 
        
        5665
.pdf 
Пример 26. На перекрёстке дорог движение регулируется автоматическим светофором, включающим зелёный свет через каждые 2 минуты. Время простоя у этого светофора автомобиля, остановившегося на красный свет, является случайной величиной, распределённой равномерно на интервале (0, 2) минут. Найти среднее время простоя и среднее квадратическое отклонение.
Решение. Обозначим через X – случайную величину, равную времени задержки автомобиля на перекрёстке. В случае равномерного закона распределения функция плотности имеет вид (см. (2.22)):
| 
 | 0 | при | x | 0, | |
| f x | 1 | при 0 | x | 2, | |
| 
 | |||||
| 2 | |||||
| 
 | 
 | 
 | 
 | ||
| 
 | 0 | при | x | 2. | 
| Используя (2.23), при a | 0, b | 2 , получим | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 0 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
| 
 | 0 2 | 
 | 
 | 
 | 2 | 
 | 1 | 
 | 
 | 
 | 
 | 
 | 1 | 0,58 . | ||
| M X | 
 | 1, | D X | 
 | , | X | D X | |||||||||
| 2 | 
 | 
 | 12 | 3 | 3 | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||
| Ответ: 1) среднее время простоя – 1 минута; 2) | X | 0,58 . | 
 | 
 | 
 | 
 | ||||||||||
| Пример 27. График плотности | f | x непрерывной случайной величины X изоб- | ||||||||||||||
| ражён на рисунке 14: | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
y
0,5
| 0 | 2 | 
 | 
 | 4 | 
 | 
 | x | ||
| 
 | Рисунок 14 – График плотности f x | ||||||||
| Найти M 4X 2 и D 4X | 2 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
| Решение. График функции f x | показывет, что случайная величина распределена по | ||||||||
| равномерному закону. Тогда плотность f x | имеет вид (2.22). В данном примере отрезком | ||||||||
| a, b является отрезок 2, 4 . Тогда из равенства (2.23) находим M X и D X : | |||||||||
| M X | 
 | 2 4 | 
 | 3, D X | 
 | 4 2 2 | 
 | 1 | . | 
| 2 | 
 | 12 | 
 | 6 | |||||
| 
 | 
 | 
 | 
 | 
 | |||||
| Теперь найдём величину M 4X | 2 . Для этого воспользуемся свойством (2.10) ма- | ||||||||
| тематического ожидания и тем, что M C | C . В результате получим | ||||||||
| M 4X 2 4M X M 2 4 3 2 14 . | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 61 | 
 | 
 | 
 | |
 
| Для нахождения величины | D 4X | 2 | воспользуемся следующими свойствами | ||||||||||
| дисперсии: | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
| 1) | D C | 0 , D C X | C 2 D X | при постоянной величине C ; | |||||||||
| 2) | D X | Y | D X | D Y | при независимости X , Y . | ||||||||
| Тогда D 4X | 2 | 42 D X | D 2 | 16 D X | 0 16 | 1 | 
 | 8 | . | ||||
| 
 | 
 | ||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 6 | 3 | |||
| Ответы: M 4X 2 | 14 ; D 4X 2 | 8 | . | 
 | 
 | 
 | 
 | 
 | |||||
| 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 
 | 
 | |
Пример 28. График функции F x распределения случайной величины X имеет вид:
распределения случайной величины X имеет вид:
y
1
| 0 | 4 | 8 | x | 
Рисунок 15 – График функции F x
Найти математическое ожидание и стандарт случайной величины X , а также те же характеристики случайной величины 2X 4.
