Как составить закон распределения если есть ряд - Сайт, где вы сможете решить свои вопросы

Содержание:

Законы распределения:

Распределение случайных переменных: Каждая из случайных переменных имеет ряд возможных значений, могущих возникнуть с определенной вероятностью.

Случайные переменные величины могут носить прерывный (дискретный) и непрерывный характер. Возможные значения прерывной случайной переменной отделены друг от друга конечными интервалами. Возможные значения непрерывной случайной переменной не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примерами прерывных случайных переменных могут служить:

число попаданий при п выстрелах, если известна вероятность попадания при 1 выстреле. Число попаданий может быть 0, 1, 2….. n;
число появлений герба при n бросаниях монеты.

Примеры непрерывных случайных переменных:

ошибка измерения;
дальность полета снаряда.

Если перечислить все возможные значения случайной переменной и указать вероятности этих значений, то получится распределение случайной переменной. Распределение случайной переменной указывает на соотношение между отдельными значениями случайной величины и их вероятностями.

Распределение случайной переменной будет задано законом распределения, если точно указать, какой вероятностью обладает каждое значение случайной переменной.

Закон распределения имеет чаще всего табличную -форму изложения. В этом случае перечисляются все возможные значения случайной переменной и соответствующие им вероятности:

Такая таблица называется также рядом распределения случайной переменной.

Для наглядности ряд распределения изображают графически, откладывая на прямоугольной системе координат по оси абсцисс возможные значения случайной переменной, а по оси ординат — их вероятности. В результате графического изображения получается многоугольник или полигон распределения (график 1). Многоугольник распределения является одной из форм закона распределения.

Функция распределения

Ряд распределения является исчерпывающей характеристикой прерывной случайной перемен-

Вероятность того, что Х<х, зависит от текущей переменной х и является функцией от х. Эта функция носит название функции распределения случайной переменной X.

F(x) = P(X

Функция распределения является одной из форм выражения закона распределения. Она является универсальной характеристикой случайной переменной и может существовать для прерывных и непрерывных случайных переменных.

Функция распределения F(x) называется также интегральной функцией распределения, или интегральным законом распределения.

Основные свойства функции распределения могут быть сформулированы так:

F(x) всегда неотрицательная функция, т. е.
Так как вероятность не может быть больше единицы, то
Ввиду того что F(x) является неубывающей функцией, то при
Предельное значение функции распределения при х= равно нулю, а при х= равно единице.

Если случайная переменная X дискретна и задана рядом распределения, то для нахождения F(x) для каждого х необходимо найти сумму вероятностей значений X, которые лежат до точки х.

Графическое изображение функции распределения представляет собой некоторую неубывающую кривую, значения которой начинаются с 0 и доходят до 1.

В случае дискретной случайной переменной величины вероятность F(x) увеличивается скачками всякий раз, когда х при своем изменении проходит через одно из возможных значений величины X. Между двумя соседними значениями функция F(x) постоянна. Поэтому графически функция F(x) в этом случае будет изображена в виде ступенчатой кривой (см. график 2).

В случае непрерывной случайной переменной величины функция F(x) при графическом изображении дает плавную, монотонно возрастающую кривую следующего вида (см. график 3).

Обычно функция распределения непрерывной случайной переменной представляет собой функцию, непрерывную во всех точках. Эта функция является также дифференцируемой функцией. График функции распределения такой случайной переменной является плавной кривой и имеет касательную в любой ее точке.

Плотность распределения

Если для непрерывной случайной переменной X с функцией распределения F(x) вычислять вероятность попадания ее на участок от х до х+ х, т. е. то оказывается, что эта вероятность равна приращению функции распределения на этом участке, т. е.

Если величину полагать бесконечно малой величиной и находить отношение вероятности попадания на участок к длине участка, то величину отношения в пределе можно выразить так:

т. е. производной от функции распределения, которая характеризует плотность, с которой распределяются значения случайной переменной в данной точке. Эта функция называется плотностью распределения и часто обозначается f(x). Ее называют также дифференциальной функцией распределения, или дифференциальным законом распределения.

Таким образом, функция плотности распределения f(x) является производной интегральной функции распределения F(x).

Вероятность того, что случайная переменная X примет значение, лежащее в границах от а до 6, равна определенному интегралу в тех же пределах от плотности вероятности, или:

Кривая, изображающая плотность распределения случайной переменной, называется кривой распределения (дифференциальной).

Построим кривую некоторой заданной функции плотности вероятности и найдем участок, ограниченный абсциссами а и b. Площадь, ограниченная соответствующими ординатами кривой распределения самой кривой и осью абсцисс, и отобразит вероятность того, что случайная переменная будет находиться в данных пределах (см. график 4).

Плотность распределения является одной из форм закона распределения, но существует только для непрерывных случайных величин.

Основные свойства плотности распределения могут быть сформулированы так:

1. Плотность распределения есть функция, не могущая принимать отрицательных значений, т. е.

Отсюда в геометрическом изображении плотности распределения (в кривой распределения) не может быть точек, лежащих ниже оси абсцисс.

2. Следовательно, вся площадь, ограниченная кривой распределения и осью абсцисс, равна единице.

Среди законов распределения большое значение имеют биномиальное распределение, распределение Пуассона и нормальное распределение.

Биномиальное распределение

Если производится n независимых испытаний, в каждом из которых вероятность появления данного события А есть величина постоянная, равная р, и, следовательно, вероятность непоявления события А также постоянна и равна q=1—р, то число появлений события А во всех n испытаниях представляет собой случайную переменную. Вероятность того, что событие А появится в n испытаниях m раз, равна:

т. е. m+1, члену разложения бинома Здесь q+p=1 и, следовательно, —число сочетаний из n элементов по m. Теорема верна для любых m, в том числе и для m = 0 и m=n. Вероятность появления события А образует распределение вероятностей случайной переменной m.

Ввиду того что вероятности связаны с разложением бинома распределение случайной переменной m называется биномиальным распределением. Биномиальное распределение является распределением дискретной случайной переменной, поскольку величины m могут принимать только вполне определенные целые значения.

График биномиального распределения, на котором по оси абсцисс откладываются числа наступлений события, а по оси ординат — вероятности этих чисел, представляет собой ломаную линию. Форма графика зависит от значений р, q и n.

Если р и q одинаковы, то график распределения симметричен. Если же р и q неодинаковы, то график распределения будет скошенным.

Одна из частот на графике имеет максимальное значение. Это наиболее вероятная частота. Ее значение можно определить приближенно, аналитически как произведение nр.

Найдем вероятности числа наступления события А при 20 испытаниях при p = 0,1 и р = 0,4 и построим график их распределений (см. график 5). Найдем вероятности частот при n = 20 для p = 0,1 и р=0,4.

График показывает, что приближение р к 0,5 вносит в распределение большую симметрию. Оказывается также, что при увеличении n распределение становится симметричным и для

Биномиальное распределение имеет широкое распространение в практической деятельности людей. Например, продолжительное наблюдение за качеством выпускаемой заводом продукции показало, что p-я часть ее является браком. Иначе говоря, мы выражаем через р вероятность для любого изделия оказаться бракованным. Биномиальное распределение показывает вероятность того, что в партии, содержащей n изделий, окажется m бракованных, где m = 0, 1, 2, 3 … n.

Предположим, имеется 100 изделий из партии изделий, в ко торой доля брака равна 0,05. Вероятность того, что из этих из делий окажется 10 бракованных, равна:

Закон биномиального распределения называется также схемой Бернулли. .

Нормальное распределение

Расчет вероятностей по формуле биномиального распределения при больших n очень громоздок. При этом значении m прерывны, и нет возможности аналитически отыскать их сумму в некоторых границах. Лаплас нашел закон распределения, являющийся предельным законом при неограниченном возрастании числа испытаний n и называемый законом нормального распределения.

Плотность вероятности нормального распределения выражается при этом формулой:

где t представляет собой нормированное отклонение частоты т от наиболее вероятной частоты nр, т. е. — среднее квадратическое отклонение случайной переменной m. Графическое изображение плотности распределения f(t) дает кривую нормального распределения (см. график 6).

Максимальная ордината кривой соответствует точке m=nр, т. е. математическому ожиданию случайной переменной m; величина этой ординаты равна .

Для практического нахождения вероятностей используют таблицу значений f(t).

Эмпирические и теоретические распределения

В примерах распределений, приведенных в разделе I, мы пользовались данными, почерпнутыми из наблюдений.

Поэтому всякий наблюденный ряд распределения назовем эмпирическим, а график, изображающий распределение
частот этого ряда, — эмпирической кривой распределения. Эмпирические кривые распределения могут быть представлены полигоном и гистограммой. При этом изображение в виде полигона применяется для рядов с прерывными значениями признака, а гистограмма— для рядов с непрерывными значениями признака.

Наблюдая многочисленные ряды распределения, математики стремятся описать эти распределения путем анализа образования величины признака, пытаются построить теоретическое распределение, исходя из данных об эмпирическом распределении.

Мы уже видели на примере распределения случайной переменной, что распределение ее задается законом распределения. Закон распределения, заданный в виде функции распределения, позволяет математически описать ряды распределения некоторых совокупностей.

