455/images/image106_4.jpg" width="218" height="33"> Вероятность того, что абсолютная величина отклонения меньше положительного числа δ вычисляется по формуле: В частности, при m=0 справедливо равенство: «Правило трех сигм»
Если случайная величина Х имеет нормальный закон распределения с параметрами m и σ, то практически достоверно, что ее значение заключены в интервале (a-3σ; a+3σ), т. к. https://pandia.ru/text/78/455/images/image110_2.jpg" width="157" height="57 src=">а) б) Воспользуемся формулой: https://pandia.ru/text/78/455/images/image112_2.jpg" width="369" height="38 src="> По таблице значений функции Ф(х) находим Ф(1,5)=0,4332, Ф(1)=0,3413. Итак, искомая вероятность: P(28 Задачи для самостоятельной работы
3.1.
Случайная величина Х равномерно распределена в интервале (-3;5). Найдите: б)функции распределения F(x); в)числовые характеристики; г)вероятность Р(4<х<6). 3.2.
Случайная величина Х равномерно распределена на отрезке . Найдите: а) плотность распределения f(x); б)функции распределения F(x); в)числовые характеристики; г)вероятность Р(3≤х≤6). 3.3.
На шоссе установлен автоматический светофор, в котором 2 минуты для транспорта горит зеленый свет, 3 секунды желтый и 30 секунд красный и т. д. Машина проезжает по шоссе в случайный момент времени. Найти вероятность того, что машина проедет мимо светофора, не останавливаясь. 3.4.
Поезда метрополитена идут регулярно с интервалом 2 минуты. Пассажир выходит на платформу в случайный момент времени. Какова вероятность того, что ждать поезд пассажиру придется больше 50 секунд. Найти математическое ожидание случайной величины Х - время ожидания поезда. 3.5.
Найти дисперсию и среднее квадратическое отклонение показательного распределения, заданного функцией распределения: F(x)= 0 при х<0, 1-е-8х при х≥0. 3.6.
Непрерывная случайная величина Х задана плотностью распределения вероятностей: f(x)= 0 при х<0, 0,7 е-0,7х при х≥0. а) Назовите закон распределения рассматриваемой случайной величины. б) Найдите функцию распределения F(X) и числовые характеристики случайной величины Х. 3.7.
Случайная величина Х распределена по показательному закону, заданному плотностью распределения вероятностей: f(x)= 0 при х<0, 0,4 е-0,4 х при х≥0. Найти вероятность того, что в результате испытания Х примет значение из интервала (2,5;5). 3.8.
Непрерывная случайная величина Х распределена по показательному закону, заданному функцией распределения: F(x)= 0 при х<0, 1-е-0,6х при х≥0 Найти вероятность того, что в результате испытания Х примет значение из отрезка . 3.9.
Математическое ожидание и среднее квадратическое отклонение нормально распределенной случайной величины соответственно равны 8 и 2. Найдите: а) плотность распределения f(x); б) вероятность того, что в результате испытания Х примет значение из интервала (10;14). 3.10.
Случайная величина Х распределена нормально с математическим ожиданием 3,5 и дисперсией 0,04. Найдите: а) плотность распределения f(x); б) вероятность того, что в результате испытания Х примет значение из отрезка . 3.11.
Случайная величина Х распределена нормально с M(X)=0 и D(X)=1. Какое из событий: |Х|≤0,6 или |Х|≥0,6 имеет большую вероятность? 3.12.
Случайная величина Х распределена нормально с M(X)=0 и D(X)=1.Из какого интервала (-0,5;-0,1) или (1;2) при одном испытании она примет значение с большей вероятностью? 3.13.
Текущая цена за одну акцию может быть смоделирована с помощью нормального закона распределения с M(X)=10ден. ед. и σ (Х)=0,3 ден. ед. Найти: а) вероятность того, что текущая цена акции будет от 9,8 ден. ед. до 10,4 ден. ед.; б)с помощью «правила трех сигм» найти границы, в которых будет находится текущая цена акции. 3.14.
