- •Введение
- •Глава 1. ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТИ
- •§1. Основные правила комбинаторики
- •2. Правило умножения
- •3. Выборки
- •§2. Классическое определение вероятности
- •§3. Операции над событиями
- •§4. Формула полной вероятности. Формула Бейеса
- •2. Локальная теорема Муавра – Лапласа
- •3. Интегральная теорема Муавра – Лапласа
- •4. Теорема Пуассона
- •§7. Важнейшие примеры распределений
- •1. Биномиальное распределение
- •2. Нормальный закон распределения
- •3. Распределение Пуассона
- •4. Равномерное распределение вероятностей
- •5. Геометрическое распределение
- •6. Показательное распределение
- •Индивидуальные задания
- •Глава 2. ОСНОВНЫЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •§ 1. Задачи математической статистики
- •§ 2. Выборка из генеральной совокупности. Вариационный ряд. Гистограмма относительных частот
- •§ 3. Эмпирическая функция распределения
- •§ 4. Числовые характеристики статистического распределения: выборочное среднее, дисперсия
- •§ 5. Статистическая проверка статистических гипотез
- •§ 7. Примеры проверки гипотез о законе распределения выборочных данных
- •§9. Критерий равенства двух дисперсий
- •§ 10. Случайные ошибки. Законы распределения случайных ошибок в измерительных приборах
- •§11. Критерии для отбрасывания резко выделяющихся результатов испытаний
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
- •Приложение 6
§7. Важнейшие примеры распределений
В настоящем параграфе приводятся наиболее часто встречаю-
щиеся типы распределений непрерывных и дискретных случайных величин и примеры их применения.
С1. Биномиальное распределение
Рассмотр м сер ю из п независимых испытаний, в каждом из
1, 2, ... , п.
которых вероятность наступления события А равна р. Случайная ве- возможнымиличина Х означает ч сло наступления событий. Она дискретна и ее значен ями являются неотрицательные целые числа 0,
Чебышева.бЕсли случайнаяАвеличина Х = m имеет биноминальное распределение с математическим ожиданием М(Х) = пр и дисперсией D(X) = npq, то для любого ε > 0 выполняется неравенство
Закон распределения случайной величины Х задается уже из-
вестной нам формулой (см. § 5 )
P (к) Ск pкqn к ,
n n
определяющей вероятность равенства Х= к.
Математ ческое ожидание Xравно
М(Х)= пр.
Дисперсия X равна
D(X)=npq.
Для биноминального распределения имеет место неравенство
P( |
|
m np |
|
) 1 |
npq |
|
или P( |
m |
p |
) 1 |
pq |
. |
||||||||
|
|
|||||||||||||||||||
|
|
|
|
|
n |
|
||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
n |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
Д |
||||||||||||||||||
Задача 1. Стрелок делает по мишени три выстрела. Вероятность |
||||||||||||||||||||
попадания в мишень при каждом выстреле равна 0,3. Построить ряд |
||||||||||||||||||||
распределения числа попаданий и вычислить математическое ожида- |
||||||||||||||||||||
ние и дисперсию указанной случайной величины. |
|
|
|
|
||||||||||||||||
Решение. Случайная величина Х – |
число попаданий в мишень |
|||||||||||||||||||
при трех выстрелах – распределена по биноминальномуИзакону, её |
||||||||||||||||||||
возможные значения 0, 1, 2, 3. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
P(x 0) C30 p0q3 |
0,73 |
0,343; |
|
|
|
|
||||||||||||
1 |
1 |
|
2 |
|
3! |
|
|
|
|
2 |
|
|
|
|
||||||
|
|
P(x 1) C3 p |
q |
|
|
|
|
0,3 0,7 |
|
0,441; |
|
|
||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1!2! |
|
|
|
|
|
|
|
62
2 |
|
2 |
|
1 |
|
3! |
|
|
2 |
|
P(x 2) C3 |
p |
|
q |
|
|
|
|
0,3 |
|
0,7 0,189; |
|
|
2!1! |
|
|||||||
|
|
|
|
|
|
|
|
|
P(x 3) C33 p3q0 0,33 0,027.
Ряд распределения случайной величины Х приведем в табл. 1.12.