Теоретическим законом распределения многих совокупностей, наблюдаемых на практике, является нормальное распределение. Иначе говоря, многие эмпирические подчинены закону нормального распределения, функция плотности вероятности которого приведена в предыдущем параграфе.

Чтобы эту формулу применять для нахождения теоретических данных по некоторому эмпирическому ряду, необходимо вероятностные характеристики заменить данными эмпирического ряда. При этой замене величина стандартизованного отклонения t будет представлять собой где х— текущие значения случайной переменной X, а и — соответствующие характеристики эмпирического распределения, а именно средняя арифметическая и среднее квадратическое отклонение.

Следовательно, нормальное распределение ряда распределения зависит от величин средней арифметической и его среднего квадратического отклонения.

Свойства кривой нормального распределения

Дифференциальный закон нормального распределения, заданный функцией:

имеет ряд свойств. Полагая =1, тем самым будем иметь измерение варьирующего признака в единицах среднего квадратического отклонения. Тогда функция нормального распределения упростится и примет вид:

Рассмотрим ее свойства.

Кривая нормального распределения имеет ветви, удаленные в бесконечность, причем кривая асимптотически приближается к оси Ot.
Функция является четной: t(—t) = f(t). Следовательно, кривая нормального распределения симметрична относительно оси Оу.
Функция имеет максимум при t = 0. Величина этого максимума равна

Следовательно, модального значения кривая
достигает при t = 0, а так как то при
Наибольшую частоту кривая будет иметь при значении х, равном среднему арифметическому из отдельных вариантов. Средняя арифметическая является центром группирования частот ряда.

4. При t=±1 функция имеет точки перегиба. Это означает, что кривая имеет точки перегиба при отклонениях от центра

группирования равных среднему квадратическому отклонению.

5. Сумма частостей, лежащих в пределах от а до b, равна определенному интегралу в тех же пределах от функции f(t), т. е.

Если учесть действительную величину среднего квадратического отклонения, то окажется, что при больших величинах о значение f(t) мало, при малых, наоборот, велико. Отсюда изменяется и форма кривой распределения. При больших кривая нормального распределения становится плоской, растягиваясь вдоль оси абсцисс. При уменьшении кривая распределения вытягивается вверх и сжимается с боков.

На графике 7 показаны 3 кривые нормального распределения (I, II, III) при из них кривая I соответствует самому большому, а кривая III—самому малому значению

Зная общие свойства кривой нормального распределения, рассмотрим те условия, которые приводят к образованию кривых данного типа.

Формирование нормального распределения

Закон нормального распределения является наиболее распространенным законом не только потому, что он наиболее часто встречается, но и потому, что он является предельным законом распределения, к которому приближается ряд других законов распределения.

Нормальное распределение образуется в том случае, когда действует большое число независимых (или слабо зависимых), случайных причин. Подчиненность закону нормального распределения проявляется тем точнее, чем больше случайных величин действует вместе. Основное условие формирования нормального распределения состоит в том, чтобы все случайные величины, действующие вместе, играли в общей сумме примерно одинаковую роль. Если одна из случайных ошибок окажется по своему влиянию резко превалирующей над другими, то закон распределения будет обусловлен действием этой величины.

Если есть основания рассматривать изучаемую величину как сумму многих независимых слагаемых, то при соблюдении указанного выше условия ее распределение будет нормальным, независимо от характера распределения слагаемых.

Нормальное распределение встречается часто в биологических явлениях, отклонениях размеров изделий от их среднего размера, погрешностях измерения и т. д.

Если взять распределение людей по номеру носимой ими обуви, то это распределение будет нормальным. Но это правило применимо только в том случае, когда численность совокупности велика и сама совокупность однородна.

Из того факта, что нормальное распределение встречается нередко в разных областях, не следует, что всякий признак распределяется нормально. Наряду с нормальным распределением существуют другие различные распределения.

Но все же умение выявить нормальное распределение в некоторой эмпирической совокупности является важным условием для ряда практических расчетов и действий. Зная, что эмпирическое распределение является нормальным, можно определить оптимальные размеры предприятий, размеры резервов и т. д.

Важным условием определения характера данной эмпирической кривой является построение на основе эмпирических данных теоретического нормального распределения.

Построение кривой нормального распределения

Первый способ. Для того чтобы построить кривую нормального распределения, пользуются следующей егo формулой:

где N — число проведенных испытаний, равное сумме частот эмпирического распределения

k — величина интервала дробления эмпирического ряда распределения;

— среднее квадратическое отклонение ряда;

t—нормированное отклонение, т. е.

Величина табулирована и может быть найдена по таблице (см. приложение II).

Для нахождения значений теоретических частот (см. пример 1) сначала необходимо найти среднюю арифметическую эмпирического ряда распределения, т. е. для чего находим произведения хm. Затем находим дисперсию ряда, вос-пользовавшись формулой Поскольку средняя уже найдена, остается найти для чего по каждой строке находим (графы 4 и 5). Затем определяем величину t, последовательно записывая для каждой строки и (графы 6 и 7). Графа 7 дает величину t по строкам. Из таблицы значений f(t) (см. приложение II) для данных в графе 7 найдем соответствующие величины (графа 8). Осталось найденные величины умножить на общий для всех строк множитель

Найденная при умножении величина и составляет теоретическую частоту каждого варианта, записанного в строке (графа 9). Ввиду того что частоты могут быть только целыми числами, округляем их до целых и получим теоретические частоты, которые будем обозначать (графа 10).

Пример 1.

В таблице 3 приведено эмпирическое распределение веса 500 спиралей и расчет частот нормального распределения. (Вес спиралей х дан в миллиграммах.)

Из таблицы находим:

Строим график эмпирических и теоретических данных. На графике 8 сплошной линией дано изображение эмпирического распределения, а пунктирной — построенного на его основе теоретического распределения.

Пример 2.

В таблице 4 дается эмпирическое распределение ПО замеров межцентрового расстояния при шевинговании зубцов динамомашины 110412 и расчет теоретических частот.

Исчислим:

Построим графики эмпирического и теоретического распределений (см. график 9).

Оба эмпирических распределения хорошо воспроизводятся теоретическим нормальным распределением.

Второй способ построения кривой нормального распределения основан на применении функции стандартизованного нормального распределения, в котором = 1, т. е. величина наибольшей ординаты принимается за единицу.

За начало отсчета признака при этом способе построения берется его средняя арифметическая. Ей соответствует наибольшая ордината.

Вычисление ординат производится по формуле:

где N — число наблюдений;

k — величина интервала эмпирического распределения.

Так как значение наибольшей ординаты получается при

t = 0, когда то величина наибольшей ординаты будет:

Придавая t последовательно значения 0,5; 1,0; 1,5; 2,0, т. е. сначала меньшие, а потом увеличивающиеся, находим в таблице стандартизованного нормального распределения для данных t соответствующие и, умножив полученную величину на значение наибольшей ординаты, будем иметь ординаты для этих значений t.

Например, при t = 0,5 величина стандартизованного нормального распределения= 0,8825. Так как величина наибольшей ординаты то величина ординаты в точке t = 0,5 будет равна:

Пример 3.

Взяты результаты измерения 100 отклонений шага резьбы х от всей длины резьбы. Получен следующий ряд распределения, для которого по общим правилам производится расчет средней и дисперсии.

Отсюда;

Рассчитаем наибольшую ординату:

так как величина то:

Взяв значение t = 0,5 по таблице стандартизованного нормального распределения, находим При t = 0,5 оно равно 0,88251. Это и есть коэффициент, который при умножении на значение наибольшей ординаты дает величину ординаты в этой точке. Потом аналогично находим ординаты для t = ± 1 и т. д.

Для данного примера будем иметь:

Полученный результат наносим на график, а для сравнения наносим на график и результаты непосредственных измерений отклонений (см. график 10).

Как видно из графика, теоретическая кривая довольно близко воспроизводит полигон эмпирического распределения.

Пример 4.

Даны результаты измерений отклонений шага резьбы (х) в микронах на 1 витке от среднего значения. Приводятся эти данные с соответствующими расчетами:

Теоретические частоты (ординаты) рассчитываются так же, как и в предыдущем примере. Сначала находится величина наибольшей частоты:

затем другие частоты:

Эмпирические и теоретические частоты наносим на график (см. график 11) и убеждаемся, что эмпирическое распределение довольно близко воспроизводится теоретическим распределением.

Третий способ построения кривой нормального распределения (или вычисления теоретических частот) по имеющимся эмпирическим данным основан на применении функции:

которая дает площадь нормальной кривой, заключенной между —t и +t.

Вообще говоря, можно находить площадь нормальной кривой, заключенную между любыми точками как

применяя функцию F(t). Искомая площадь будет представлять собой причем для отрицательных t надо брать F(t) со знаком минус.

Пример 5.

Получены результаты 208 измерений межцентровых расстояний при шевинговании зубцов шестерни динамо-машины (см. табл. 7). Вычислим нужные параметры и теоретические частоты и построим графики эмпирического и теоретического распределений.

Колонки 1, 2, 3, 4 и 5 необходимы для расчетов и в колонке 6 рассчитаны отклонения концов интервалов от средней, в колонке 7 — величина стандартизованного отклонения Колонка 8 содержит значения F(t), взятые из приложения III, умноженные на т. е. на 104. В верхней строке приведено и значение t для конца интервала, предшествующего первому, т. е.

