Теоретический материал по модулям "теория вероятности и математическая статистика". Большая энциклопедия нефти и газа

Задача 14. В денежной лотерее разыгрывается 1 выигрыш в 1000000 руб., 10 выигрышей по 100000 руб. и 100 выигрышей по 1000 руб. при общем числе билетов 10000. Найти закон распределения случайного выигрыша Х для владельца одного лотерейного билета.

Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;

х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.

Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:

Задача 15 . Дискретная случайная величина Х задана законом распределения:

Построить многоугольник распределения.

Решение . Построим прямоугольную систему координат, причем по оси абсцисс будем откладывать возможные значения х i , а по оси ординат – соответствующие вероятности р i . Построим точки М 1 (1;0,2), М 2 (3;0,1), М 3 (6;0,4) и М 4 (8;0,3). Соединив эти точки отрезками прямых, получим искомый многоугольник распределения.

§2. Числовые характеристики случайных величин

Случайная величина полностью характеризуется своим законом распределения. Осредненное описание случайной величины можно получить при использовании ее числовых характеристик

2.1. Математическое ожидание. Дисперсия.

Пусть случайная величина может принимать значения с вероятностями соответственно .

Определение. Математическим ожиданием дискретной случайной величинаы называется сумма произведений всех ее возможных значений на соответствующие вероятности:

Свойства математического ожидания.

Рассеяние случайной величины около среднего значения характеризуют дисперсия и среднеквадратическое отклонение.

Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

Для вычислений используется следующая формула

Свойства дисперсии.

2. , где взаимно независимые случайные величины.

3. Среднеквадратическое отклонение .

Задача 16. Найти математическое ожидание случайной величины Z = X+ 2Y , если известны математические ожидания случайных величин X и Y : М (Х ) = 5, М (Y ) = 3.

Решение . Используем свойства математического ожидания. Тогда получаем:

М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.

Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.

Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:

а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;

б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.

Задача 18. Дана независимая случайная величина Y – число очков, выпавших при бросании игральной кости. Найти закон распределения, математическое ожидание, дисперсию и среднее квадратичное отклонение случайной величины Y .

Решение. Таблица распределения случайной величины Y имеет вид:

Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;

D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.

Случайные величины: дискретные и непрерывные.

При проведении стохастического эксперимента формируется пространство элементарных событий – возможных исходов этого эксперимента. Считают, что на этом пространстве элементарных событий задана случайная величина X, если задан закон (правило) по которому каждому элементарному событию сопоставляется число. Таким образом, случайную величину X можно рассматривать, как функцию, заданную на пространстве элементарных событий.

■ Случайная величина - величина, которая при каждом испытании принимает то или иное числовое значение (наперед неизвестно, какое именно), зависящее от случайных причин, которые заранее не могут быть учтены. Случайные величины обозначают заглавными буквами латинского алфавита, а возможные значения случайной величины – малыми. Так, при бросании игрального кубика происходит событие, связанное с числом x , где x – выпавшее число очков. Число очков – случайная величина, а числа 1, 2, 3, 4, 5, 6 – возможные значения этой величины. Расстояние, которое пролетит снаряд при выстреле из орудия – тоже случайная величина (зависит от установки прицела, силы и направления ветра, температуры и других факторов), а возможные значения этой величины принадлежат некоторому промежутку (a; b).

■ Дискретная случайная величина – случайная величина, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным и бесконечным.

■ Непрерывная случайная величина – случайная величина, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Число возможных значений непрерывной случайной величины – бесконечно.

Например, число выпавших очков при бросании кубика, балльная оценка за контрольную работу – дискретные случайные величины; расстояние, которое пролетает снаряд при стрельбе из орудия, погрешность измерений показателя времени усвоения учебного материала, рост и вес человека – непрерывные случайные величины.

Закон распределения случайной величины – соответствие между возможными значениями случайной величины и их вероятностями, т.е. каждому возможному значению x i ставится в соответствие вероятность p i , с которой случайная величина может принять это значение. Закон распределения случайной величины может быть задан таблично (в форме таблицы), аналитически (в виде формулы) играфически.