С |
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 1.12 |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
Х |
|
0 |
|
|
1 |
|
|
|
2 |
|
|
|
3 |
|
|
||||
|
р |
|
0,343 |
0,441 |
|
0,189 |
|
|
0,027 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
реди |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
2. Нормальный закон распределения |
|
||||||||||||||||
|
законов распределения, которым подчиняются встре- |
|||||||||||||||||||
чающиеся на практ ке случайные величины, чаще всего приходится |
||||||||||||||||||||
|
бА |
|
||||||||||||||||||
иметь дело с нормальным законом распределения. В частности, нор- |
||||||||||||||||||||
мальный закон распределения имеет фундаментальное значение при |
||||||||||||||||||||
обработке результатов |
спытаний или эксперимента. |
|
||||||||||||||||||
Функц я нормального распределения |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
х |
х a 2 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|||
|
|
|
|
|
F(х) |
|
|
|
|
|
е 2 |
|
|
dx, |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
2 |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|||||
где а и σ2 – параметры распределения, представляющие собой соот- |
||||||||||||||||||||
ветственно математическое ожидание и дисперсию случайной вели- |
||||||||||||||||||||
чины х. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Нормальная плотность вероятности |
x a 2 |
|
||||||||||||||||||
|
|
|
|
|
x |
|
1 |
|
|
e |
|
|||||||||
|
|
|
|
|
|
|
2 2 |
. |
|
(1.41) |
||||||||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||||
На рис. 1.15 приведены графикиДнормальной плотности вероят- |
||||||||||||||||||||
ностей для различных значений дисперсии и математического ожида- |
||||||||||||||||||||
ния. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
График нормальной плотности вероятности имеет максималь- |
||||||||||||||||||||
ную ординату при х=а. Через эту же ординату проходит ось симмет- |
||||||||||||||||||||
рии кривой. |
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
Поэтому у случайных величин, подчиняющихся нормальному закону распределения, значения математического ожидания, медианы и моды совпадают между собой.
63
F(x) |
|
|
|
|
|
1,0 |
2 |
3 |
4 |
5 |
6 |
1 |
|||||
С |
|
|
|
|
|
0,75 |
|
|
|
|
|
0,5 |
|
|
|
|
|
и |
|
|
|
|
|
0,25 |
|
|
|
|
|
бА |
|
|
|||
0 |
|
|
|
|
|
Р с. 1.14. Графики функции нормального распределения:
1, 2, 3–а1=а2=а3=а; σ1< σ2< σ3; 2, 4, 5, 6 – а2< а4< а5< а6; σ2= σ4= σ5= σ6
1 |
f(х) |
|
|
|
Д |
||||
2 |
||||
|
4 |
5 |
||
3 |
|
|
И |
|
|
|
|
||
|
а |
а4 |
а5 |
Рис. 1.15. Графики нормальной плотности вероятности:
1, 2, 3–а1=а2=а3=а; σ1< σ2< σ3; 2, 4, 5, 6 – а2< а4< а5< а6; σ2= σ4= σ5= σ6
64
Если в выражении функции распределения и плотности вероятности перейти к новой переменной, называемой нормированной случайной величиной
|
|
z |
x a |
, |
|
|
|
|
|
|
|
|
|
|
(1.42) |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
то получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
x a |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
z |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
F(z) F(х) |
|
|
|
|
|
|
|
|
|
е 2 |
|
dz |
(1.43) |
||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
2 |
||||||||||||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С |
|
|
|
|
|
|
|
1 |
2 |
|
|
|
|
|
||||||
|
z |
|
|
|
|
e |
z |
. |
|
|
(1.44) |
|||||||||
|
|
|
|
|
|
2 |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
2 |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
бА |
|
Выражен е (1.43) представляет собой функцию нормального закона распределен я нормированной случайной величины (1.42) и на-
зывается норм рованной функцией нормального распределения.
Функц я (1.44) является плотностью вероятности нормированного нормального распределения. Значения этой функции для различных z приведены в прил.1. С нормальной плотностью вероятности
(1.41) функция (1.44) имеет следующую связь: |
|
x 1 z . |
(1.45) |
|
|
Д |
|
Выражения (1.43) и (1.44) показывают, что если случайная ве- |
личина х распределена нормально со средним, равным а, и дисперсией, равной σ2, то нормированная случайная величина z (1.42) также имеет нормальное распределение со средним, равным нулю, и дис-
персией, равной единице. |
|
|
|
|
|
|
|
|
|
|
|
И |
||
Вероятность нахождения в интервале (–∞, х1) случайной вели- |
||||||||||||||