Чтобы получить теоретическую частоту для каждого интервала, достаточно из верхней строки (в 8-й колонке) вычесть число той же колонки, стоящее строкой ниже.

На графике 12 показано, что теоретическое распределение достаточно точно отражает эмпирически полученный материал, только наблюдается некоторое смещение теоретической кривой вправо, что, очевидно, вызвано большим удельным весом правого конца эмпирического распределения.

Пример 6.

Дается ряд распределения ударной вязкости в 240 испытаниях. Приведем этот ряд распределения и построим для него теоретическое распределение (см. график 13).

Критерии согласия

Определение близости эмпирических распределений к теоретическому нормальному распределению по графику может быть недостаточно точным, субъективным и по-разному оценивать расхождения между ними. Поэтому математики выработали ряд объективных оценок для того, чтобы определить, является ли данное эмпирическое распределение нормальным. Такие оценки называются критериями согласия. Критерии согласия были предложены разными учеными, занимавшимися этим вопросом. Рассмотрим критерии согласия Пирсона, Романовского, Колмогорова и Ястремского.

Критерий согласия Пирсона основан на определении величины которая вычисляется как сумма квадратов разностей эмпирических и теоретических частот, отнесенных к теоретическим частотам, т. е.

где m — эмпирические частоты;

m’ — теоретические частоты.

Для оценки того, насколько данное эмпирическое распределение воспроизводится нормальным распределением, исчисляют по распределению Пирсона вероятности достижения данного значения

Значения вычислены для разных табулированы и приводятся в приложении VI, в котором дается комбинационная таблица, где одним из аргументов (данные по строкам) являются значения а по другим (по столбцам) —значения k — число степеней свободы варьирования эмпирического распределения. Число степеней свободы вариации определяется для данного ряда распределения и равно числу групп в нем минус число исчисленных статистических характеристик (средняя, дисперсия, моменты распределения и т. д.), использованных при вычислении теоретического распределения.

Пересечение данного столбца с соответствующей строкой дает искомую вероятность

При вероятностях, значительно отличающихся от нуля, расхождение между теоретическими и эмпирическими частотами можно считать случайным.

Проф. В. И. Романовский предложил более простой метод оценки близости эмпирического распределения к нормальному, используя величину

Он предложил вычислять отношение:

где k — число степеней свободы.

Если указанное отношение имеет абсолютное значение, меньшее трех, то предлагается расхождение между теоретическим и эмпирическим распределениями считать несущественным; если же это отношение больше трех, то расхождение существенно. Несущественность расхождения (когда величина отношения Романовского меньше трех) говорит о возможности принять за закон данного эмпирического распределения нормальное распределение.

По данным примера 2 рассчитаем величину

Пример 7.

Вычисление Для распределения межцентрового расстояния в НО наблюдениях:

Из таблицы (приложение VI) для = 12 и k = 12 находим вероятность =0,4457; она достаточно велика, значит расхождение между теоретическими и эмпирическими частотами можно считать случайными, а распределение — подчиняющимся закону нормального распределения.

Находим отношение Романовского:

Это отношение значительно меньше трех, поэтому расхождение между теоретическими и эмпирическими частотами можно считать несущественными, и, таким образом, теоретическое распределение достаточно хорошо воспроизводит эмпирическое.

Пример 8.

Вычислим критерий Для распределения веса 500 спиралей.

По таблице находим вероятность = 0,9834, которая близка к достоверности, и поэтому расхождение между теоретическим и эмпирическим распределением может быть случайным.

Отношение Романовского

также значительно меньше трех, поэтому теоретическое воспро* изведение эмпирического ряда достаточно удовлетворительное.

Критерий Колмогорова. Критерий , предложенный А. Н. Колмогоровым, устанавливает близость теоретических и эмпирических распределений путем сравнения их интегральных распределений. исчисляется исходя из D — максимального верхнего предела абсолютного значения разности их накопленных частот, отнесенного к квадратному корню из числа наблюдений N:

где D — максимальная граница разности: — накопленных теоретических частот и М— накопленных эмпирических частот.

Приведем таблицу значений —вероятности того, что достигнет данной величины.

Если найденному значению соответствует очень малая вероятность то расхождение между эмпирическим и теоретическим распределением нельзя считать случайным и, таким образом, первое мало отражает второе. Наоборот, если — величина значительная (больше 0,05), то расхождение между частотами может быть случайным и распределения хорошо соответствуют одно другому.

Рассмотрим применение этого критерия на двух примерах.

Пример 9.

В таблице вероятностей находим для

Эта большая вероятность указывает на то, что расхождение между наблюдением и теоретическим распределением вполне могло быть случайным.

Пример 10.

Величина вероятности показывает несущественность расхождений между теоретическим и эмпирическим распределением.

Критерий Б. С. Ястремского. В общем виде критерий Ястремского можно записать следующим неравенством:

где

— эмпирические частоты;
— теоретические частоты;
— число групп.

Для числа групп, меньших 20, = 0,6; q = 1 — р.

Значение I, меньшее в критерии Ястремского показывает несущественность расхождения между эмпирическими и теоретическими частотами в данном распределении.

При значениях I, больших расхождение между теоретическим и эмпирическим распределением существенно.

Пример 11.

Определим величину I и оценим эмпирическое распределение 500 спиралей (m) по сравнению с соответствующим нормальным (m’).

что говорит о нормальном распределении исследуемой совокупности.

Элементарные приемы определения «нормальности» распределения. Для определения элементарными способами близости данного опытного распределения к нормальному прибегают к числам Вестергарда и к сравнению средней арифметической, моды и медианы.

Числами Вестергарда являются: 0,3; 0,7; 1,1; 3. Для пользования ими определяют сначала основные характеристики — среднюю арифметическую и среднее квадратическое отклонение

Для того чтобы данное эмпирическое распределение было подчинено закону нормального распределения, необходимо, чтобы распределение удовлетворяло следующим условиям:

в промежутке от была расположена часть всей совокупности;
в промежутке от была расположена часть всей совокупности;
в промежутке от было расположено всей совокупности;
в промежутках от —3 до +3 было расположено 0,998 всей совокупности.

Для приводимого распределения 500 спиралей по весу (пример 1) все эти условия соблюдаются, что говорит о подчинении данного распределения закону нормального распределения.

К элементарным приемам определения «нормальности» следует отнести применение графического метода, особенно удобное с помощью полулогарифмической сетки Турбина. На сетке накопленные эмпирические частоты при нормальном их распределении дают прямую линию. Всякое отклонение от прямой свидетельствует об отклонении эмпирического распределения от «нормального».

Распределение Пуассона

Вероятности частот событий, редко встречающихся при некотором числе испытаний, находят по формуле:

где m — частота данного события;

n — число испытаний;

р — вероятность события при одном испытании;

е= 2,71828.

Это выражение носит название закона распределения Пуассона.

Подставим вместо nр среднее число фактически наблюдавшихся случаев в эмпирическом материале. Теоретические ординаты кривой распределения по закону Пуассона m’ найдем по формуле:

где х — переменное значение числа раз;

— среднее число раз в эмпирическом распределении;

n — число наблюдений.

При

Пример 12.

Наблюдалось следующее распределение растений сорняков в 1000 выборках посевов гороха. Результаты эксперимента записаны в следующей таблице:

Определим по закону Пуассона теоретические частоты разного числа растений сорняков. Для этого предварительно исчислим среднее число растений сорняков в одной выборке:

Из таблицы находим

Определим теоретическое число выборок, в которых число растений сорняков будет равно 0:

то же:

для числа растений сорняков, равного 1:

для числа растений сорняков, равного 2:

для числа растений сорняков, равного 3:

для числа растений сорняков более 3:

Графическое сопоставление обоих распределений говорит о соответствии между эмпирическим и теоретическим распределениями.

Распределение Максвелла

В технике часто встречается распределение по закону Максвелла. Это — распределение существенно положительных величин. Например, эмпирическое распределение эксцентриситетов биений теоретически воспроизводится распределением Максвелла.

Дифференциальный закон распределения Максвелла выражается следующей формулой:

где — параметр распределения, равный

Интегральный закон распределения выразится тогда:

Пример 13.

Заимствуем из книги А. М. Длина таблицу распределения симметричности гнезд относительно торцов в круглых плашках (в 0,01 мм) и проведем дополнительные расчеты.

Из этой таблицы легко определим среднюю симметричность:

и параметр рассеяния:

Формула интегрального распределения по закону Максвелла позволяет найти накопленные, а затем теоретические частости и частоты.

Изобразим на графике 15 данные эмпирического и теоретического рядов распределения.

Определим близость их по критерию согласия Ястремского. Для этого приведем в табл. 18 расчет величины С:

По критерию Ястремского находим

Величина I значительно меньше 3. Следовательно, данное эм лирическое распределение хорошо согласуется с законом распределения Максвелла.

