- •ПРЕДИСЛОВИЕ
- •ОСНОВНЫЕ ОБОЗНАЧЕНИЯ
- •1. КОМБИНАТОРИКА
- •2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •2.1. Классическое определение вероятности
- •2.2. Геометрические вероятности
- •2.3. Теоремы сложения и умножения вероятностей
- •2.4. Формула полной вероятности
- •2.5. Формулы Байеса
- •2.6. Повторные независимые испытания
- •2.6.1. Формула Бернулли
- •2.6.2. Обобщенная формула Бернулли
- •2.7. Простейший (пуассоновский) поток событий
- •2.8. Случайные величины. Функция распределения. Функция плотности вероятности. Числовые характеристики
- •2.8.1. Случайные величины
- •2.8.2. Функция распределения
- •2.8.3. Функция плотности вероятности
- •2.8.4. Числовые характеристики случайных величин
- •2.9. Нормальный закон распределения
- •2.10. Асимптотика схемы независимых испытаний
- •2.10.2. Формула Пуассона
- •2.11. Функции случайных величин
- •2.12. Функции нескольких случайных аргументов
- •2.12.1. Свертка
- •2.12.2. Распределение системы двух дискретных случайных величин
- •2.12.3. Распределение функции двух случайных величин
- •2.13. Центральная предельная теорема
- •2.14. Ковариация
- •2.14.1. Корреляционная зависимость
- •2.14.2. Линейная корреляция
- •2.15. Функциональные преобразования двухмерных случайных величин
- •2.16. Правило «трех сигм»
- •2.17. Производящие функции. Преобразование Лапласа. Характеристические функции
- •2.17.1. Производящие функции
- •2.17.2. Преобразование Лапласа
- •2.17.3. Характеристические функции
- •3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •3.1. Точечные оценки
- •3.1.1. Свойства оценок
- •3.1.2. Оценки для математического ожидания и дисперсии
- •3.1.3. Метод наибольшего правдоподобия для оценки параметров распределений
- •3.1.4. Метод моментов
- •3.2. Доверительный интервал для вероятности события
- •3.3. Проверка гипотезы о равенстве вероятностей
- •3.4. Доверительный интервал для математического ожидания
- •3.4.1. Случай большой выборки
- •3.4.2. Случай малой выборки
- •3.5. Доверительный интервал для дисперсии
- •3.6. Проверка статистических гипотез
- •3.6.1. Основные понятия
- •3.6.2. Критерий согласия «хи-квадрат»
- •3.6.3. Проверка гипотезы о независимости двух случайных величин
- •3.6.4. Проверка параметрических гипотез
- •3.6.5. Проверка гипотезы о значении медианы
- •3.6.6. Проверка гипотезы о равенстве математических ожиданий
- •3.7. Регрессионный анализ. Оценки по методу наименьших квадратов
- •3.8. Статистические решающие функции
- •4. СЛУЧАЙНЫЕ ПРОЦЕССЫ
- •4.1 Стационарные случайные процессы
- •4.2. Преобразование случайных процессов динамическими системами
- •4.3. Процессы «гибели и рождения»
- •4.4. Метод фаз Эрланга
- •4.5. Марковские процессы с дискретным множеством состояний. Цепи Маркова
- •4.6. Марковские процессы с непрерывным временем и дискретным множеством состояний
- •4.7. Модели управления запасами
- •4.8. Полумарковские процессы
- •5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРИЛОЖЕНИЯ
- •ОГЛАВЛЕНИЕ
P(B) = 2 / 5 и события независимы. Пусть при выборе из первой урны белого шара, его перекладывают во вторую урну и только потом выбирают из нее шар. Оценить силу зависимости между событиями A и B.