чины X, следующей нормальному закону распределения, на основа- |
||||||||||||||
нии (1.29) и (1.43), определится как |
|
|
z2 |
|
|
|||||||||
|
|
1 |
|
|
z |
|
|
|
|
|||||
Р Х х |
|
1 |
|
|
|
|
|
|
|
(1.46) |
||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
е 2 |
|
dz |
|
||||||||
|
|
|
|
|
|
|||||||||
1 |
|
2 |
|
|
|
|
|
|
|
|
||||
или, что легко доказать, |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
z2 |
|
|
||||
|
|
|
|
1 |
|
z |
|
|
||||||
Р Х х 0,5 |
|
1 |
|
|
|
dz . |
(1.47) |
|||||||
|
|
|
|
|||||||||||
|
|
|
е 2 |
|||||||||||
|
|
|
|
|
|
|||||||||
1 |
|
|
|
2 0 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
Интеграл с переменным верхним пределом вида
65
z2
|
Ф z |
|
1 |
|
|
|
|
z |
|
|
|
|
|
|
|
(1.48) |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
е 2 |
|
dz |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
2 |
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|||||
носит название функции Лапласа. Геометрически функция Лапласа |
|||||||||||||||||||
представляет собой площадь под кривой φ(z) в промежутке от 0 до z |
|||||||||||||||||||
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(рис. 1.16). Значения этой функции приведены в прил. 2. |
|
||||||||||||||||||
ледует иметь в виду, что |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Ф(–z) = – Ф(z); Ф(–∞) = –1/2; Ф(0)=0; Ф(∞) = 1/2. |
(1.49) |
||||||||||||||||||
учетом (1.48) вероятность нахождения в интервале (–∞; x1) |
|||||||||||||||||||
случайной вел ч ны Х определится из выражения |
|
|
|||||||||||||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.50) |
||||
|
|
Р(Х<х1)=0,5+Ф(z1). |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
f(z) |
|
|
|
|
|
|
||
бА |
|
|
|||||||||||||||||
|
|
|
|
|
0,4 |
- |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
0,3 - |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
0,2 - |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
Ф(z) |
|
|
|
|
|||
|
|
|
|
|
0,1 |
Д |
|
||||||||||||
|
|
|
|
|
|
– |
|
|
|
|
|
|
|
||||||
-3 |
-2 |
-1 |
|
|
|
|
0 |
|
|
1 |
2 |
3 |
|
||||||
Рис. 1.16. Геометрическое представление функции Лапласа |
|
||||||||||||||||||
Для интервала (x1; х2) соответствующую вероятность можно |
|||||||||||||||||||
подсчитать на основании (1.42) и (1.50) как |
И |
||||||||||||||||||
где |
Р(х1<Х х2)=Ф(z2) – Ф(z1), |
|
(1.51) |
||||||||||||||||
|
|
x1 |
a |
|
|
|
|
|
|
|
|
x2 |
a |
|
|
|
|||
|
z |
|
|
|
|
и z |
2 |
|
. |
|
(1.52) |
||||||||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
Пользуясь указанными соотношениями и прил. 2, легко можно
66
определить, что вероятности попадания нормально распределенной случайной величины в интервал а ± σ, составляет – P ≈ 0,68; в интер-
вал а±2σ – ≈ 0,95 и в интервал а+3σ – P ≈ 0,997.
Нетрудно показать, что математическое ожидание и дисперсия
случайной величины, распределенной по нормальному закону, равны Са и σ2 соответственно, т. е.
М(Х) = а; D(X) = σ2.
Задача 2. Образцы из прессованного дюралюминиевого профи-
ля испытывают на разрыв с целью определения предела прочности σв.
Определвть вероятностьычислепопаданиянных значения предела прочности ис-
пытываемого образца в интервал (43 |
кгс/мм2; 47 гс/мм2), если для |
||||||
случайной вел |
Х=σв; a=45,3кгc/мм |
2 |
и σ |
2 |
|||
|
=1,13 кгс/мм . |
||||||
Решен е. Пользуясь формулами (1.52), находим |
|||||||
z |
43 45,3 2,03 и |
z |
2 |
|
47 45,3 |
1,50. |
|
|
|||||||
1 |
1,13 |
|
|
|
1,13 |
|
|
|
|
|
|
|
|
По пр л. 2 для значений z1и z2 определяем
Ф(z1) =Ф(–2,03) = –Ф (2,03) = –0,4788
и
Ф(z2) = Ф(1,50) = 0,4332.
На основании формулы (1.51) находим
Р(43 кгc/мм2<σв 47 кгс/мм2) =Ф(1,50) – Ф(2,03)=0,4332+0,4788=
=0,912. |
Д |
Приведенные расчеты показывают, что если испытаниям на раз- |
|
рыв подвергнутьбАбольшое число образцов, то около 90% из них будут |
иметь значения предела прочности, лежащие в указанных интервалах.
Задача 3. Длина изготавливаемой автоматом детали представляет собой случайную величину, распределённую по нормальному закону с параметрами M (Х ) 1,5 см; σ = 0,2 смИ. Найти вероятность бра-
ка, если допускаемые размеры детали должны быть 15 0,3 см. Какую точность длины можно гарантировать с вероятностью 0,97?
Решение.
а) Р(х М(Х) 0,3) 2Ф(0,3),
т.к. параметр a M (Х ); 0,3 для нормального закона распределения.
P(x 15 0,3) 2Ф(0,3) 2 0,4332 0,8664 (см. прил. 2). 0,2
Вероятность брака
67