Дисперсионный анализ
Математическая обработка динамических рядов
Корреляция – определение и вычисление
Элементы теории ошибок
Статистические оценки
Теория статистической проверки гипотез
Линейный регрессионный анализ
Вариационный ряд

Источник

^{ФЕДЕРАЛЬНОЕ

АГЕНТСТВО ПО ОБРАЗОВАНИЮ}

Государственное
образовательное учреждение

высшего
профессионального образования

^«МАТИ»^^{РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ

УНИВЕРСИТЕТ ИМ. К.Э. ЦИОЛКОВСКОГО}

^{Кафедра

«Моделирование систем и информационные

технологии»}

Законы распределения

ДИСКРЕТНЫХ
СЛУЧАЙНЫХ ВЕЛИЧИН

^{Методические

указания к практическим занятиям}

^{по дисциплине

«Высшая математика»}

^{Составители:

Егорова Ю.Б.}

^{Мамонов И.М.}

^{Корниенко Л.И.}

^{МОСКВА

2005}

^{ВВЕДЕНИЕ}

^{Методические

указания предназначены для студентов

дневного и вечернего отделения факультета

№14 специальностей 150601, 160301, 230102.}^{Указания выделяют основные понятия

темы, определяют последовательность

изучения материала. Большое количество

рассмотренных примеров помогает в

практическом освоении темы. Методические

указания служат методической основой

для практических занятий и выполнения

индивидуальных заданий.}

^{1.

БИНОМИАЛЬНЫЙ ЗАКОН РАСПРЕДЕЛЕНИЯ

ДИСКРЕТНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ}

^1.1.^{Биномиальный закон распределения

появляется, если испытания проводятся

по схеме Бернулли.}

^{Пусть случайная величина}^Х^^{число

появлений события}^А^m^{раз в}ⁿ^{испытаниях с одной и той же вероятностью}^Р(А)=р.^{Вероятность того,

что событие}^А^{появится}^m^{раз в}ⁿ^{испытаниях определяется по формуле

Бернулли:}

^Р(Х=^m^)=P_n⁽^m^)=

C_n^m^p^m^q^n-m^,

^где^m^{= 0, 1, 2,…,}ⁿ^;^q^{= 1}^^p^.

^{Дискретная случайная величина}^Х^имеет^{биномиальный

закон распределения}^{, если она

принимает значения 0, 1, 2,…,}^m^,…,ⁿ^c^{вероятностями}^P(Х=m)^{,

определенными по формуле Бернулли.}

^1.2^{.

Ряд распределения биномиального закона

имеет вид:}

^X	⁰	¹	^…	^m	^…	ⁿ
^P	^qⁿ	^C_n¹^p q^n-1	^…	^C_n^m^p^m^q^n-m	^…	^pⁿ

^1.3.^{Согласно таблице, можно записать}^{функцию

распределения биномиальной случайной

величины:}

^{F(X) =}^{0 ,}^х^£⁰

^F(X)=^1,^x>n.

^1.4.^Если^m^иⁿ^^{большие числа, то вероятность}^Р(Х=^m⁾^{можно приблизительно вычислить с помощью}^{локальной теоремы Муавра-Лапласа}^:

^{Если вероятность наступления события}^А^{в каждом испытании

постоянна и отлична от 0 и 1, то вероятность

того, что событие}^А^{произойдет}^m^{раз в}ⁿ^{независимых испытаниях при

достаточно большом числе}ⁿ^{,

приближенно равна:}

^{где

функция}^{а аргумент}

^{Чем больше}ⁿ^{,

тем точнее вычисление}^Р(X=m)^{.

Поэтому теорему Муавра-Лапласа

целесообразно применять при}^npq^^20.

^{Для нахождения значений функции}^f⁽^x⁾^{составлены специальные таблицы (например,

см. приложение 1 в учебнике [1] или задачнике

[2]). При использовании таблицы необходимо

иметь в виду свойства функции}^f⁽^x⁾^:

^{Функция}^f⁽^x⁾^{является четной}^f⁽^^x⁾⁼^f⁽^x⁾^.
^При^х^^{∞

функция}^f⁽^x⁾^^{0

(практически можно считать, что уже при}^х^{>4 функция}^f⁽^x⁾^≈0).

^{1.5. Mатематическое ожиданиебиномиального распределения равно

произведению числа испытаний на

вероятность появления cобытия в одном

испытании:}

^M(X)⁼^np^.

^{Дисперсия}^{биномиального

распределения равна произведению числа

испытаний на вероятности появления}^p^{и непоявления}^q^{события в одном испытании:}

^{D(X) = npq.}

^{1.6.Биномиальный закон распределения

широко используется в теории и практике

статистического контроля качества

продукции, при описании функционирования

систем массового обслуживания, в теории

стрельбы и в других областях.}

^{Примеры дискретных случайных величин,

имеющих биномиальный закон распределения:

число бракованных деталей в крупной

партии, число попаданий при стрельбе,

число выпадения герба при многократном

подбрасывании монеты и т.п.}

^{ПРИМЕР 1. Устройство состоит из

трех независимо работающих элементов.

Вероятность отказа каждого элемента в

одном опыте равна 0,1. Составить ряд

распределения числа отказавших элементов

в одном опыте. Определить математическое

ожидание и дисперсию.}

^{Решение}^{. Дискретная случайная

величина}^Х^^{число отказавших элементов в одном

опыте}^^{имеет следующие возможные значения:}

^х₁^{= 0 (ни один из

элементов устройства не отказал);}

^х₂^{= 1 (отказал

один элемент);}

^х₃^{= 2 (отказали

два элемента);}

^х₄^{= 3 (отказали

три элемента).}

^{Отказы

элементов независимы один от другого,

вероятности отказа каждого элемента

равны между собой, поэтому применима

формула Бернулли. Учитывая, что по

условию}ⁿ^{= 3;}^p^{=0,1 (следовательно,}^q^{= 1}^^{0,1 =

0,9), получим:}

^P₃⁽⁰⁾⁼^q³⁼^0,9³^{= 0,729;}

^P₃⁽¹⁾^=

C₃¹^p¹^q²⁼³^×^0,1^×^0,9²^{= 0,243;}

^P₃⁽²⁾^=

C₃²^p²^q¹⁼³^×^0,1²^×^{0,9

= 0,027;}

^P₃⁽³⁾⁼^p³^=

0,1³^{= 0,001}^.

^{Напишем

искомый биномиальный закон распределения}^Х^:

^X	⁰	¹	²	³
^P	^0,729	^0,243	^0,027	^0,001

^{Контроль:

0,729+0,243+0,027+0,001 = 1.}

^{Математическое

ожидание:}

^{М(Х)

= n}^×^p^{= 3}^×^{0,1=

0,3 элемента.}

^{Дисперсия:}

^{D(X)

= npq}^{= 3}^×^0,1^×^{0,9

= 0,27 (элемента)}²^.

^{ПРИМЕР

2}^{. Найти дисперсию дискретной

случайной величины}^Х^{–

числа появления события}^А^{в двух независимых испытаниях, если

вероятности появления события в этих

испытаниях одинаковы, и известно, что}

^{М(Х)

=1,2.}

^{Решение}^{.

Воспользуемся формулой:}^М(Х)

=np^{. По условию}^М(Х)^=1,2;ⁿ^{=2. Следовательно, 1,2 =

2}^p^{. Отсюда}^р^{= 0,6 и}^q^=0,4.

^{Найдем

искомую дисперсию:}

^{D(X)

= npq}^{= 2}^×^0,6^×^0,4

=0,48.

^{ПРИМЕР

3}^{. Производится три независимых

опыта, в каждом из которых событие}^А^{появляется с вероятностью 0,4. Рассматривается

случайная величина}^Х^{–

число появлений события}^А^{в трех опытах. Найти закон распределения

(ряд распределения, многоугольник

распределения, функцию распределения)

случайной величины}^Х^{.

Определить ее числовые характеристики

(математическое ожидание, дисперсию,

среднее квадратическое отклонение,

моду).}

^{Решение}^{.

Дискретная случайная величина}^Х^{имеет следующие возможные значения:}

^х₁^{= 0 (событие}^А^{не появилось ни в одном из трех опытов);}

^х₂^{= 1 (событие}^А^{появилось в одном из трех опытов);}

^х₃^{= 2 (событие}^А^{появилось

в двух опытах);}

^х₄^{= 3 (событие}^А^{появилось во всех трех опытах).}

^{Соответствующие

вероятности находим по формуле Бернулли

(}ⁿ^{= 3;}^p^=

0,4;^q^{= 1 – 0,4 = 0,6):}

^P₃⁽⁰⁾⁼^q³⁼^0,6³^{= 0,216;}

^P₃⁽¹⁾^=

C₃¹^p¹^q²⁼³^×^0,4^×^0,6²^{= 0,432;}

^P₃⁽²⁾^=

C₃²^p²^q¹⁼³^×^0,4²^×^{0,6

= 0,288;}

^P₃^(3)=

p³^{= 0,4}³^{= 0,064}^.

^{Составим

ряд распределения:}

^X	⁰	¹	²	³
^P	^0,216	^0,432	^0,288	^0,064

^{Контроль:

0,216+0,432+0,288+0,064 = 1.}

^{Многоугольник распределения приведен

на рис. 1.}

^p_i

^0,5

^0,25

^{0 1 2 3}^x_i

^{Рис.

1. Многоугольник распределения}

^{На

основе ряда распределения находим

функцию распределения:}

^График^F(^x⁾^{приведен на рис. 2.}

^F⁽^x⁾

_0,936

^0,648

^0,216

^{0 1 2 3}^x_i

^{Рис.