Производится взвешивание вещества без систематических ошибок. Случайные ошибки взвешивания подчинены нормальному закону со средним квадратическим отношением σ=5г. Найти вероятность того, что в четырех независимых опытах ошибка при трех взвешиваниях не произойдет по абсолютной величине 3г. 3.15.
Случайная величина Х распределена нормально с M(X)=12,6. Вероятность попадания случайной величины в интервал (11,4;13,8) равна 0,6826. Найдите среднее квадратическое отклонение σ. 3.16.
Случайная величина Х распределена нормально с M(X)=12 и D(X)=36.Найти интервал, в который с вероятностью 0,9973 попадет в результате испытания случайная величина Х. 3.17.
Деталь, изготовленная автоматом, считается бракованной, если отклонение Х ее контролируемого параметра от номинала превышает по модулю 2 единицы измерения . Предполагается, что случайная величина Х распределена нормально с M(X)=0 и σ(Х)=0,7. Сколько процентов бракованных деталей выдает автомат? 3.18.
Параметр Х детали распределен нормально с математическим ожиданием 2, равным номиналу, и средним квадратическим отклонением 0,014. Найти вероятность того, что отклонение Х от номинала по модулю не превысит 1% номинала. Ответы
https://pandia.ru/text/78/455/images/image116_9.gif" width="14" height="110 src="> б) 0 при х≤-3, F(х)= left"> 3.10.
а)f(x)= , б) Р(3,1≤Х≤3,7) ≈0,8185. 3.11.
|x|≥0,6. 3.12.
(-0,5;-0,1). 3.13.
а) Р(9,8≤Х≤10,4) ≈0,6562. 3.14.
0,111. 3.15.
σ=1,2. 3.16.
(-6;30). 3.17.
0,4%. Дисперсия
непрерывной случайной величины X , возможные значения которой принадлежат всей оси Ох, определяется равенством:
Назначение сервиса
. Онлайн калькулятор предназначен для решения задач, в которых заданы либо плотность распределения
f(x) , либо функция распределения F(x) (см. пример). Обычно в таких заданиях требуется найти математическое ожидание, среднее квадратическое отклонение, построить графики функций f(x) и F(x)
. Инструкция
. Выберите вид исходных данных: плотность распределения f(x) или функция распределения F(x) .
Задана плотность распределения f(x): Задана функция распределения F(x): Непрерывная случайна величина задана плотностью вероятностей Случайную величину X называют непрерывной
, если ее функция распределения F(X)=P(X < x) непрерывна и имеет производную.
.
. Найти плотность распределения их суммы. Найти распределение суммы независимых случайных величин x и h, где x имеет равномерное на отрезке распределение, а h имеет показательное распределение с параметром l. Найти Р
, если x имеет: а) нормальное распределение с параметрами а и s2 ; б) показательное распределение с параметром l; в) равномерное распределение на отрезке [-1;1]. Совместное распределение x, h является равномерным в квадрате
К ={х, у): |х| +|у|£ 2}. Найти вероятность
. Являются ли x и h независимыми? Пара случайных величин x и h равномерно распределена внутри треугольника K=. Вычислить плотность x и h. Являются ли эти случайные величины независимыми? Найти вероятность . Случайные величины x и h независимы и равномерно распределены на отрезках и [-1,1]. Найти вероятность . Двумерная случайная величина (x, h) равномерно распределена в квадрате с вершинами (2,0), (0,2), (-2, 0), (0,-2). Найти значение совместной функции распределения в точке (1, -1). Случайный вектор (x, h) равномерно распределен внутри круга радиуса 3 с центром в начале координат. Написать выражение для совместной плотности распределения. Определить, зависимы ли эти случайные величины. Вычислить вероятность . Пара случайных величин x и h равномерно распределена внутри трапеции с вершинами в точках (-6,0), (-3,4), (3,4), (6,0). Найти совместную плотность распределения для этой пары случайных величин и плотности составляющих. Зависимы ли x и h? Случайная пара (x, h) равномерно распределена внутри полукруга . Найти плотности x и h, исследовать вопрос об их зависимости. Совместная плотность двух случайных величин x и h равна 
.