Решение. Изображённый график является графиком функции
| 
 | 0 | 
 | при | x | a, | |
| F x | x | a | при | a | x b, | |
| 
 | 
 | |||||
| b | a | |||||
| 
 | 
 | 
 | 
 | |||
| 
 | 1 | 
 | при | x | b. | 
Это означает, что случайная величина распределена по равномерному закону. В дан-
| ном примере отрезком | a, b служит отрезок | 4, 8 . Тогда из равенств (2.23) имеем, что | |||||||||||||||
| 
 | 
 | 
 | 8 4 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 4 8 | 
 | 
 | 4 | 
 | 
 | 
 | 
 | 
 | 4 | 
 | 2 | 
 | . | |||
| M X | 6, D X | 
 | , | X | 
 | D X | |||||||||||
| 2 | 12 | 
 | 3 | 3 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 3 | 
 | ||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| Перейдём к нахождению величин M 2X | 4 | и | 2X 4 . Для этого воспользуемся | ||||||||||||||
перечисленными при решении примера 27 свойствами математического ожидания и дисперсии. Тогда
M 2X 4 2M X
 2M X  M 4
 M 4 2
 2  6 4 8 ,
6 4 8 ,
| D 2X 4 2 | 2 D X D 4 4 | 
 | 4 | 
 | 0 | 16 | , | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 3 | 
 | 
 | 3 | ||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 4 | 
 | . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 2 X | 4 | 
 | 
 | 
 | 
 | D 2 X | 4 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| Ответы: M X 6 ; X | 
 | 2 | 
 | 
 | ; M 2X | 4 | 8 ; | 
 | 
 | 
 | 
 | 2 X | 4 | 
 | 4 | 
 | . | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 3 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | |||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 62 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
 
Пример 29. Непрерывная случайная величина распределена по показательному закону, при этом M X  0,25 . Указать дифференциальную и интегральную функции
 0,25 . Указать дифференциальную и интегральную функции
этой случайной величины, построить их графики.
Решение. Дифференциальная функция показательного закона имеет вид:
| f x | 0 | 
 | при | x | 0, | (2.24) | |
| e | x | при | x | 0, | |||
| 
 | 
 | 
где  – некоторая положительная постоянная, называемая параметром закона. При этом в случае показательного закона справедливо равенство
– некоторая положительная постоянная, называемая параметром закона. При этом в случае показательного закона справедливо равенство
| M X | 1 | . | (2.25) | 
| 
 | 
Так как по условию M X  0,25 , то из (2.24) получаем, что
 0,25 , то из (2.24) получаем, что  4 . Следовательно,
 4 . Следовательно,
| f x | 0 | 
 | при | x | 0, | |
| 4e | 4 x | при | x | 0. | ||
| 
 | 
График этой функции изображён на рисунке 2.7. y
4
| 0 | x | 
Рисунок 16 – График дифференциальной функции примера 29
Интегральная функция F x показательного закона с параметром
 показательного закона с параметром  имеет вид:
имеет вид:
| F x | 0 | 
 | при | x | 0, | (2.26) | |
| 1 e | x | при | x | 0. | |||
| 
 | 
 | ||||||
| 
 | 
 | 
 | 
В данном примере этой функцией будет функция
| F x | 0 | 
 | при | x | 0, | |
| 1 e | 4 x | при | x | 0. | ||
| 
 | 
Её график изображён ниже
y
1
| 
 | x | 
| 0 | 
Рисунок 17 – График интегральной функции примера 29
63
 
| 
 | 
 | 0 | при | x | 0, | 
 | 0 | 
 | при | x | 0, | 
 | 
 | 
| Ответы: 1) | f x | 4e 4 x | при | x | 0. ; 2) F x | 1 | e | 4 x | при | x | 0. | ; | 3) | 
| графики функций изображены на рисунках 16, 17. | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||
| Пример 30. | Найти вероятность события 0,5 | X | 
 | 2,5 , | если случайная величина | ||||||||
распределена по закону примера 29.