2. График функции распределения}^F⁽^x⁾

^{Искомое

математическое ожидание определяем по

формуле:}

^{M(X)

= np}^{= 3}^×^{0,4

= 1,2.}

^{Найдем

дисперсию:}

^{D(X)

= npq}^{= 3}^×^0,4^×^{0,6

= 0,72.}

^{Найдем

среднее квадратическое отклонение:}

^s^(Х)=⁼^0,85^.

^Мода:^Мо^=1.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

Источник

Содержание

I. Определение случайной величины (СВ), дискретной случайной величины (ДСВ). Закон и многоугольник распределения ДСВ
Функция распределения
II. Операции над дискретными случайными величинами

I. Определение случайной величины (СВ), дискретной случайной величины (ДСВ). Закон и многоугольник распределения ДСВ

При бросании игральной кости могут появиться числа 1, 2, 3, 4, 5 и 6. Заранее определить возможные исходы невозможно, так как они зависят от многих случайных причин, которые не могут быть полностью учтены. В данном примере выпавшее число очков есть величина случайная, а числа 1, 2, 3, 4, 5 и 6 есть возможные значения этой величины.

Случайная величина – величина, которая в результате опыта со случайным исходом принимает то или иное числовое значение, причем заранее неизвестно, какое именно. Случайные величины (кратко: СВ) обозначают большими латинскими буквами , а принимаемые ими значения — малыми буквами

Из приведенного выше примера, видно, что случайная величина Х может принять одно из следующих возможных значений: 1, 2, 3, 4, 5, 6. Эти значения отделены одно от другого промежутками, в которых нет возможных значений Х. Таким образом, в этом примере СВ принимает отдельные, изолированные возможные значения.

Дискретной (прерывной) называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.

Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, аналитически (в виде формулы) и графически.

Закон распределения ДСВ Х удобно задавать с помощью следующей таблицы

называемой рядом распределения. При этом возможные значения СВ Х в верхней строке этой таблицы располагаются в определенном порядке, а в нижней — соответствующие вероятности $p_i=P{X=x_i} quad (sum_i p_i=1)$ .

Графически ряд распределения изображают в виде многоугольника (или полигона) распределения.

1.1. В ящике 2 нестандартные и 4 стандартные детали. Из него последовательно вынимают детали до первого появления стандартной детали. Построить ряд и многоугольник распределения ДСВ — числа извлеченных деталей.

Решение.

Рассмотрим все возможные значения, которые может принимать случайна величина (СЛ) :

– первой вынули стандартную деталь;

— первая вынутая деталь нестандартная, вторая стандартная;

— первая деталь нестандартная, вторая деталь нестандартная, третья деталь стандартная.

Соответствующие им вероятности найдем воспользовавшись правилом умножения вероятностей (заметьте, что события зависимы):

$p_1=P{X=x_1=1}=frac{4}{6}=frac{2}{3}$

$p_2=P{X=x_2=2}=frac{2}{6}cdot frac{4}{5}=frac{4}{15}$

$p_3=P{X=x_3=3}=frac{2}{6}cdot frac{1}{5}cdot frac{4}{4}=frac{1}{15}$

Тогда закон распределения дискретной случайной величины Х примет вид:

Построим многоугольник распределения, отложив на оси абсцисс (ОХ) значения ДСВ Х, а на оси ординат (ОY) соответствующие им вероятности:

1.2. В партии, содержащей 20 изделий, имеется четыре изделия с дефектами. Наудачу отобрали три изделия для проверки их качества. Построить ряд распределения числа дефектных изделий, содержащихся в указанной выборке.

Решение.

— число дефектных изделий, содержащихся в выборке.

Рассмотрим все возможные значения, которые может принимать случайна величина (СЛ) :

— ни одно изделие выборки не является дефектным, т.е. все изделия удовлетворяют стандарту;

— выборка содержит одно изделие с дефектом и два стандартных изделия;

— выборка содержит два изделия с дефектом и одно стандартное изделие;

— выборка содержит три изделия с дефектом;

Найдем соответствующие им вероятности :

$[p_1=P(X=0)=frac{C_{16}^3cdot C_{4}^0}{C_{20}^3}]$

$[p_2=P(X=1)=frac{C_{16}^2cdot C_{4}^1}{C_{20}^3}]$

$[p_3=P(X=2)=frac{C_{16}^1cdot C_{4}^2}{C_{20}^3}]$

$[p_4=P(X=3)=frac{C_{16}^0cdot C_{4}^3}{C_{20}^3}]$

Тогда закон распределения дискретной случайной величины Х примет вид:

	0	1	2	3
	$frac{28}{57}$	$frac{8}{19}$	$frac{8}{95}$	$frac{1}{285}$

1.3. Три стрелка, ведущие огонь по цели, сделали по одному выстрелу. Вероятности их попадания в цель соответственно равны 0,5; 0,6; 0,8. Построить ряд и многоугольник распределения СВ X — числа попаданий в цель.

Решение.

Пусть вероятности попадания для 1-го, 2-го и 3-го стрелков соответственно равны , тогда вероятности их промахов равны . Из предыдущих занятий должны помнить как связаны противоположные события: .

Рассмотрим все значения, которые может принять ДСВ Х – числа попаданий в цель.

– ни один из стрелков не попал в цель;

– один из стрелков попал в цель;

– двое стрелков поразили цель;

– три стрелка поразили цель.

Найдем соответствующие им вероятности :

$p_0=P{X=0}=g_1 cdot g_2 cdot g_3 =0,5cdot 0,4 cdot 0,2=0,04;$

$p_1=P{X=1}=h_1 cdot g_2 cdot g_3+g_1 cdot h_2 cdot g_3 +g_1 cdot g_2 cdot h_3=\ =0,5cdot 0,4 cdot 0,2+0,5cdot 0,6 cdot 0,2+0,5cdot 0,4 cdot 0,8=0,04+0,06+0,16=0,26.$

Запись вида означает, что 1-й стрелок попал, два других промахнулись, аналогичные рассуждения применимы к другим слагаемым.

$p_2=P{X=2}=h_1 cdot h_2 cdot g_3+g_1 cdot h_2 cdot h_3 +h_1 cdot g_2 cdot h_3=\ =0,5cdot 0,6 cdot 0,2+0,5cdot 0,6 cdot 0,8+0,5cdot 0,4 cdot 0,8=0,06+0,24+0,16=0,46$ — (двое из трех поразили цель);

$p_3=P{X=3}=h_1 cdot h_2 cdot h_3=0,5cdot 0,6 cdot 0,8=0,24$ — (три стрелка поразили цель).

Контроль: $sum_{i=0}^3=0,04+0,26+0,46+0,24=1$

	0	1	2	3
	0,04	0,26	0,46	0,24

Многоугольник распределения:

Функция распределения

Функцией распределения называют функцию , определяющую вероятность того, что случайная величина в результате испытания примет значение, меньшее некоторого фиксированного значения

Свойства функции распределения:

– неубывающая функция, т.е. , если
непрерывна слева в любой точке , т.е.

Функция распределения ДСВ имеет вид

$[F(x)=sum_{x_i<x} p_i]$

где суммирование ведется по всем индексам , для которых

1.4. Задан закон распределения ДСВ Х:

	-2	-1	0	2	3
	0,1	0,2	0,3	0,3	0,1

Найти функцию распределения и построить ее график.

Решение.

По определению функции распределения находим:

если , то , так как значения меньше -2 ДСВ Х не принимает;

если , то

если , то , так как может принять значения -2 или -1

если , то

если , то $F(x)=P{X<x}=P{X=-2}+P{X=-1}+P{X=0}+\+P{X=2}+P{X=3}=0,1+0,2+0,3+0,3+0,1=1$

Таким образом, функция распределения имеет вид:

$begin{displaymath} F(x) = left{ begin{array}{ll} 0, qquad xle -2 , \ 0,1, qquad -2< x le -1,\ 0,3, qquad -1< x le 0,\ 0,6, qquad 0< x le 2,\ 0,9, qquad 2< x le 3, \ 1, qquad x>3. end{array} right. end{displaymath}$

II. Операции над дискретными случайными величинами

Суммой (соответственно, разностью или произведением) ДСВ Х, принимающей значения с вероятностями $p_i=P{X=x_i}, quad i=1,2, ... , n$ и ДСВ Y, принимающей значения с вероятностями $q_j=P{Y=y_j}, quad j=1,2, ... , m$ называется ДСВ, принимающая все значения вида (соответственно, или ) с вероятностями $p_{ij}=P{{X=x_i}cdot {Y=y_j}}=P{X=x_i,quad Y=y_j}.$

Обозначение: (соответственно, или ).

Произведением ДСВ Х на число называется ДСВ , принимающая значения с вероятностями $p_i=P{X=x_i}.$

Квадратом (соответственно, m-ой степенью) ДСВ Х называется ДСВ, принимающая значения (соответственно, ) с вероятностями $p_i=P{X=x_i}.$ Обозначение: (соответственно, ).

Дискретные СВ Х и Y называются независимыми, если независимы события ${X=x_i}$ и ${Y=y_j}$ при любых

2.1. Задано распределение ДСВ Х

	-2	-1	1	2	3
	0,2	0,25	0,3	0,15	0,1

Построить ряд распределения случайных величин:

а)

б)

Решение.