Пусть дискретная случайная величина X принимает значения x 1 , x 2 , …, x n с вероятностями p 1 , p 2 , …, p n соответственно, т.е. P(X=x 1) = p 1 , P(X=x 2) = p 2 , …, P(X=x n) = p n . При табличном задании закона распределения этой величины первая строка таблицы содержит возможные значения x 1 , x 2 , …, x n , а вторая – их вероятности

X	x 1	x 2	…	x n
p	p 1	p 2	…	p n

В результате испытания дискретная случайная величина X принимает одно и только одно из возможных значений, поэтому события X=x 1 , X=x 2 , …, X=x n образуют полную группу попарно несовместных событий, и, значит, сумма вероятностей этих событий равна единице, т.е. p 1 + p 2 +… + p n =1.

Закон распределения дискретной случайной величины. Многоугольник (полигон) распределения.

Как известно, случайной величиной называется переменная величина, которая может принимать те или иные значения в зависимости от случая. Случайные величины обозначают заглавными буквами латинского алфавита (X, Y, Z), а их значения – соответствующими строчными буквами (x, y, z). Случайные величины делятся на прерывные (дискретные) и непрерывные.

Дискретной случайной величиной называется случайная величина, принимающая лишь конечное или бесконечное (счетное) множество значений с определенными ненулевыми вероятностями.

Законом распределения дискретной случайной величины называется функция, связывающая значения случайной величины с соответствующими им вероятностями. Закон распределения может быть задан одним из следующих способов.

1. Закон распределения может быть задан таблицей:

где λ>0, k = 0, 1, 2, … .

в) с помощью функции распределения F(x), определяющей для каждого значения x вероятность того, что случайная величина X примет значение, меньшее x, т.е. F(x) = P(X < x).

Свойства функции F(x)

3. Закон распределения может быть задан графически – многоугольником (полигоном) распределения (смотри задачу 3).

Отметим, что для решения некоторых задач не обязательно знать закон распределения. В некоторых случаях достаточно знать одно или несколько чисел, отражающих наиболее важные особенности закона распределения. Это может быть число, имеющее смысл «среднего значения» случайной величины, или же число, показывающее средний размер отклонения случайной величины от своего среднего значения. Числа такого рода называют числовыми характеристиками случайной величины.

Основные числовые характеристики дискретной случайной величины:

Mатематическое ожидание (среднее значение) дискретной случайной величины M(X)=Σ x i p i .
Для биномиального распределения M(X)=np, для распределения Пуассона M(X)=λ
Дисперсия дискретной случайной величины D(X)= M 2 или D(X) = M(X 2)− 2 . Разность X–M(X) называют отклонением случайной величины от ее математического ожидания.
Для биномиального распределения D(X)=npq, для распределения Пуассона D(X)=λ
Среднее квадратическое отклонение (стандартное отклонение) σ(X)=√D(X).

· Для наглядности представления вариационного ряда большое значение имеют его графические изображения. Графически вариационный ряд может быть изображён в виде полигона, гистограммы и кумуляты.

· Полигон распределения (дословно – многоугольник распределения) называют ломанную, которая строится в прямоугольной системе координат. Величина признака откладывается на оси абсцисс, соответствующие частоты (или относительные частоты ) – по оси ординат. Точки (или ) соединяют отрезками прямых и получают полигон распределения. Чаще всего полигоны применяются для изображения дискретных вариационных рядов, но их можно применять также и для интервальных рядов. В этом случае на оси абсцисс откладываются точки, соответствующие серединам данных интервалов.

Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;

х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.

Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:

Построить многоугольник распределения.

§2. Числовые характеристики случайных величин

2.1. Математическое ожидание. Дисперсия.

Пусть случайная величина может принимать значения с вероятностями соответственно .

Свойства математического ожидания.

Для вычислений используется следующая формула

Свойства дисперсии.

2. , где взаимно независимые случайные величины.

3. Среднеквадратическое отклонение .

Решение . Используем свойства математического ожидания. Тогда получаем:

М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.

Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.

Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:

а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;

б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.