Решение. Если случайная величина распределена по показательному закону с па-
| раметром | , то справедливо равенство | 
 | 
 | 
 | 
 | 
 | 
 | |
| 
 | 
 | P a X | b | e | a | e | b . | (2.27) | 
| В предыдущем примере установлено, | что | 
 | 4 . | По | условию этого примера | |||
| a 0,5, b | 2,5 . Тогда по (2.27) имеем | 
 | 
 | 
 | 
 | 
 | 
 | |
| 
 | P 0,5 | X 2,5 e 4 0,5 | e 4 2,5 | e 2 | e 10 | 0,1353 . | ||
| Ответ: P 0,5 X 2,5 | 0,1353 . | 
 | 
 | 
 | 
 | 
 | 
 | |
Пример 31. Известно, что срок службы изделия распределён показательно со средним 2 года. Найти вероятность того, что изделие прослужит не менее: 1) одного года; 2) трёх лет.
Решение. Обозначим через X – случайную величину, равную сроку службы изделия. По условию она имеет показательное распределение с некоторым параметром . Соглас-
| но (2.25) | M X | 1 | 
 | 2 , откуда | 
 | 0,5 . Далее, используя равенство (2.27), получим | ||||
| 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | P X | 1 | P 1 | X | e 0,5 | e | 0,61 , | 
| 
 | 
 | 
 | 
 | P X | 3 | P 3 | X | e 1,5 | 0,22 . | |
| Ответы: 1) P X | 1 | 0,61 ; 2) P X 3 | 0,22 . | 
 | 
 | |||||
Пример 32. Непрерывная случайная величина распределена по нормальному закону, при этом M X  50,
 50,  X
 X  5 . Выписать плотность распределения вероятностей случайной величины и построить график этой функции.
 5 . Выписать плотность распределения вероятностей случайной величины и построить график этой функции.
Решение. Если случайная величина имеет нормальный закон распределения, то её плотность f x имеет вид
| 
 | 
 | 
 | 
 | 1 | 
 | 
 | 
 | x | a 2 | 
 | 
 | |
| 
 | f | x | 
 | 
 | 
 | e 2 | 2 , | (2.28) | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 2 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| где постоянные a, | 0 есть параметры этого закона. Доказывается, что | 
 | ||||||||||
| 
 | M X | a, | 
 | 
 | X | . | 
 | (2.29) | ||||
График функции (2.28) называют нормальной кривой, или кривой Гаусса. В силу условий данного примера получим, что
64
 
| f x | 
 | 1 | 
 | e | |
| 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | ||
| 
 | 
 | ||||
| 5 | 2 | 
 | 
 | ||
 x 50 2
x 50 2
50 .
| Эта | функция | 
 | 
 | имеет | максимум | в точке | x | 50 . | При | этом | очевидно, | 
 | что | |||||||||||||||||||||||||||
| ym ax f | 50 | 
 | 
 | 
 | 
 | 1 | 
 | 
 | 
 | 
 | . График функции (2.28) имеет две точки перегиба, абсциссы ко- | |||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||||||||||
| 5 | 2 | 
 | ||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| торых есть точки | a | и a | 
 | на оси Ox , а ординаты совпадают и равны | 
 | 1 | 
 | . В | ||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||||||||||
| 
 | 2 e | |||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| данном | примере | точками | 
 | перегиба | являются | точки | 45, | 
 | 1 | 
 | 
 | и | 55, | 1 | 
 | 
 | 
 | . | ||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 5 | 2 e | 
 | 
 | 
 | 5 2 | 
 | e | |||||||
| Напомним, что | 
 | 
 | 
 | 
 | 
 | 3,14, | 
 | e | 
 | 
 | 2,72 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| Примерный график кривой Гаусса этого примера изображён на рисунке 2.7. | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 5 | 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 1 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 5 | 2 | e | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 45 | 50 | 
 | 55 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | x | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | Рисунок 18 – График кривой Гаусса примера 32 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 1 | 
 | 
 | 
 | x 50 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
| Ответы: 1) | f | x | 
 | e | 50 | ; 2) график кривой | f x | изображён на рисунке 18. | ||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | ||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 5 | 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
Пример 33. Найти вероятности событий 45 X 60 и X 50 5 для случайной
величины примера 32.
