Rybleva_teoria veroatnosti_2014
.pdf3.2 а) да; б) да; в) нет; г) да; д) нет; е) нет. 3.3 а) да; б) нет; в) нет; г)
нет. 3.4 |
M X 1 0,76; |
142,26. 3.5 c |
1 |
; |
|
|
F x |
1 |
|
arctg x |
; |
|||||||||
|
|
2 |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
π |
|
|
|
|
|
π |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x 2 |
|
|
|
|
|
|
P |
|
X |
|
1 |
1 |
|
; M X M M 0 . 3.6 |
p x |
x |
e |
2σ 2 . |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
2 |
|
o |
e |
|
σ 2 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3.7M(X)=0.
2.4.Основные законы распределения непрерывных случайных
величин
РАВНОМЕРНЫЙ ЗАКОН РАСПРЕДЕЛЕНИЯ
Непрерывная случайная величина X распределена равномерно на отрезке [ a; b], если все ее возможные значения сосредоточены на этом отрезке и ее плотность распределения на этом интервале постоянна:
p x |
c, |
a x b |
||
0, |
x a, |
x b |
||
|
p x
1
b - a
|
|
0 |
a |
|
b |
|
|
|
x |
Рис. 10 |
|
|||||
|
|
Найдем постоянную c из условия нормировки: |
|
|||||||||||||
|
|
|
|
|
|
|
a |
b |
|
|
|
|
|
b |
|
|
|
p x dx 1 |
p x dx |
p x dx |
|
p x dx 0 |
p x dx 0 |
||||||||||
- |
|
|
|
|
|
|
- |
a |
|
|
|
b |
|
|
a |
|
|
b |
dx c· x |
|
b c· b - a => c |
1 |
|
|
|
|
|
||||||
c· |
|
. |
|
|
|
|
||||||||||
|
|
|
|
|
|
|||||||||||
|
a |
|
|
|
|
a |
|
|
|
b - a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Если x1; x2 |
a;b , то: |
|
|
|
|
|
|
|||||||
P x X x |
2 |
|
x2 |
p x dx |
1 |
·x2 dx |
x2 - x1 |
, |
|
|||||||
|
|
|
||||||||||||||
|
1 |
|
|
|
|
|
|
b - a |
|
|
|
b - a |
|
|||
|
|
|
|
|
|
|
x1 |
|
x1 |
|
|
|
111
т.е. вероятность попадания в интервал x1; x2 равна отношению длины этого интервала к длине всего отрезка [ a; b].
Тогда функция распределения имеет вид:
|
0, |
при |
x a |
|
F x |
x - a |
, |
при |
a ≤ x b |
|
||||
|
b - a |
|
|
|
|
1, |
при |
x ≥ b |
F x
11
0 a b x Рис. 11
Математическое ожидание равномерно распределенной величины
X:
|
|
b |
|
dx |
|
1 |
b |
|
1 |
|
x |
2 |
|
b |
|
b |
2 |
- a |
2 |
|
|
|
|
|
|
|
|
||||||||||||||
M X |
|
xp x dx |
x |
|
|
xdx |
( |
|
|
|
|
) |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
- |
a |
|
b - a |
|
b - a a |
|
b - a |
2 |
|
|
a |
|
2(b - a) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M X a b .
2
Итак, математическое ожидание случайной величины X совпадает с серединой отрезка [ a; b]. Так как распределение симметричное, то медиана также находится в середине отрезка. Дисперсия равна:
D X |
1 |
b |
|
a b |
)2dx |
1 |
|
a b |
)3 |
|
b |
|
(b - a) |
2 |
|
|
|
|
|||||||||||||
|
(x - |
(x - |
|
|
|
. |
|||||||||
|
|
|
|
|
|
|
|
||||||||
|
b - a a |
2 |
|
3(b - a) |
2 |
|
|
a |
|
12 |
|
|
|||
|
|
|
|
|
|
|
Стандартное отклонение: σ X b2 - 3a .
Равномерный закон распределения используется при анализе ошибок округления при проведении числовых расчетов, в ряде задач массового обслуживания, при статистическом моделировании наблюдений, подчиненных заданному распределению.