Решение. Таблица распределения случайной величины Y имеет вид:

Y
р	1/6	1/6	1/6	1/6	1/6	1/6

Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;

D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.

Дискретной называют случайную величину, которая может принимать отдельные, изолированные значения с определенными вероятностями.

ПРИМЕР 1. Число появлений герба при трех бросаниях монеты. Возможные значения: 0, 1, 2, 3, их вероятности равны соответственно:

Р(0) = ; Р(1) = ; Р(2) = ; Р(3) = .

ПРИМЕР 2. Число отказавших элементов в приборе, состоящем из пяти элементов. Возможные значения: 0, 1, 2, 3, 4, 5; их вероятности зависят от надежности каждого из элементов.

Дискретная случайная величина Х может быть задана рядом распределения или функцией распределения (интегральным законом распределения).

Рядом распределения называется совокупность всех возможных значений х i и соответствующих им вероятностей р i = Р ( Х = х i ), он может быть задан в виде таблицы:

х i				х n
р i				р n

При этом вероятности р i удовлетворяют условию

р i = 1 , потому, что

где число возможных значений n может быть конечным или бесконечным.

Графическое изображение ряда распределения называется многоугольником распределения . Для его построения возможные значения случайной величины (х i ) откладываются по оси абсцисс, а вероятности р i - по оси ординат; точки А i c координатами ( х i ,р i ) соединяются ломаными линиями.

Функцией распределения случайной величины Х называется функция F (х ), значение которой в точке х равно вероятности того, что случайная величина Х будет меньше этого значения х , то есть

F (х) = Р (Х< х).

ФункцияF (х ) для дискретной случайной величины вычисляется по формуле

F (х)= р i , (1.10.1)

где суммирование ведется по всем значениям i , для которых х i < х.

ПРИМЕР 3. Из партии, содержащей 100 изделий, среди которых имеется 10 дефектных, выбраны случайным образом пять изделий для проверки их качества. Построить ряд распределений случайного числа Х дефектных изделий, содержащихся в выборке.

Решение . Так как в выборке число дефектных изделий может быть любым целым числом в пределах от 0 до 5 включительно, то возможные значения х i случайной величины Х равны:

х 1 = 0, х 2 = 1, х 3 = 2, х 4 = 3, х 5 = 4, х 6 = 5.

Вероятность Р (Х = k ) того, что в выборке окажется ровно k (k = 0, 1, 2, 3, 4, 5) дефектных изделий, равна

Р (Х = k ) = .

В результате расчетов по данной формуле с точностью 0,001 получим:

р 1 = Р (Х = 0) @ 0,583; р 2 = Р (Х = 1) @ 0,340; р 3 = Р (Х = 2) @ 0,070;

р 4 = Р (Х = 3) @ 0,007; р 5 = Р (Х = 4) @ 0; р 6 = Р (Х = 5) @ 0.

Используя для проверки равенство р k =1, убеждаемся, что расчеты и округление произведены правильно (см. табл.).

х i
р i

ПРИМЕР 4. Дан ряд распределения случайной величины Х :

х i
р i

Найти функцию распределения вероятности F (х ) этой случайной величины и построить ее.

Решение . Если х £ 10, то F ( х ) = Р (Х < х ) = 0;

если 10 < х £ 20 , то F ( х ) = Р (Х <х ) = 0,2 ;

если 20 < х £ 30 , то F ( х ) = Р ( Х < х ) = 0,2 + 0,3 = 0,5 ;

если 30 < х £ 40 , то F ( х ) = Р (Х < х ) = 0,2 + 0,3 + 0,35 = 0,85 ;

если 40 < х £ 50 , то F ( х ) = Р (Х < х ) = 0,2 + 0,3 + 0,35 + 0,1=0,95 ;

если х > 50 , то F ( х ) = Р ( Х < х ) = 0,2 + 0,3 + 0,35 + 0,1 + 0,05 = 1.