Решение. Известно, что для случайной величины, распределённой по нормальному закону, справедливы равенства
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | P | X | a | 
 | 
 | 
 | a | , | (2.30) | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | , | 
 | (2.31) | ||
| 
 | 
 | 
 | 
 | 1 | 
 | 
 | x | t 2 | 
 | P | X a | 
 | 2 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| где | 
 | x | 
 | 
 | 
 | e | 2 dt есть так называемая функция Лапласа, для вычисления значе- | |||||||||||||
| 
 | 
 | 
 | 
 | 
 | ||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | ||||||||||||||||
| 
 | 2 | 
 | ||||||||||||||||||
| 
 | 
 | 
 | 
 | 0 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| ний | которой | имеются таблицы. Напомним, | что эта | функция | является нечётной | |||||||||||||||
| 
 | x | 
 | 
 | x | 
 | 
 | , так что в таблице присутствуют только неотрицательные аргументы. | |||||||||||||
| Очевидно, что 0 0; | 5 | 0,499997 ; для всех X | 5 полагают | x 0,5 . | |
| В случае события 45 | X | 60 имеем | 45, | 60 и тогда по | (2.30) получим | 
| 
 | 
 | 
 | 65 | 
 | 
 | 
 
| P 45 | X | 60 | 
 | 
 | 60 | 
 | 50 | 
 | 
 | 
 | 
 | 45 | 
 | 50 | 
 | 
 | 2 | 1 | 0,8185 . | |||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||
| 
 | 
 | 
 | 5 | 
 | 
 | 
 | 
 | 
 | 5 | 
 | 
 | 
 | ||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||
| Для нахождения вероятности события | X | 50 | 5 | применим формулу (2.31) при | ||||||||||||||||||||
| 5 (по условию примера a | 50, | 
 | 5 ). Тогда | 
 | 
 | 
 | ||||||||||||||||||
| 
 | 
 | P | 
 | X | 50 | 
 | 5 | 2 | 5 | 
 | 2 | 1 | 
 | 0,6826 . | 
 | |||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||
| 
 | 
 | 
 | 
 | 5 | 
 | 
 | ||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| Отметим, что событие | 
 | X | 50 | 
 | 5 равносильно событию 45 | X 55. | ||||||||||||||||||
| 
 | 
 | |||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| Ответы: 1) | P 45 | X | 60 | 
 | 
 | 0,8185 ; 2) P | X | 50 | 
 | 5 | 0,6826. | 
 | ||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
Пример 34. Выяснить, что означает правило трёх сигм для случайной величины примера 32.
Решение. Для случайной величины, распределённой по нормальному закону, справедливо приближённое равенство
| 
 | 
 | 
 | 
 | P | X a | 3 | 0,9973, | 
 | (2.32) | 
| 
 | 
 | 
 | 
 | ||||||
| называемое правилом трёх сигм. Так как вероятность события | X a | 3 близка к | |||||||
| единице, то это означает, что данное событие практически достоверно. | 
 | ||||||||
| Так как a | 50, | 5 ( 3 15 ), то в данном случае практически достоверно собы- | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| тие | X 50 | 
 | 15 или 35 | X 65. | 
 | 
 | 
 | ||
| Ответ: практически достоверно событие 35 | X 65. | 
 | |||||||
Пример 35. Коробки с шоколадом упаковываются автоматически, и их средняя масса равна 1,05 кг. Найти стандартное отклонение, если 5 % коробок имеет массу менее 1 кг. Предполагается, что масса коробок распределена по нормальному закону.