Возможные значения СВ Y таковы:

Вероятности значений СВ Y равны вероятностям соответствующих значений СВ Х (например, и т. д.), т.е. каждое значение СВ Х мы умножаем на 2, а вероятности оставляем прежними. Таким образом

	-4	-2	2	4	6
	0,2	0,25	0,3	0,15	0,1

б) Значения СВ Z таковы (возведем каждое значение СВ Х в квадрат):

$[z_1={(-2)}^2=4; z_2={(-1)}^2=1,]$

Составим вспомогательную таблицу для распределения СВ

	4	1	1	4	9
	0,2	0,25	0,3	0,15	0,1

При этом мы должны помнить, что при одинаковых значениях СВ Z, соответствующие им вероятности нужно сложить, т.е.

$[P{Z=1}=P{X^2=1}=P{X=-1}+P{X=1}=0,25+0,3=0,55;]$

$[P{Z=4}=P{X^2=4}=P{X=-2}+P{X=2}=0,20+0,15=0,35.]$

Поэтому ряд распределения СВ Z имеет вид

2.2. Дискретная случайная величина Х имеет ряд распределения:

		$frac{pi}{4}$	$frac{pi}{2}$	$frac{3pi}{4}$		$frac{5pi}{4}$	$frac{3pi}{2}$
	$frac{1}{16}$	$frac{1}{8}$	$frac{3}{16}$	$frac{1}{4}$	$frac{3}{16}$	$frac{1}{8}$	$frac{1}{16}$

Построить:

а) ряд распределения СВ $Y=sin(X-frac{pi}{4});$

б) График функции распределения СВ Y

Решение.

а) Вычисляем все значения СВ Y, подставляя соответствующие значения в формулу $Y=sin(X-frac{pi}{4})$ :

$y_1=sinleft(0-frac{pi}{4}right)=sin(-frac{pi}{4})=-frac{sqrt{2}}{2}$

$y_2=sin(frac{pi}{4}-frac{pi}{4})=sin(0)=0$

$y_3=sin(frac{pi}{2}-frac{pi}{4})=sin(frac{pi}{4})=frac{sqrt{2}}{2}$

$y_4=sin(frac{3pi}{4}-frac{pi}{4})=sin(frac{pi}{2})=1$

$y_5=sin(pi-frac{pi}{4})=sin(frac{pi}{4})=frac{sqrt{2}}{2}$

$y_6=sin(frac{5pi}{4}-frac{pi}{4})=sin(pi)=0$

$y_7=sin(frac{3pi}{2}-frac{pi}{4})=-cos(frac{pi}{4})=-frac{sqrt{2}}{2}$

Составим вспомогательную таблицу ряда распределения:

	$-frac{sqrt{2}}{2}$		$frac{sqrt{2}}{2}$		$frac{sqrt{2}}{2}$		$-frac{sqrt{2}}{2}$
	$frac{1}{16}$	$frac{1}{8}$	$frac{3}{16}$	$frac{1}{4}$	$frac{3}{16}$	$frac{1}{8}$	$frac{1}{16}$

Составим ряд распределения.

При этом

$P{Y=-frac{sqrt{2}}{2}}=P{X=0}+P{X=frac{3pi}{2}}=frac{1}{16}+frac{1}{16}=frac{1}{8}$

$P{Y=0}=P{X=frac{pi}{4}}+P{X=frac{5pi}{4}}=frac{1}{8}+frac{1}{8}=frac{1}{4}$

$P{Y=frac{sqrt{2}}{2}}=P{X=frac{pi}{2}}+P{X=pi}=frac{3}{16}+frac{3}{16}=frac{3}{8}$

Т. е. записываем значения ДСВ Y в таблицу в порядке возрастания. При одинаковых значениях ДСВ соответствующие вероятности складываем.

Итак, получаем

	$-frac{sqrt{2}}{2}$		$frac{sqrt{2}}{2}$
	$frac{1}{8}$	$frac{1}{4}$	$frac{3}{8}$	$frac{1}{4}$

б) Самостоятельно.

2.3. Заданы распределения двух независимых случайных величин X и Y:

Найти:

а) функцию распределения СВ Х;

б) ряд распределения случайных величин ;

в) ;

г) построить многоугольники распределения СВ Z ,W и V.

Решение.

а) Найдите функцию распределения СВ Х самостоятельно.

б) Найдем всевозможные значения $z_{ij}=x_{i}+y_{j}$ , т. е. просуммируем все значения, которые принимает ДСВ Х, со всеми значениями ДСВ Y.

Предлагаю сделать это так, первое значение ДСВ Х сложить последовательно с каждым значением ДСВ Y, потом то же самое проделать со вторым значением ДСВ Х и с третьим. Все операции показаны в таблице ниже.

0+2=2	1+2=3	2+2=4
0+3=3	1+3=4	2+3=5
0+4=4	1+4=5	2+4=6

Т. е. случайная величина принимает значения:

Найдем вероятности этих значений:

$[p_1=P{Z=2}=P{X=0,Y=2}]$

Запись вида означает вероятность наступления 2-х независимых событий {X=0} и {Y=2}, т. е.

$p_1=P{X=0,Y=2}=P{{X=0}cdot {Y=2}}=P{X=0}cdot P{Y=2}=0,2cdot 0,3=0,06$

Для нахождения вероятностей воспользуемся правилом сложения несовместных событий:

$p_2=P{Z=3}=P{X=0,Y=3}+P{X=1,Y=2}=0,2cdot 0,3+0,4cdot 0,3=0,06+0,12=0,18;$

$p_3=P{Z=4}=P{X=0,Y=4}+P{X=1,Y=3}+P{X=2,Y=2}=0,2cdot 0,4+ \ +0,4cdot 0,3+0,4cdot 0,3=0,08+0,12+0,12=0,32;$

$p_4=P{Z=5}=P{X=1,Y=4}+P{X=2,Y=3}=0,4cdot 0,4+0,4cdot 0,3=0,16+0,12=0,28;$

$p_5=P{Z=6}=P{X=2,Y=4}=0,4cdot 0,4=0,16$

Запишем ряд распределения ДСВ

	2	3	4	5	6
	0,06	0,18	0,32	0,28	0,16

Сделаем проверку:

$sum_{i=1}^{5} p_{i}=0,06+0,18+0,32+0,28+0,16=1.$

Многоугольник распределения СВ Z представлен ниже:

Далее рассмотрим ДСВ

Найдем всевозможные значения $w_{ij}=x_{i}-y_{j}$ .

Все вычисления сведены в таблицу ниже.

0-2=-2	1-2=-1	2-2=0
0-3=-3	1-3=-2	2-3=-1
0-4=-4	1-4=-3	2-4=-2

Таким образом случайная величина принимает значения:

Замечание. Как вы видите, я выписал для удобства все значения СДВ W в порядке возрастания, так как при составления ряда распределения их (значения случайной величины) нужно располагать по возрастанию.

Найдем вероятности этих значений:

$p_1=P{W=-4}=P{X=0,Y=4}=0,2cdot 0,4=0,08$

$p_2=P{W=-3}=P{X=0,Y=3}+P{X=1,Y=4}=0,2cdot 0,3+0,4cdot 0,4=0,06+0,16=0,22;$

$p_3=P{W=-2}=P{X=0,Y=2}+P{X=1,Y=3}+P{X=2,Y=4}=0,2cdot 0,3+ \ +0,4cdot 0,3+0,4cdot 0,4=0,06+0,12+0,16=0,34;$

$p_4=P{W=-1}=P{X=1,Y=2}+P{X=2,Y=3}=0,4cdot 0,3+0,4cdot 0,3=0,12+0,12=0,24;$

$p_5=P{W=0}=P{X=2,Y=4}=0,4cdot 0,3=0,12$

Запишем ряд распределения ДСВ

	-4	-3	-2	-1	0
	0,08	0,22	0,34	0,24	0,12

Сделаем проверку: $sum_{i=1}^{5} p_{i}=0,08+0,22+0,34+0,24+0,12=1$

Многоугольник распределения СВ W представлен ниже:

По аналогии с предыдущими пунктами найдем все значения ДСВ V : $v_{ij}=x_{i}cdot y_{j}$ . Все вычисления сведены в таблицу ниже.

0·2=0	1·2=2	2·2=4
0·3=0	1·3=3	2·3=6
0·4=0	1·4=4	2·4=8

Таким образом случайная величина принимает значения:

Найдем вероятности этих значений:

$p_1=P{V=0}=P{X=0,Y=2}+P{X=0,Y=3}+P{X=0,Y=4}=0,2cdot 0,3+0,2cdot 0,3+0,2cdot 0,4=0,06+0,06+0,08=0,2;$

$p_2=P{V=2}=P{X=1,Y=2}=0,4cdot 0,3=0,12$

$p_3=P{V=3}=P{X=1,Y=3}=0,4cdot 0,3=0,12$

$p_4=P{V=4}=P{X=1,Y=4}+P{X=2,Y=2}=0,4cdot 0,4+0,4cdot 0,3=0,16+0,12=0,28;$

$p_5=P{V=6}=P{X=2,Y=3}=0,4cdot 0,3=0,12$

$p_6=P{V=8}=P{X=2,Y=4}=0,4cdot 0,4=0,16$

Запишем ряд распределения ДСВ

	0	2	3	4	6	8
	0,2	0,12	0,12	0,28	0,12	0,16

Сделаем проверку: $sum_{i=1}^{5} p_{i}=0,2+0,12+0,12+0,28+0,12+0,16=1$

Многоугольник распределения СВ V представлен ниже:

в) Найдем . Пусть .