112
ПОКАЗАТЕЛЬНЫЙ ЗАКОН РАСПРЕДЕЛЕНИЯ
Непрерывная случайная величина X имеет показательный (экспоненциальный) закон распределения с параметром λ, если ее
плотность вероятности равна:
p x |
0 при x 0 |
λ·e- λx при x ≥ 0 . |
Кривая распределения имеет вид: p(x)
λ
|
0 |
x Рис. 12 |
|
Функция распределения при x 0 |
равна нулю: F x 0 , а для |
x 0 |
получаем: F X 1 e λx . |
|
График функции распределения имеет вид:
F(x)
1
|
|
0 |
|
|
|
|
x |
Рис. 13 |
|
|
|
|
|
||
|
Математическое ожидание равно: |
|
|
|
|
|
|
|
|
||||||
M X |
|
|
b |
|
|
|
b |
|
|
|
|
|
|||
xp x dx |
lim xλe- λxdx |
lim (- |
xde - λx ) |
||||||||||||
|
|
- |
|
b 0 |
|
b 0 |
|
|
|
|
|
||||
|
|
(-xe- λx |
|
b |
b |
e- λxdx) |
|
- λb - |
1 |
e- λx |
|
b ) |
1 |
|
|
|
lim |
|
|
lim (-be |
|
. |
|||||||||
|
|
|
|
||||||||||||
b |
|
|
|
0 |
0 |
b |
|
|
λ |
|
|
0 |
λ |
||
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсию определим по формуле: D X M X 2 - M2 X . |
113
Для этого сначала найдем начальный момент второго порядка:
|
x2p x |
dx |
b |
|
|
|
|
|
|
|
|
|
b |
|
|
|
|||||||||
M X 2 |
lim x2λe- λxdx |
lim |
(- |
x2de- λx ) |
|
||||||||||||||||||||
- |
|
|
|
|
|
|
|
|
|
|
b 0 |
|
|
|
b |
0 |
|
|
|
||||||
lim (-x 2 e- λx |
|
b |
2 bxe- λxdx) lim |
(-b2e- λb ) |
2 |
b |
x |
|
|||||||||||||||||
|
|
||||||||||||||||||||||||
|
lim |
dx |
|||||||||||||||||||||||
|
|
|
|
|
eλx |
||||||||||||||||||||
b |
|
|
|
|
|
|
0 |
|
0 |
b |
|
|
|
|
|
|
|
|
|
λ b 0 |
|
||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
M X 2 0 |
|
2 |
|
1 |
|
|
2 |
. |
Отсюда D X |
2 |
- |
|
1 |
|
|
|
1 |
|
. |
|
|
|
|||
|
|
|
|
|
|
λ2 |
|
|
|
|
λ2 |
|
|
|
|||||||||||
|
|
λ λ |
λ2 |
|
|
λ2 |
|
|
|
|
|
||||||||||||||
Стандартное отклонение равно: σ X |
|
D X |
1/ λ и совпадает с |
математическим ожиданием.
Показательный закон распределения играет большую роль в теории массового обслуживания и теории надежности. Так, например, интервал времени T между двумя соседними событиями в простейшем потоке имеет показательное распределение с параметром λ – интенсивностью потока. При этом, если промежуток времени T уже длился некоторое время t , то это никак не влияет на закон распределения оставшейся части T1 T - t промежутка.
НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
Непрерывная случайная величина X подчиняется нормальному закону распределения (закону Гаусса) с параметрами a и σ , если ее
плотность вероятности имеет вид:
|
|
|
|
|
1 |
|
x -a |
2 |
|
p(x) |
1 |
- |
|
( |
|
) |
|
||
2 |
σ |
|
|||||||
|
|
|
e |
|
|
. |
|||
|
|
|
|
|
|||||
σ 2π |
|
|
|||||||
|
|
|
|
|
|
|
|
Нормальное распределение является одним из наиболее часто встречающихся распределений: рост, вес человека, ошибки измерения, параметры технологических процессов и т.д. подчиняются нормальному закону. Если случайная величина X имеет нормальное распределение вероятностей с параметрами a и σ, то коротко это записывают так:
X~N(a,σ).