Решение. Случайная величина X – вес коробки имеет нормальное распределение N a, 2 , где a 1,05 , а стандартное отклонение  неизвестно. Так как 5 % коробок имеет вес менее 1 кг, то, ввиду симметрии относительно математического ожидания, 45 % коробок имеют вес в интервале от 1 кг до 1,05 кг. Поэтому, согласно формуле (2.30), получаем
 неизвестно. Так как 5 % коробок имеет вес менее 1 кг, то, ввиду симметрии относительно математического ожидания, 45 % коробок имеют вес в интервале от 1 кг до 1,05 кг. Поэтому, согласно формуле (2.30), получаем
| P 1 X 1,05 | 1,05 | 1,05 | 1 | 1,05 | 0 | 0,05 | 0,05 | 0,45 . | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
В данном случае мы использовали свойство нечётности функции Лапласа. В таблице находим, что 1,65 0,45 , поэтому
| 
 | 0,05 | 1,65 | 0,05 | 0,03 . | |
| 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 1,65 | ||
| 
 | 
 | 
 | 
 | 
 | |
| Ответ: | 0,03. | 
 | 
 | 
 | 
 | 
Пример 36. Средний вес клубня картофеля равен 100 г. Оценить вероятность того, что наудачу взятый клубень весит менее 300 г.
Решение. Случайная величина X – вес клубня – неотрицательная, поэтому для оценки веса клубня можно применить неравенство Маркова
| P X | M X | или P X | 1 | M X | . | (2.33) | 
| 
 | 
 | |||||
| 
 | 
 | 66 | 
 | 
 | 
 | 
 | 
 
Воспользуемся вторым неравенством (2.33), в данном случае  300, а в качестве математического ожидания M X
 300, а в качестве математического ожидания M X  нужно взять средний вес клубня. Тогда
нужно взять средний вес клубня. Тогда
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | P X | 300 | 1 | 100 | 
 | 
 | 
 | 
 | 2 | . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 300 | 3 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| Ответ: P X | 300 | 
 | 2 | . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 3 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| Пример 37. Оценить вероятность события 32 | X | 72 , если случайная величина | ||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||
| имеет следующие характеристики: | M X | 52, | 
 | X | 2 | 
 | 6 . | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||
| Решение. Событие 32 | X | 72 | равносильно событию | X | 52 | 
 | 20 . | Вероятность | ||||||||||||||||||||||||
| этого события можно оценить по неравенству Чебышева | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | D X | . | 
 | 
 | 
 | (2.34) | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | P | X | 
 | M X | 
 | 
 | 1 | 
 | 
 | 
 | ||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 2 | 
 | 2 | 
 | ||||||||||||||||||||||
| Положив в (2.34) | 20 (при этом по условию M X | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 24 ), получим | |||||||||||||||||||||||
| 52, | 
 | 
 | 
 | D X | X | |||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | P | 
 | X | 52 | 
 | 20 | 1 | 24 | 
 | 376 | 
 | 0,94 . | 
 | 
 | 
 | 
 | ||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 202 | 
 | 400 | 
 | 
 | 
 | 
 | |||||||||||||||||||
| Ответ: P 32 | X | 72 | 
 | 0,94 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
Пример 38. На заводе в среднем 70 % продукции первого сорта. С надёжностью 0,9 найти границы, в которых должна находиться относительная частота первосортной продукции в партии 10 000 единиц.