Построим ряд распределения ДСВ М, используя абсолютные величины значений ДСВ , иными словами возьмем по модулю все значения ДСВ W, например, .

Получим ряд

	0	1	2	3	4
	0,12	0,24	0,34	0,22	0,08

Найдем вероятности всех значений ДСВ М, которые меньше, либо равны 2

Список использованной литературы:

Лунгу, К. Н. Сборник задач по высшей математике, 2 курс [Текст]/ К.Н. Лунгу, В.П. Норин, Д.Т. Письменный, Ю.А. Шевченко, Е.Д. Куланин; под редакцией С.Н. Федина.7-е изд. — М.: Айрис-пресс, 2009. — 592с.
Гмурман, В.Е. Теория вероятностей и математическая статистика [Текст]/ В.Е. Гмурман, 12-е изд., перераб. — М.: Высшее образование, Юрайт-Издат, 2009. — 479с.

Источник

Дискретная случайная величина

На этой странице мы собрали краткую теорию и примеры решения учебных задач, в которых дискретная случайная величина уже задана своим рядом распределения (табличный вид) и требуется ее исследовать: найти числовые характеристики, построить графики и т.д. Примеры на известные виды распределения вы можете найти по ссылкам:

Биномиальный закон распределения
Гипергеометрический закон распределения
Геометрический закон распределения
Закон распределения Пуассона

Полезная страница? Сохрани или расскажи друзьям

Краткая теория о ДСВ

Дискретная случайная величина задается своим рядом распределения: перечнем значений $x_i$, которые она может принимать, и соответствующих вероятностей $p_i=P(X=x_i)$. Количество значений случайной величины может быть конечным или счетным. Для определенности будем рассматривать случай $i=overline{1,n}$. Тогда табличное представление дискретной случайной величины имеет вид:

$$
begin{array}{|c|c|}
hline
X_i & x_1 & x_2 & dots & x_n \
hline
p_i & p_1 & p_2 & dots & p_n \
hline
end{array}
$$

При этом выполняется условие нормировки: сумма всех вероятностей должна быть равна единице

$$sum_{i=1}^{n} p_i=1$$

Графически ряд распределения можно представить полигоном распределения (или многоугольником распределения). Для этого на плоскости откладываются точки с координатами $(x_i,p_i)$ и соединяются по порядку ломаной линией. Подробные примеры вы найдете ниже.

Числовые характеристики ДСВ

Математическое ожидание:

$$M(X) = sum_{i=1}^{n} x_i cdot p_i$$

Дисперсия:

$$ D(X)=M(X^2)-(M(X))^2 = sum_{i=1}^{n} x_i^2 cdot p_i – (M(X))^2$$

Среднее квадратическое отклонение:

$$sigma (X) = sqrt{D(X)}$$

Коэффициент вариации:

$$V(X) = frac{sigma(X)}{M(X)}$$.

Мода: значение $Mo=x_k$ с наибольшей вероятностью $p_k=max_i{p_i}$.

Вы можете использовать онлайн-калькуляторы для вычисления математического ожидания, дисперсии и среднего квадратического отклонения ДСВ.

Функция распределения ДСВ

По ряду распределения можно составить функцию распределения дискретной случайной величины $F(x)=P(Xlt x)$. Эта функция задает вероятность того, что случайная величина $X$ примет значение меньшее некоторого числа $x$. Примеры построения с подробными вычислениями и графиками вы найдете в примерах ниже.

Примеры решенных задач

Задача 1. Дискретная случайная величина задана рядом распределения:

1 2 3 4 5 6 7

0,05 0,15 0,3 0,2 0,1 0,04 0,16
Построить многоугольник распределения и функцию распределения $F(x)$. Вычислить: $M[X], D[X], sigma[X]$, а также коэффициент вариации, асимметрии, эксцесса, моду и медиану.

Задача 2. Дан закон распределения дискретной случайной величины Х. Требуется:
а) определить математическое ожидание М(х), дисперсию D(х) и среднее квадратическое отклонение (х) случайной величины Х;
б) построить график этого распределения.
хi 0 1 2 3 4 5 6
pi 0,02 0,38 0,30 0,16 0,08 0,04 0,02

Задача 3. Для случайной величины Х с данным рядом распределения
-1 0 1 8
0,2 0,1 $р_1$ $р_2$
А) найдите $р_1$ и $р_2$ так, чтобы $М(Х)=0,5$
Б) после этого вычислите математическое ожидание и дисперсию случайной величины $Х$ и постройте график ее функции распределения

Задача 4. Дискретная СВ $X$ может принимать только два значения: $x_1$ и $x_2$, причем $x_1 lt x_2$. Известны вероятность $P$ возможного значения, математическое ожидание $M(x)$ и дисперсия $D(x)$. Найти: 1) Закон распределения этой случайной величины; 2) Функцию распределения СВ $X$; 3) Построить график $F(x)$.
$P=0,3; M(x)=6,6; D(x)=13,44.$

Задача 5. Случайная величина Х принимает три значения: 2, 4 и 6. Найти вероятности этих значений, если $M(X)=4,2$, $D(X)=1,96$.

Задача 6. Дан ряд распределения дискретной с.в. $Х$. Найти числовые характеристики положения и рассеивания с.в. $Х$. Найти м.о. и дисперсию с.в. $Y=X/2-2$, не записывая ряда распределения с.в. $Y$, проверить результат с помощью производящей функции.
Построить функцию распределения с.в. $Х$.
¦ x¦ 8 ¦ 12 ¦ 18 ¦ 24 ¦ 30 ¦
¦ p¦ 0,3¦ 0,1¦ 0,3¦ 0,2¦ 0,1¦

Задача 7. Распределение дискретной случайной величины $Х$ задано следующей таблицей (рядом распределения):
-6 3 9 15

0,40 0,30 ? 0,10
Определить недостающее значение в таблице распределения. Вычислить основные числовые характеристики распределения: $M_x, D_x, sigma_x$. Найти и построить функцию распределения $F(x)$. Определить вероятность того, что случайная величина $Х$ примет значения:
А) больше чем 6,
Б) меньше чем 12,
В) не больше 9.

Задача 8. В задаче требуется найти: а) математическое ожидание; б) дисперсию; в) среднее квадратическое отклонение дискретной случайной величины X по заданному закону её распределения, заданному таблично (в первой строке таблицы указаны возможные значения, во второй строке – вероятности возможных значений).

Задача 9. Задан закон распределения дискретной случайной величины $X$ (в первой строке указаны возможные значения $x_i$, во второй строке – вероятности возможных значений $p_i$).
Найти:
А) математическое ожидание $M(X)$, дисперсию $D(X)$ и среднее квадратическое отклонение $sigma(X)$;
Б) составить функцию распределения случайной величины $F(x)$ и построить ее график;
В) вычислить вероятности попадания случайной величины $X$ в интервал $x_2 lt X lt x_4$, пользуясь составленной функцией распределения $F(x)$;
Г) составить закон распределения величины $Y=100-2X$;
Д) вычислить математическое ожидание и дисперсию составленной случайной величины $Y$ двумя способами, т.е. пользуясь
свойством математического ожидания и дисперсии, а также непосредственно по закону распределения случайной величины $Y$.
10 20 30 40 50

0,1 0,2 0,1 0,2 0,4

Задача 10. Дискретная случайная величина задана таблице. Вычислить ее начальные и центральные моменты до 4 порядка включительно. Найти вероятности событий $xi lt Mxi$, $xi ge M xi$, $xi lt 1/2 M xi$, $xi ge 1/2 M xi$.

X 0 0,3 0,6 0,9 1,2

P 0,2 0,4 0,2 0,1 0,1

Мы отлично умеем решать задачи по теории вероятностей

Решебник по терверу

Нужны еще решения? Более 11000 подробно решенных и оформленных задач. Найди в решебнике сейчас:

Источник

Задача 1

Прямоугольник
со сторонами l₁ и l₂ разделен на четыре равные
части, одна из которых заштрихована. На прямоугольник брошены три точки.
Попадание точки в любое место прямоугольника равновозможно. Дискретная случайная величина – число точек,
попавших на заштрихованную часть. Найти: закон распределения, числовые
характеристики, функцию распределения F(x). Построить график F(x).

Задача 2

Для
случайной величины X найти: а) закон распределения; б) функцию
распределения; в) математическое ожидание и дисперсию. При установившемся
технологическом процессе всей
производимой продукции станок-автомат выпускает 2/3 первым сортом и 1/3 – вторым. Случайным образом отбирается 5
изделий. X – число изделий первого сорта среди отобранных.

На сайте можно заказать решение контрольной или самостоятельной работы, домашнего задания, отдельных задач. Для этого вам нужно только связаться со мной:

ВКонтакте
WhatsApp
Telegram

Мгновенная связь в любое время и на любом этапе заказа. Общение без посредников. Удобная и быстрая оплата переводом на карту СберБанка. Опыт работы более 25 лет.