114
Нормальный закон распределения является предельным законом, к которому приближаются другие законы распределения при часто встречающихся аналогичных условиях.
Кривую нормального закона распределения называют нормальной или кривой Гаусса. На рисунке ниже приведено
семейство нормальных кривых в зависимости от параметров a и σ: p x
a<0 |
0 |
a>0 |
x Рис.14 |
С геометрической точки зрения параметр a – точка максимума плотности, а также центр симметрии. При увеличении a график смещается вправо, при уменьшении a – влево. При уменьшении σ максимум плотности увеличивается, при этом «хвосты» нормальной кривой «прижимаются» ближе к оси абсцисс.
Выясним теоретико-вероятностный смысл параметров. Математическое ожидание случайной величины X:
|
|
|
|
|
|
|
|
|
|
|
|
-( |
x - |
a |
|
)2 |
t |
x - a |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
M X |
x |
|
|
|
|
|
a σ 2t |
e-t 2 |
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
e |
|
|
σ 2 |
dx |
σ |
|
|
|
|
|
|
σ |
2 |
dt |
||||||||||||||||||||||||||
|
|
|
|
2 |
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
- |
σ 2π |
|
|
|
|
|
|
|
|
|
|
|
dx σ |
|
|
|
|
|
|
|
- |
σ 2π |
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2dt |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
σ 2 |
te-t 2 dt |
|
a |
e-t 2 dt 0 |
|
a |
|
a |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
π |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
π |
|
|
- |
|
|
|
|
|
|
|
π - |
|
|
|
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
(первый интеграл равен нулю как интеграл от нечетной функции по симметричному относительно начала координат промежутку, а второй интеграл – это интеграл Эйлера –Пуассона, он равен π .
115
Найдем теперь дисперсию снова применяя замену t (x - a)/σ
D X M X - M X 2 |
|
|
|
1 |
|
|
|
|||||||||||
|
|
|
|
(x - |
||||||||||||||
|
|
|
|
|
||||||||||||||
|
|
|
|
|
||||||||||||||
σ |
|
2π |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
- |
|||||
|
σ 2 |
|
x - a |
)2e- |
1 |
( |
x -a |
)2 d( |
x - a |
|
||||||||
|
|
|
|
) |
||||||||||||||
( |
2 |
σ |
||||||||||||||||
|
|
|
|
|
|
|
||||||||||||
|
|
2π - |
|
σ |
|
|
|
|
|
|
|
|
σ |
нормальной случайной величины, и интегрируя по частям:
|
|
|
|
|
1 |
|
x -a |
|
2 |
|
|||
- |
|
|
( |
|
) |
|
dx |
||||||
|
|
|
|
||||||||||
a)2 e |
2 |
|
σ |
|
|
|
|||||||
|
σ 2 |
|
|
|
|
- |
t 2 |
|
|||||
|
|
t 2e |
2 dt |
||||||||||
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|||||
|
|
2π - |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
σ |
2 |
|
- e- |
t 2 |
|
|
|
|
e- |
t 2 |
|
|
|
|
|
|
|
2 dt σ2 . |
||||||||
|
|
2 t |
|
|
|||||||||
|
|
|
|||||||||||
|
|
|
|||||||||||
|
|
2π |
|
|
|
|
|
- |
- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
Таким образом, σ 2 - это дисперсия, σ - стандартное отклонение. Случайная величина называется центрированной, если ее
математическое ожидание равно нулю. Для того чтобы центрировать
случайную величину, надо вычесть из нее математическое ожидание:
M X - M X M X - M X 0.