Решение. Пусть X – относительная частота первосортной продукции в партии
| из10 000 единиц. Тогда X | 
 | 
 | n | . В данном случае | 
 | – число первосортных изделий | |||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | n | ||||||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | n | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| из 10 000.Случайная величина | 
 | n | распределена по закону Бернулли B 10 000; 0,7 | . Из- | |||||||||||||||||||||||||||||||||||||||||
| вестно (см. (2.12)), что M | 
 | 
 | 
 | 
 | 
 | n p, D | 
 | n n | p | 1 | p | и | D | n | 
 | 
 | D n | 
 | 
 | p | 1 | p | . | ||||||||||||||||||||||
| 
 | n | 
 | 
 | 
 | 
 | n | 
 | 
 | n2 | 
 | 
 | 
 | n | ||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| Применяя (2.34), получим | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | P | 
 | n | 
 | 10000 | 0,7 | 
 | 
 | 
 | 1 | 0,7 | 1 | 
 | 0,7 | 
 | . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | n | 
 | 
 | 10000 | 
 | 
 | 
 | 
 | 
 | 10000 | 
 | 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| Левая часть неравенства – надёжность, которая по условию примера равна 0,9. Поэтому | 
 | ||||||||||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | P | n | 0,7 | 
 | 
 | 
 | 0,9 | 1 | 0,0001 | 
 | 
 | 0,0001 | 0,1 | 
 | 
 | 
 | 
 | 
 | 
 | 0,0001 | 0,032 . | 
 | 
 | 
 | ||||||||||||||||||||
| 
 | 
 | n | 
 | 
 | 
 | 
 | 
 | 
 | 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 2 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 0,1 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| Тогда | 
 | n | 0,7 | 
 | 0,032 | или 0,7 | 0,032 | 
 | 
 | n | 0,7 | 0,032 . Окончательно получим | 
 | 
 | 
 | ||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||||||||||||||||||
| 
 | n | 
 | 
 | 
 | n | 
 | 
 | 
 | |||||||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 0,668 | 
 | 
 | n | 
 | 0,732 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | n | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| Ответ: 0,668 | 
 | n | 
 | 0,732 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | n | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 67 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 
Модуль 3. Математическая статистика
Пример 1. Наблюдатель провёл случайную выборку из генеральной совокупности и зафиксировал в порядке появления значения xi изучаемого признака X генераль-
ной совокупности, которыми оказались следующие числа: 4, 2, 5, 4, 4, 3, 4, 5, 4, 4, 5, 2, 2, 4, 5. Требуется произвести первичную обработку полученных случайных сведений.
Решение. Случайные сведения оформляются в виде таблицы, называемой распределением выборки или дискретным статистическим рядом. В верхней части этой таблицы записываются наблюдаемые значения (варианты) xi изучаемого признака в воз-
растающем порядке от xm in до xm ax , каждое значение записывается только один раз. Такая запись называется вариационным рядом. Во второй строке записываются ча-
| стоты ni соответствующих значений | xi или относительные частоты wi этих же зна- | ||||||||||||||||||||||||||||||||||
| чений, которые определяются равенством | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | w | 
 | ni | , | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | (3.1) | |
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | i | 
 | n | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | где n | 
 | 
 | ni | есть объём выборки. Часто в таблице заполняется как строка частот ni , | ||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | i | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||
| так и строка относительных частот wi . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||
| 
 | В данном примере | xm in | 
 | 
 | 2, xm ax | 5 . Тогда вариационный ряд имеет следующий | |||||||||||||||||||||||||||||
| вид: 2, 3, 4, 5. Видно, | что частоты этих значений таковы: n1 | 3, n2 | 1, n3 | 7, n4 | 4 . | ||||||||||||||||||||||||||||||
| Тогда | 
 | n | n1 | n2 | n3 | n4 | 15 есть | объём | данной | выборки. | По | (3.1) | получаем | ||||||||||||||||||||||
| w | 3 | 
 | , w | 
 | 
 | 1 | , w | 
 | 7 | , w | 
 | 
 | 4 | . Отметим, что всегда справедливо очевидное равен- | |||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||
| 1 | 15 | 2 | 15 | 3 | 15 | 4 | 15 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||
| ство | 
 | wi | 1. Итак, распределение выборки имеет вид: | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||||
| 
 | 
 | i | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | xi | 
 | 
 | 
 | 
 | 2 | 
 | 
 | 
 | 3 | 
 | 4 | 