Решение. Для вычисления коэффициента корреляции воспользуемся
формулой (2.14.6): |
|
(2 / 3)(1 / 2) - (2 / 3)(2 / 5) |
|
|
|
1 |
|
|
||||||||||
|
|
rAB |
|
|
|
|
|
» 0, 29. |
||||||||||
|
|
= |
|
|
= |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
(2 / 3)(1 / 3)(2 / 5)(3 / 5) |
|
|
|
|
12 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Заметим, что в случае добавлении не одного, а двух белых шаров во |
||||||||||||||||||
вторую урну этот коэффициент равен |
|
|
|
|
||||||||||||||
|
|
|
|
|
r |
|
= |
(2 |
/ 3)(4 / 7) - (2 / 3)(2 / 5) |
» 0, 49. |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
AB |
(2 / 3)(1 / 3)(2 / 5)(3 / 5) |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Ответ. |
1 |
|
|
» 0,29. |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
12 |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Задача 2.86. В первой урне n1 белых и n2 |
|
черных шара, а во второй |
урне их соответственноm1 и m2. Из первой урны извлекают наугад два шара и перекладывают их во вторую урну. После этого из второй урны извлекают один шар.
Пусть Ai означает, что среди перемещенных во вторую урну шаров ровно i белых ( i = 0,1, 2 ). Обозначим через B факт выбора белого шара из
второй урны. Найдите коэффициенты корреляции между |
каждым из |
событий Ai и событиемB. (См. пример 2.86; величины n1, n2, |
m1 и m2 |
возьмите из исходных данных к задаче 2.14.) |
|
2.15. Функциональные преобразования двухмерных случайных величин
Пусть ( X ,Y ) и (U ,V ) –– двумерные случайные величины, причем
U = j1=( X ,Y ), V j2 ( X ,Y ), |
(2.15.1) |
где функции j1 и j2 непрерывно дифференцируемы и отображение (2.15.1) взаимно однозначно, т.е. существуют функции y1 и y2 такие, что
Если
( X ,Y ) , а g (U ,V ) , то
¶y1
где I = ¶y¶u2
¶u
X = y1 (U ,V ) и Y = y2 (U ,V ).
f (x, y) –– функция плотности вероятности случайного вектора (u, v) –– функция плотности вероятности случайного вектора
g(u, v) = f [ y1(u,v), y2 (u, v)] | I |, |
(2.15.2) |
¶y1
¶v . ¶y2
¶v
152
|
Пример 2.87. Случайный вектор ( X ,Y ) имеет плотность вероятности |
||||||||||||||||||||||||
|
|
|
|
|
|
ì2exp(-2x - y) |
при x ³ 0, y ³ 0; |
|
|
||||||||||||||||
|
|
|
f (x, y) = í |
при остальных (x, y). |
|
|
|
|
|||||||||||||||||
|
|
|
|
î0 |
|
|
|
|
|
|
|||||||||||||||
Найти плотность вероятности случайного вектора (U ,V ) , если |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
U = X – Y и V = X + Y. |
|
|
(2.15.3) |
||||||||||||||||
|
Решение. Найдем обратное к (2.15.3) преобразование: |
|
|
||||||||||||||||||||||
|
|
x = y1 (u,v) =0,5 (u + v), |
y |
=y2 (u, v) |
=0,5(v – u). |
|
|
||||||||||||||||||
|
Заметим, |
что |
из |
условия |
|
неотрицательностиx и |
y |
следует: |
|||||||||||||||||
v ³ - u, |
v ³ u, v ³ 0. Так как |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
¶y1 |
|
|
¶y1 |
|
|
|
0,5 0,5 |
|
= 1 / 2, |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
I = |
|
|
¶u |
|
|
|
|
¶v |
|
|
= |
|
|
|
|
|||||||
|
|
|
|
|
|
¶y2 |
|
|
¶y |
2 |
|
|
|
-0,5 0,5 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
¶u |
|
|
|
¶v |
|
|
|
|
|
|
|
|
|
|
вектора(U ,V ) , в |
||||
то |
функция |
плотности |
|
|
вероятности |
|
|
случайного |
|||||||||||||||||
соответствии с формулой (2.15.2), имеет вид |
|
|
|
|
|
|
|
||||||||||||||||||
|
g(u, v) = 2exp[-2 ×0,5(u + v) – 0,5(v - u)] ×1/ 2 |
=exp[-0,5(u + 3v)]. |
|
||||||||||||||||||||||
|
Ответ. g(u,v) = exp[-0,5(u + 3v)] при v ³ -u, |
v ³ u, |
v ³ 0 и g(u,v) = 0 |
||||||||||||||||||||||
при остальных (u,v). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Задача 2.87. Случайный вектор ( X ,Y ) имеет плотность вероятности |
||||||||||||||||||||||||
|
f (x, y) = |
ìab exp(-ax - by) |
при x ³ 0, |
y ³ 0, |
a > 0, |
b > 0; |
|
||||||||||||||||||
|
í |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
î0 при остальных (x, y). |
|
|
|
|
|
|
|
|
||||||||||||||
Найти |
плотность |
|
|
вероятности |
случайного |
вектора(U ,V ) , |
если |
U = exp( X / c) и V = cX +Y . (См. пример 2.87 и исходные данные.)