Случайная величина называется нормированной, если ее
дисперсия равна единице. Для того чтобы нормировать случайную величину, надо поделить ее на стандартное отклонение:
|
X |
|
1 |
D X |
σ 2 |
1. |
|
D |
|
|
|
|
|||
|
σ 2 |
σ 2 |
|||||
|
σ |
|
|
|
Центрированная и нормированная случайная величина называется стандартной (или стандартизированной). Для того чтобы стандартизировать случайную величину, надо вычесть из нее математическое ожидание и поделить на среднее квадратическое отклонение. Стандартные случайные величины обозначаются большой
латинской буквой Z: |
Z |
X - a |
. |
|
|||
|
|
σ |
Так как для нормального распределения M X a и σ X σ , то
116
стандартная случайная величина |
Z X - a |
~ N(0; 1), т.е. плотность |
||||||||
|
|
|
|
|
|
|
|
σ |
|
|
|
|
φ z |
1 |
- |
z2 |
|
|
|||
имеет вид: |
2 . Функция φ z |
- четная, ее значения для |
||||||||
|
e |
|||||||||
|
|
|
|
σ |
2π |
|
|
|
||
положительных аргументов приведены в Приложении 1. |
||||||||||
Функция распределения стандартной случайной величины Ф z |
||||||||||
равна площади фигуры, ограниченной сверху графиком функции φ z , |
||||||||||
снизу - |
осью абсцисс, |
а справа - |
прямой, |
проходящей через точку z: |
||||||
Ф z |
1 |
z |
- |
t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
e |
2 dt |
называется функцией Лапласа. |
||||||||
2π |
|
|||||||||
|
- |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
φ z |
|
|
|
|
|
|
|
|
|
|
0 |
z |
z Рис.15 |
|
Для вычисления отрицательного аргумента используется |
||||||||||
формула: |
|
|
|
|
|
Ф - z 1- Ф z . |
|
|||
Функцию распределения случайной величины X~N(a,σ) можно |
||||||||||
выразить через Ф z , значения которой можно найти в таблицах (в |
||||||||||
данном пособии они приводятся в Приложении 2): |
F x |
|
1 |
|
|
|
x |
- |
1 |
( |
t -a |
)2 |
|
|
|
|
t - a |
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
dt |
y |
dy |
dt / σ = |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
e |
2 |
|
σ |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
σ |
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
σ 2π - |
|
|
|
|
|
|
|
|
|
|
|
|
dt σdy |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
x -a |
|
y 2 |
|
|
|
|
|
|
|
|
|
x -a |
y 2 |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
1 |
|
|
|
σ |
- |
|
|
|
|
|
1 |
|
|
σ |
- |
|
|
|
x - a |
) Ф z . |
|||||||||||||
|
|
|
|
2 σdy |
|
|
|
|
|
|
|
Ф( |
||||||||||||||||||||||
|
|
|
e |
|
|
|
|
|
e |
2 dy |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||||||||||
|
σ 2π |
|
|
- |
|
|
|
|
|
|
|
|
|
2π |
|
|
- |
|
|
|
|
|
|
|
|
|
σ |
|
|
Иногда табулируются значения функции:
117
|
1 |
|
z |
|
- |
t 2 |
|
|
z , |
|
|
|
2 dt Ф |
|
|||||
|
|
|
|
e |
|
0 |
|||
|
|
|
|||||||
|
|
||||||||
|
2π 0 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
у которой нижний предел интеграла равен нулю. Эта функция является нечетной: Ф0 - z -Ф0 z и связана с функцией Ф z соотношением:
Фz 21 Ф0 z .
Внекоторых учебниках приводятся таблицы значений функции
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z |
|
t 2 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
- 2 dt 2Ф |
|
|
z . |
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2π 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
В практических приложениях теории вероятностей часто требуется |
|||||||||||||||||||||||||||||||||
найти вероятность того, что |
|
|
случайная величина |
X~N(a,σ) |
примет |
||||||||||||||||||||||||||||||
значение из заданного интервала x1; x2 : |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
P x |
1 |
X x |
2 |
F x |
2 |
- F x |
1 |
|
Ф( |
|
x2 - a |
) - Ф( |
x1 - a |
) Ф ( |
x2 - a |
) |
1 |
- |
|||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
σ |
0 |
σ |
2 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
- (Ф ( |
x1 - a |
) |
|
1 |
)) Ф ( |
x2 - a |
) - Ф ( |
x1 - a |
) . |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
0 |
|
σ |
|
2 |
|
0 |
|
σ |
|
|
|
0 |
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Правило «трѐх сигм»: Теоретически нормальная плотность вероятности отлична от нуля в любой, даже очень отдаленной от a точке x, однако практически почти вся вероятность сосредоточена на отрезке a 3σ (отсюда и название).