 | 5 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ni | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 1 | 
 | 7 | 
 | 4 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | wi | 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 
 | 1 | 
 | 
 | 7 | 
 | 
 | 4 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 15 | 
 | 
 | 
 | 15 | 
 | 15 | 
 | 15 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | Ответ: | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | xi | 
 | 
 | 
 | 
 | 2 | 
 | 
 | 
 | 3 | 
 | 4 | 
 | 5 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ni | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 1 | 
 | 7 | 
 | 4 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | wi | 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | 
 | 
 | 1 | 
 | 
 | 7 | 
 | 
 | 4 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 15 | 
 | 
 | 
 | 15 | 
 | 15 | 
 | 15 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | Пример 2. Построить полигон дискретного статистического ряда примера 1. | 
 | |||||||||||||||||||||||||||||||||
| 
 | Решение. Геометрической характеристикой дискретного статистического ряда | ||||||||||||||||||||||||||||||||||
| являются полигоны. | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||
| 
 | Полигоном частот называют ломаную линию, отрезки которой соединяют точки | ||||||||||||||||||||||||||||||||||
| xi , ni | . При построении полигона частот на оси Ox откладывают варианты xi , | а на | |||||||||||||||||||||||||||||||||
| оси ординат – соответствующие им частоты ni . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||||||||||||||||
| 
 | Полигоном относительных частот называют ломаную линию, отрезки которой соеди- | ||||||||||||||||||||||||||||||||||
| няют точки | 
 | xi , wi | . Для построения такого полигона варианты xi | снова откладывают на | |||||||||||||||||||||||||||||||
| оси абсцисс, а соответствующие им относительные частоты wi – на оси ординат. | 
 | 
 | |||||||||||||||||||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 68 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
 
По виду полигонов можно предположить, какому теоретическому закону подчинён изучаемый признак.
Ниже на рисунках изображены полигоны рассмотренного статистического ряда.
| 
 | ni | 
 | 
 | 
 | wi | 
 | 
| 7 | 
 | 
 | 
 | 7 /15 | 
 | 
 | 
| 4 | 
 | 
 | 
 | 4 /15 | 
 | 
 | 
| 3 | 
 | 
 | 
 | 3/15 | 
 | 
 | 
| 1 | 
 | 
 | 
 | 1/15 | 
 | 
 | 
| 0 | 2 3 | 4 5 | x | 0 | 2 3 4 5 | x | 
| 
 | Рисунок 19 – График | 
 | 
 | Рисунок 20 – График | 
 | |
| 
 | полигона частот | 
 | полигона относительных частот | 
 | ||
При построении полигонов выбраны разные масштабы по осям ординат.
Графики полигонов похожи друг на друга. При соблюдении масштаба график полигона относительных частот будет сжат относительно оси ординат в n раз (в данном примере n 15).
Ответы: 1) на рисунке 19 изображён полигон частот; 2) на рисунке 20 изображён полигон относительных частот.
Пример 3. Найти эмпирическую функцию распределения выборки примера 1. Решение. Эмпирическая функция распределения выборки определяется равенством
| F x | nx | , | (3.2) | 
| 
 | |||
| n | n | 
 | |
| 
 | 
 | ||
где n – объём выборки, а n x – сумма частот вариант, которые меньше x . Число n x можно описать в виде формулы
| 
 | nx | ni . | (3.3) | 
| 
 | 
 | i: xi x | 
 | 
| В записи (3.3) проводится суммирование частот ni | по тем индексам i , для которых | ||
| выполняется неравенство xi | x . | 
 | 
 | 
| Интегральную функцию | F x распределения признака (случайной величины) X | ||
генеральной совокупности будем называть теоретической функцией. Различие между теоретической и эмпирической функциями состоит в том, что теоретическая функция F x задаёт вероятность события X x , а эмпирическая функция Fn x
 задаёт вероятность события X x , а эмпирическая функция Fn x даёт относи-
даёт относи-
тельную частоту этого же события.
Очевидно, что эмпирическая функция обладает свойствами теоретической функции. При этом Fn x является хорошей оценкой (хорошим приближением)
 является хорошей оценкой (хорошим приближением)
| функции F x , так как для любого аргумента x | из | , | и любого | 0 спра- | ||
| ведливо равенство | 
 | 
 | 
 | 
 | ||
| 
 | 
 | 1, | 
 | 
 | (3.4) | |
| lim | Fn x F x | 
 | 
 | 
 | ||
| n | 
 | 
 | 
 | 
 | 
 | 
 | 
| 69 | 
 | 
 | 
 | 
 | ||
 
являющееся упрощенным вариантом теоремы Гливенко – Кантелли. Равенство (3.4) практически означает следующее: значения неизвестной теоретической функции F x можно вычислить по значениям эмпирической функции Fn x
 можно вычислить по значениям эмпирической функции Fn x сколь угодно точно при
сколь угодно точно при
выборках достаточно большого объёма.