Найти плотности x, h. Исследовать вопрос о зависимости x и h. Случайная пара (x, h) равномерно распределена на множестве . Найти плотности x и h, исследовать вопрос об их зависимости. Найти М(xh). Случайные величины x и h независимы и распределены по показательному закону с параметром Найти
.
не зависит от того, является этот интервал
открытым или закрытым, т.е.
и единице для значений 
.Для непрерывной случайной величины
.
.
и единице для
.
Время течет равномерно. Поэтому
вероятность того, что истинное время
меньше а
+
0,5 мин, равна 0,5, так как одинаково
вероятно, прошло ли после а
менее или более полминуты. Вероятность
того, что истинное время меньше а
+ 0,25 мин, равна 0,25 (вероятность этого
времени втрое меньше вероятности того,
что истинное время больше а
+ 0,25 мин, а сумма их равна единице, как
сумма вероятностей противоположных
событий). Аналогично рассуждая, найдем,
что вероятность того, что истинное время
меньше а
+ 0,6 мин, равна 0,6. В общем случае вероятность
того, что истинное время меньше а
+ + α
мин
,
равна α
.
Следовательно, функция распределения
истинного времени имеет следующее
выражение:
на
непрерывна всюду, а производная ее
непрерывна во всех точках, за исключением
двух:х = а
их = а
+ 1.
График этой функции имеет вид
(рис. 8.3):
,
т.е.
.
Функция F
(х
)
является неубывающей: в промежутке
она постоянна, равна нулю, в промежутке
возрастает, в промежутке
также постоянна, равна единице (см.
рис. 8.4). Функция непрерывна в каждой
точке х
0
области ее определения - промежутка
,
поэтому непрерывна слева, т.е. выполняется
равенство
,
.
,
.
удовлетворяет всем свойствам, характерным
для функции распределения. Значит данная
функция
является функцией распределения
некоторой случайной величиныХ
.
она убывает и не является непрерывной.
График функции изображен на рис. 8.5.
.
,
.
в точке
,
.
.
попадания
случайной величины Х
в заданный промежуток вычисляется по
формуле
.
.
Найти функцию распределения этой
случайной величины.
,
.
.
,
равна
ример
8.6.
График плотности вероятности
случайной величиныХ
изображен на
рис. 8.6 (закон Симпсона). Написать
выражение плотности вероятности ифункцию
распределения этой случайной величины.
,
то
.
,
то
.
,
то
,
то
1.2.
р4=0,1; 0 при х≤-1,
(рис.5)
https://pandia.ru/text/78/455/images/image038_17.gif" width="14" height="86"> 0 при х≤а,
,
Нормальная кривая симметрична относительно прямой х=m, имеет максимум в т. х=а, равный .
,
(закон распределения Релея – применяется в радиотехнике). Найти M(x) , D(x) .
Функция распределения непрерывной случайной величины применяется для вычисления вероятностей попадания случайной величины в заданный промежуток:
P(α < X < β)=F(β) - F(α)
причем для непрерывной случайной величины не имеет значения, включаются в этот промежуток его границы или нет:
P(α < X < β) = P(α ≤ X < β) = P(α ≤ X ≤ β)
Плотностью распределения
непрерывной случайной величины называется функция
f(x)=F’(x) , производная от функции распределения.Свойства плотности распределения
1. Плотность распределения случайной величины неотрицательна (f(x) ≥ 0) при всех значениях x.
2. Условие нормировки:
Геометрический смысл условия нормировки: площадь под кривой плотности распределения равна единице.
3. Вероятность попадания случайной величины X в промежуток от α до β может быть вычислена по формуле
Геометрически вероятность попадания непрерывной случайной величины X в промежуток (α, β) равна площади криволинейной трапеции под кривой плотности распределения, опирающейся на этот промежуток.
4. Функция распределения выражается через плотность следующим образом:
Значение плотности распределения в точке x не равно вероятности принять это значение, для непрерывной случайной величины речь может идти только о вероятности попадания в заданный интервал. Пусть }