Случайной величиной называется величина, которая в результате опыта может принять то или иное значение, не известное заранее. Случайные величины бывают прерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин заранее могут быть перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Пример дискретных случайных величин:

1) Число появления герба при трех бросаниях монеты. (возможны значения 0;1;2;3)

2) Частота появления герба в том же опыте. (возможные значения )

3) Число отказавших элементов в приборе, состоящем из пяти элементов. (Возможные значения величин 0;1;2;3;4;5)

Примеры непрерывных случайных величин:

1) Абсцисса (ордината) точки попадания при выстреле.

2) Расстояние от точки попадания до центра мишени.

3) Время безотказной работы прибора (радиолампы).

Случайны величины обозначаются большими буквами, а их возможные значения – соответствующими малыми буквами. Например, X – число попаданий при трех выстрелах; возможные значения: X 1 =0,Х 2 =1, Х 3 =2, Х 4 =3.

Рассмотрим прерывную случайную величину Х с возможными значениями Х 1 , Х 2 , … , Х n . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, то есть произойдет одно из полной группы несовместных событий.

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события образуют полную группу, то

то есть сумма вероятности всех возможных значений случайной величины равна 1. Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, то есть в точности укажем какой вероятностью обладает каждое из событий. (Этим мы установим так называемый закон распределения случайных величин.)

Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующей им вероятности. (Про случайную величину мы будем говорить, что она подчинена данному закону распределения)

Простейшей формой задания закона распределения случайной величины является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности.

Таблица 1.

X i	X 1	X 2	…	X n
P i	P 1	P 2	…	P n

Такую таблицу называют рядом распределения случайных величин.

Чтобы придать ряду распределения более наглядный вид прибегают к его графическому изображению: по оси абсцисс откладывают возможные значения случайной величины, а по оси ординат – вероятности этих значений. (Для наглядности полученные точки соединяют отрезками прямых.)

Рисунок 1 – многоугольник распределения

Такая фигура называется многоугольником распределения . Многоугольник распределения, так же как и ряд распределения, полностью характеризует случайную величину; он является одной из форм закона распределения.

Пример:

производится один опыт, в котором может появиться или не появиться событие А. Вероятность события А=0,3. Рассматривается случайная величина Х – число появлений события А в данном опыте. Необходимо построить ряд и многоугольник распределения величины Х.

Таблица 2.

X i
P i	0,7	0,3

Рисунок 2 - Функция распределения

Функция распределения является универсальной характеристикой случайной величины. Она существует для всех случайных величин: как прерывных, так и не прерывных. Функция распределения полностью характеризует случайную величину с вероятностной точки зрения, то есть является одной из форм закона распределения.

Для количественной характеристики этого распределения вероятностей удобно воспользоваться не вероятностью события X=x, а вероятностью события X

Функцию распределения F(x) иногда также называют также интегральной функцией распределения или интегральным законом распределения.

Свойства функции распределения случайной величины

1. Функция распределения F(x) есть неубывающая функция своего аргумента, то есть при ;

2. На минус бесконечности :

3. На плюс бесконечности :

Рисунок 3 – график функции распределения

График функции распределения в общем случае представляет собой график неубывающей функции, значения которой начинаются от 0 и доходят до 1.

Зная ряд распределения случайной величины, можно построить функцию распределения случайной величины.

Пример:

для условий предыдущего примера построить функцию распределения случайной величины.

Построим функцию распределения X:

Рисунок 4 – функция распределения Х

Функция распределения любой прерывной дискретной случайной величины всегда есть разрывная ступенчатая функция, скачки которой происходят в точках, соответствующих возможным значениям случайной величины и равны вероятностям этих значений. Сумма всех скачков функции распределения равна 1 .

По мере увеличения числа возможных значений случайной величины и уменьшения интервалов между ними, число скачков становится больше, а сами скачки – меньше:

Рисунок 5

Ступенчатая кривая становится более плавной:

Рисунок 6

Случайная величина постепенно приближается к непрерывной величине, а ее функция распределения к непрерывной функции. Также существуют случайные величины, возможные значения которых непрерывно заполняют некоторый промежуток, но для которых функция распределения не везде является непрерывной. И в отдельных точках терпит разрыв. Такие случайные величины называются смешенными.

Рисунок 7