Нормальное распределение является симметричным распределением. Однако на практике часто встречаются распределения несимметричные (например, биномиальное распределение при p=0,7).
Коэффициентом асимметрии распределения называется отношение центрального момента третьего порядка к кубу стандартного
отклонения: As μ3 .
σ 3
Для симметричных распределений μ3 0 , поэтому As 0 . Если
As 0, то это говорит о большем влиянии на величину μ3
отрицательных отклонений. В этом случае кривая распределения более
118
полога слева |
от M X |
и более крутая справа. Если |
As 0, то |
|||
преобладает |
влияние |
положительных |
отклонений: |
кривая |
||
распределения более полога справа и круче слева. |
|
|||||
Для нормального распределения |
μ4 |
3, |
поэтому эту величину |
|||
|
||||||
|
|
|
σ 4 |
|
|
используют для характеристики меры сглаженности кривой распределения (вблизи центра распределения) по отношению к нормальной кривой.
Коэффициентом эксцесса называется величина: Ex μ4 - 3 .
σ 4
Если для данного распределения Ex 0, то соответствующая кривая распределения более островершинна по сравнению с нормальной кривой. Распределения с E x 0 имеют более плосковершинные кривые по сравнению с нормальным.
Пример 4.1 Поезда метрополитена идут регулярно с интервалом 2 мин. Пассажир выходит на платформу в случайный момент времени. Какова вероятность того, что ждать пассажиру придется не больше полминуты. Найти среднее время ожидания и среднеквадратическое отклонение случайной величины X – времени ожидания поезда.
Решение: Случайная величина X – время ожидания поезда на временном (в минутах) отрезке [0; 2] имеет равномерный закон
распределения p x c |
1 |
|
1 |
|
1 |
. |
|
b - a |
2 - 0 |
2 |
|||||
|
|
|
|
Поэтому вероятность того, что пассажиру придется ждать не более
полминуты, равна: P X 0,5 |
0,5 |
1 |
dx |
1 |
|
|
0,5 |
|
1 |
0,25 . |
|
x |
|
||||||||
|
||||||||||
2 |
2 |
|
0 |
4 |
||||||
|
0 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
119
Среднее время ожидания: |
|
M X |
a b |
|
0 |
2 |
1 |
(мин.), |
||||||||||
|
|
|
|
2 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
||
стандартное отклонение: σ X |
b - |
a |
|
|
2 - 0 |
|
|
1 |
|
0,58 (мин.). |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
||||||||||||
2 |
3 |
|
|
2 |
3 |
|
|
3 |
|
|
|
|
|
|
|
■
Пример 4.2 Среднее время безотказной работы прибора равно 80 часов. Полагая, что время безотказной работы прибора имеет показательный закон распределения, найдите: а) функцию плотности вероятности и функцию распределения; б) вероятность того, что в течение 100 часов прибор не выйдет из строя.
Решение: а) Среднее время работы прибора – это математическое ожидание случайной величины X – времени работы прибора. По
условию: M X 80 . Для показательного распределения M X λ1 =>
параметр показательного распределения равен λ 801
Тогда функция плотности имеет вид:
|
0 |
при |
x 0 |
|
|||
p x |
|
1 |
- |
1 |
x |
|
|
|
|
|
|||||
λe- λx |
|
e |
80 |
при x |
0 |
||
80 |
|||||||
|
|
|
|
|
|||
Функция распределения для x 0 |
равна F x 0 , |
а при x 0 имеет |
x
вид: F x 1- e- λx 1- e- 80 .
б) Вероятность того, что в течение 100 часов прибор не выйдет из строя:
P X 100 1- P 0 X 100 1- F 100 - F 0 1- ((1 - e-100/80 ) - - (1 - e0 )) e5 / 4 0,286 .
■
Пример 4.3 В некоторой совокупности мужчин средний рост 175 см и стандартное отклонение 10 см. Какая доля мужчин носит одежду II роста
(167-173), III роста (173-179) и IV роста (179-185)?
120