Из ответа примера 1 и равенств (3.2), (3.3) получим, что Fn x имеет вид:
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 0 | 
 | 
 | при | 
 | 
 | 
 | x | 2, | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 3 | 
 | 
 | при | 2 | x | 3, | 
 | 
 | 
 | 
 | 
 | 
 | |||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 15 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | Fn 15 | x | 4 | 
 | 
 | при | 3 | 
 | x | 4, | 
 | 
 | 
 | (3.5) | ||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 15 | 
 | 
 | 
 | 
 | |||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 11 | при | 4 | x | 5, | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 15 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 1 | 
 | 
 | при | 
 | 
 | 
 | x | 5. | 
 | 
 | 
 | 
 | 
 | 
 | |||
| 
 | Отметим следующее. Значения x | 
 | 
 | 2, x | 3, x | 4, x 5 (правые концы промежутков) | ||||||||||||||||||||||||||
| есть варианты ряда. Соответствующие относительные | частоты получаются так: | |||||||||||||||||||||||||||||||
| w | 3 | 0 | 
 | 3 | , w | 4 | 3 | 1 | 
 | , w | 11 | 
 | 4 | 
 | 7 | 
 | , w | 1 | 11 | 
 | 4 | , то есть получаются | ||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||||||||
| 1 | 15 | 
 | 15 | 2 | 15 | 15 | 15 | 3 | 15 | 
 | 15 | 15 | 4 | 
 | 15 | 15 | ||||||||||||||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||||||||||||||||||||||||
путём вычитания из значения функции на следующем промежутке её значения на предыдущем промежутке.
Ответ: эмпирическая функция задаётся формулой (3.5).
| Пример 4. Найти частоту | n3 значения x3 | 20 , если дискретный статистический | ||||||||||||
| ряд объёма n 50 имеет вид: | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | ||||
| 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
| 
 | xi | 5 | 
 | 10 | 
 | 20 | 30 | 
 | ||||||
| 
 | wi | 
 | 1 | 
 | 
 | 
 | 2 | 
 | 
 | w3 | 
 | 1 | 
 | 
 | 
| 
 | 
 | 5 | 
 | 
 | 5 | 
 | 
 | 
 | 10 | 
 | 
 | |||
Решение. Распределение выборки задано так, что указаны относительные частоты
| wi значений | xi . Так как | wi | 1 (см. пример 1), то w3 1 | 1 | 2 | 1 | 1 0,7 | 0,3 . | |||
| 
 | 
 | 
 | 
 | 
 | |||||||
| 5 | 5 | 10 | |||||||||
| 
 | 
 | i | 
 | 
 | 
 | ||||||
| По (3.1) имеем равенство n3 | n w3 . По условию примера n | 50 , а значение w3 | уже | ||||||||
| найдено ( w3 | 0,3 ). Таким образом, n3 50 0,3 15 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |||
| Ответ: n3 | 15 . | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | 
 | |
Замечание. Решение данного примера поможет выполнить тестовое задание 22 на странице 9.
Пример 5. Найти дискретный статистический ряд, если эмпирическая функция выборки объёма n 100 имеет вид:
| 
 | 
 | 0 | при | x | 
 | 5, | |
| Fn | x | 0,2 | при | 5 | x | 10, | |
| 0,7 | при | 10 | x | 15, | |||
| 
 | 
 | ||||||
| 
 | 
 | 1 | при | x | 
 | 15. | |
| 
 | 
 | 
 | 
 | 70 | 
 | 
 | 