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Задача 3

Игральную
кость подбросили 3 раза. Найти математическое ожидание, дисперсию, среднее
квадратическое отклонение числа невыпадения единицы.

Задача 4

Монету
подбросили 4 раза. Найти математическое ожидание, дисперсию, среднее
квадратическое отклонение дискретной случайной величины X –
числа появлений герба.

Задача 5

В городе
имеется N=3 оптовых баз. Вероятность того, что требуемого сорта товар
отсутствует, на этих базах одинакова и равна p=0,2. Составить закон
распределения числа баз, на которых товар отсутствует в данный момент. Найти
математическое ожидание и среднее квадратическое отклонение.

Задача 6

Продавец
азартных игр объясняет, что в его лотерее 40% заклепок. Игрок покупает 5
билетов.

а) Какова
вероятность того, что он вытащит не более двух заклепок?

б)
Рассчитайте ожидаемое значение и интерпретируйте его

Задача 7

Случайные
величины ξ и η имеют биномиальные распределения с параметрами n=20 и p=0,2
для величины ξ и n=100 и p=0,1 для величины η.

Найти
математическое ожидание и дисперсию величины γ=10ξ-2η, если известен
коэффициент корреляции ρ(ξ,η)=-0,7.

Задача 8

Вероятность
изготовления бракованной детали на первом станке составляет 3%, на второй
станке – 5%. На первом станке изготовлено 20 деталей, на втором 40 деталей.
Найти математическое ожидание и дисперсию числа бракованных деталей.

ВКонтакте
WhatsApp
Telegram

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Задача 9

Производится
9 бомбометаний с вероятностью попадания при каждом 0,89. Какова вероятность при
более чем 4 бомбометаниях? Найти характеристики распределения случайной
величины.

Задача 10

Вероятность
того, что саженец абрикоса приживется в Новосибирской области, равна 0,6.
Посадили 5 саженцев. Записать закон распределения случайной величины X –
число прижившихся саженцев. Найти математическое ожидание и дисперсию
полученного распределения.

Задача 11

Из
курьерской службы отправились на объекты 5 курьеров. Каждый курьер с
вероятностью 0,3 независимо от других опаздывает на объект. Указать вид
распределения случайной величины X – числа опоздавших
курьеров. Построить ряд распределения случайной величины X.
Найти ее математическое ожидание и дисперсию. Найти вероятность того, что на
объекты опоздают не менее двух курьеров.

Задача 12

Проведено
5 независимых опытов. Вероятность взрыва в каждом опыте равна p=2/7.
Составить закон распределения числа взрывов, вычислить математическое ожидание,
дисперсию, среднеквадратическое отклонение и построить многоугольник
распределения.

Задача 13

На складе
производителя электрических гирлянд, которые планируется поставлять на продажу,
проводится выборочная проверка их работоспособности. Известно, что у примерно
5% производимых гирлянд бывают неисправности различного рода. Предположим, были
отобраны 3 гирлянды для проверки их работоспособности. Найдите закон
распределения случайной величины

– число гирлянд без неисправностей среди
отобранных. Определите вероятность того, что более чем одна гирлянда будет
исправлена.

ВКонтакте
WhatsApp
Telegram

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Задача 14

Торговый
агент в среднем контактирует с 4 потенциальными покупателями в день. Из опыта
ему известно, что вероятность того, что потенциальный покупатель совершит
покупку, равна 0,023. Составить закон распределения ежедневного числа продаж
для агента. Найти числовые характеристики этого распределения. Чему равна
вероятность того, что у агента будет хотя бы 2 продажи в течение дня?

Задача 15

Случайная
величина имеет биноминальное распределение с математическим ожиданием M(X)=3 и
дисперсией D(X)=1,2. Найти P(X≥2).

Задача 16

По мишени
производится 4 независимых выстрела с вероятностью попадания при каждом
выстреле p=0,9. Найти закон распределения дискретной
случайной величины X, равной числу попадания в мишень. Написать функцию
распределения.

Задача 17

Производится
4 независимых выстрела по некоторой цели. Вероятность попадания при одном
выстреле равна 0,25. Выписать ряд распределения для числа попаданий в цель.

Задача 18

Вероятность
попадания в цель одним выстрелом равна 0,5. Производят пять выстрелов. Найти:
а) Распределение вероятностей числа попаданий; б) Наивероятнейшее число
попаданий; в) Вероятность, что попаданий будет не более двух.

Задача 19

Клиенты
банка не возвращают полученный кредит в 12% случаев.

а)
составить ряд распределения числа не отдавших кредит клиентов из взятых наудачу
3-х.

б) найти
среднее число не отдавших кредит клиентов и отклонение от него.

Задача 20

При
установившемся технологическом процессе происходит в среднем 10 обрывов нити на
100 веретен в час. Найти закон распределения и математическое ожидание
случайного числа обрывов нити в течение часа среди трех веретен, работающих
независимо друг от друга.

ВКонтакте
WhatsApp
Telegram

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Задача 21

Составить
закон распределения случайной величины Х и найти ее математическое ожидание,
дисперсию и среднее квадратическое отклонение:

Х – число
выигравших билетов лотереи, если куплено 3 билета, а выигрышные билеты
составляют в тираже 8%;

Задача 22

Производится
3 независимых опыта, в каждом из которых событие A появляется с вероятностью
0,4. Построить ряд распределения числа появлений события в 3-х опытах.

Найти F(X),M(X),D(X),σ(X),p(x≥1)

Задача 23

Построить
ряд распределения числа попаданий мячом в корзину при 4 бросках, если
вероятность попадания равна 0,7.

Задача 24

Производится
три независимых испытания, в каждом из которых вероятность появления события A равна
0,4. Составить закон распределения дискретной случайной величины X –
числа появления события A в указанных испытаниях.
Найти математическое ожидание, дисперсию и среднее квадратическое отклонение.

Задача 25

Запишите
таблицу для данного закона распределения случайной величины X,
постройте многоугольник распределения. Найдите числовые характеристики распределения
(M(X),D(X),σ(X)). Запишите функцию распределения и постройте ее график.
Ответьте на вопрос о вероятности описанного события.

Записи
страховой компании показали, что 30% держателей страховых полисов старше 50 лет
потребовали возмещения страховых сумм. Для проверки в случайном порядке было
отобрано 5 человек старше 50 лет, имеющих полисы. Случайная величина X –
количество требующих возмещения среди отобранных. Чему равна вероятность того,
что потребуют возмещения более трех человек?

Задача 26

На
некоторой остановке автобус останавливается только по требованию. Вероятность
остановки равна 0,2. За смену автобус проходит мимо этой остановки 5 раз.
Составить закон распределения числа остановки за смену, найти математическое
ожидание и дисперсию этой случайной величины.

ВКонтакте
WhatsApp
Telegram

Подробное решение в электронном виде (docx, pdf) получите точно в срок или раньше.

Задача 27

Устройство
состоит из пяти независимых элементов. Вероятность безотказной работы каждого
элемента в одном опыте равна 0,7. Для случайной величины X
элементов, безотказно работавших в одном опыте, построить закон распределения,
их графики, найти ее числовые характеристики.

Задача 28

В группе
студентов среднее число отличников составляет 20%. Составить закон распределения количества
отличников среди четырех студентов, отобранных случайным образом для участия в
деловой игре.

Задача 29

В урне 6
белых и 14 черных шара. Из урны извлекается один шар 4 раз подряд, причем
каждый раз вынутый шар возвращается в урну и шары перемешиваются. Приняв за
случайную величину Х число извлеченных белых шаров, составить закон
распределения этой случайной величины, найти ее математическое ожидание и
дисперсию.

Задача 30

Устройство состоит из трех
независимо работающих элементов. Вероятность отказа в одном опыте для каждого
элемента равна 0.1. Составить закон распределения случайного числа отказавших
элементов в одном опыте. Составить функцию распределения, построить ее график.

Задача 31

В
контрольной работе три задачи. Вероятность того, что задача будет решена, равна
0,9. Найти математическое ожидание случайной величины – числа решенных задач,
стандартное отклонение.

Задача 32

Известна
вероятность события A: p(A)=0,6. Дискретная случайная
величина ξ – число появлений A в трех опытах. Построить
ряд распределения случайной величины ξ. Найти математическое
ожидание m_ξ и дисперсию D_ξ.

Источник

Функция распределения

Плотность распределения

Биномиальное распределение

Нормальное распределение

Эмпирические и теоретические распределения

Свойства кривой нормального распределения

Формирование нормального распределения

Построение кривой нормального распределения

Пример 1.

Пример 2.

Пример 3.

Пример 4.

Пример 5.

Пример 6.

Критерии согласия

Пример 7.

Пример 8.

Пример 9.

Пример 10.

Пример 11.

Распределение Пуассона

Пример 12.

Распределение Максвелла

Пример 13.

Законы распределения

I. Определение случайной величины (СВ), дискретной случайной величины (ДСВ). Закон и многоугольник распределения ДСВ

II. Операции над дискретными случайными величинами

Дискретная случайная величина

Краткая теория о ДСВ

Числовые характеристики ДСВ

Функция распределения ДСВ

Примеры решенных задач

Решебник по терверу

Вам также может понравиться

Как найти множество целых чисел функции

Как найти угрожающего по телефону

Как найти стилиста стрижка

Добавить комментарий Отменить ответ