Исходные данные к задаче 2.87.
№ a b c № a b c № a b c № a b c № a b c
1 |
1 |
2 |
1 |
7 |
3 |
1 |
1 |
13 |
1 |
2 |
3 |
19 |
3 |
2 |
3 |
25 |
1 |
4 |
1 |
2 |
2 |
1 |
2 |
8 |
3 |
2 |
2 |
14 |
2 |
2 |
3 |
20 |
2 |
3 |
3 |
26 |
1 |
1 |
4 |
3 |
1 |
2 |
2 |
9 |
2 |
3 |
2 |
15 |
3 |
3 |
1 |
21 |
4 |
1 |
1 |
27 |
1 |
2 |
4 |
4 |
2 |
2 |
1 |
10 |
3 |
2 |
1 |
16 |
3 |
3 |
2 |
22 |
4 |
2 |
1 |
28 |
2 |
1 |
4 |
5 |
2 |
2 |
2 |
11 |
2 |
2 |
3 |
17 |
3 |
1 |
3 |
23 |
4 |
1 |
2 |
29 |
1 |
2 |
4 |
6 |
2 |
3 |
1 |
12 |
1 |
3 |
2 |
18 |
1 |
3 |
3 |
24 |
4 |
2 |
2 |
30 |
3 |
1 |
4 |
Пример 2.88. Случайные величиныX и Y независимы и имеют нормальные законы распределения с нулевыми средними значениями и одинаковыми дисперсиями s2:
153
f (x) = |
1 |
ì |
x |
2 |
ü |
|
f |
|
( y) = |
1 |
ì |
y |
2 |
ü |
|||
exp í- |
|
ý |
; |
|
|
exp í- |
|
ý. |
|||||||||
|
|
2s2 |
|
|
|
|
2s2 |
||||||||||
1 |
s 2p |
î |
þ |
|
|
2 |
|
s 2p |
î |
þ |
Пусть X и Y декартовы координаты случайного вектора( X ,Y ) . Производится переход к полярным координатам по формулам
|
|
|
|
x = r cos j, |
y = r sin j. |
|
|
|
|
|
|
(2.15.4) |
|||||||||||||
Требуется найти |
функцию |
плотности |
вероятности случайного |
||||||||||||||||||||||
вектора (r;j) и функции плотности вероятности компонент этого вектора |
|||||||||||||||||||||||||
r и j. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Решение. Так |
как X |
и Y |
независимы, то плотность |
вероятности |
|||||||||||||||||||||
случайного вектора ( X ,Y ) имеет вид |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
f (x, y) = |
|
|
1 |
|
|
|
ì |
x |
2 |
+ y |
2 ü |
|
|
|
||||||||
|
|
|
|
|
|
|
exp |
í- |
|
|
ý.. |
|
|
|
|||||||||||
|
|
|
2ps2 |
|
|
2s2 |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
î |
|
|
|
þ |
|
|
|
||||||||||
Якобиан преобразования (2.15.4) равен |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
¶x |
|
|
¶x |
|
|
cos j |
|
- rsin j |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
I = |
|
¶r |
|
¶j |
|
|
|
|
r, |
|
|
||||||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||
= = |
|
¶y |
|
|
sin j |
|
|
|
|
rcos j |
|
|
|
|
|||||||||||
|
|
¶y |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
¶r |
|
¶j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
по формуле (2.15.2) получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
g(r,j)= |
f [x(r, j); y(r,j)]=| I | |
|
|
r |
ì |
r2 |
ü |
|
|||||||||||||||||
|
|
|
exp í- |
|
ý. |
(2.15.5) |
|||||||||||||||||||
2ps2 |
2s2 |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
î |
þ |
|
Плотность вероятности (2.15.5) позволяет вычислить маргинальные плотности вероятности. Плотность распределения величины r
|
p/2 |
|
r |
|
|
ì |
|
r2 |
|
üp/2 |
|
r |
ì |
r2 ü |
|
|
|||
g (r) |
ò |
g(r=, j)dj |
|
|
exp= |
í |
- |
|
|
ý ò |
dj |
|
|
exp= - |
|
|
ý |
, |
r ³ 0. |
|
2 |
|
2 |
|
2 |
|
2 |
||||||||||||
1 |
|
2ps |
|
|
2s |
|
s |
í |
2s |
|
|
||||||||
|
0 |
|
|
|
î |
|
|
þ 0 |
|
|
î |
|
þ |
|
|
Это распределение известно как распределение Релея(Rayleigh distribution). График его плотности вероятности для нескольких значений параметра s приведен на рис. 2.15.1.
Рис. 2.15.1
154
Плотность распределения случайной величины j:
¥ |
1 |
¥ |
r |
ì |
r |
2 |
|
ü |
1 |
|
g2 (j)= òg (r,j) dr = |
ò |
|
|
|||||||
exp í- |
|
|
ý dj = |
при jÎ[0,2p]. |
||||||
2p |
2 |
2s |
2 |
2p |
||||||
0 |
0 |
s |
î |
|
þ |
|
Это равномерное распределение на отрезке [0, 2p] |
|
|
|
|
||||||
|
r |
ì |
r2 |
ü |
r |
ì |
r2 |
ü |
|
|
Ответ. g(r,j) |
|
exp=í- |
|
ý; g(r)= |
|
exp í- |
|
ý, |
r ³ 0; |
|
2ps2 |
2s2 |
s2 |
2s2 |
|||||||
|
î |
þ |
î |
þ |
|
g(j) 1=/ 2p при jÎ[0,2p].
Задача 2.88.1. Случайные величиныX и Y независимы и имеют показательный закон распределения с функциями плотности вероятности соответственно
|
|
f (x) |
= l e-lx , x ³ 0 и =f |
2 |
( y) l e-ly , y ³ 0. |
|||
|
|
1 |
|
|
|
|
|
|
Полагаем X и |
Y |
декартовыми |
координатами случайного вектора |
|||||
( X ,Y ) |
в |
первом |
квадранте(x ³ 0; |
y ³ 0). |
Производится переход к |
|||
полярным координатам по формулам |
|
|
|
|
||||
|
|
|
|
x = rcos j,=y |
|
rsin j. |
|
|
Найдите |
плотность распределения |
случайного вектора(r;j) и |
найдите плотность вероятности его координатыj. Нарисуйте график функции плотности вероятности случайной величиныj. (См. пример 2.88, l –– номер варианта.)
Задача 2.88.2. |
Случайная |
точка ( X ,Y ) имеет |
функцию |
плотности |
вероятности f (x, y) |
в круге D ={(x, y) : x2 + y2 £ a2} и |
f (x, y) = 0 |
вне этого |
|
круга. Найдите математическое |
ожидание расстояния от центра круга до |
этой случайной точки. В нечетных вариантах f
|
3 |
|
|
|
В четных вариантах f (x, y) = |
|
a2 - x2 - y2 |
||
|
||||
2pa3 |
|
|
|
3 |
|
æ |
|
1 |
|
|
|
|
|
ö |
(x, y) = |
|
|
|
x |
2 |
+ y |
2 |
||||
|
|
ç1 |
- |
|
|
|
|
÷. |
|||
pa |
2 |
a |
|
|
|||||||
|
|
è |
|
|
|
|
|
|
ø |
.
У к а з а н и е . Перейдите к полярным координатам. (См. |
пример |
2.88, a –– номер варианта.) |
|
Задача 2.88.3. Электрический ток в момент времениt определяется |
|
равенством |
|
I (t) = X cos wt + Y sin wt, |
(15.6) |
где w –– частота, а X и Y –– случайные величины, причем все положения случайной точки ( X ,Y ) в областиD ={(x, y) : x2 + y2 £ a2 , x ³ 0, y ³ 0} равновозможны.
Выражение (15.6) подвергается стандартному преобразованию:
155