Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

4536

.pdf
Скачиваний:
2
Добавлен:
13.11.2022
Размер:
637.15 Кб
Скачать

11

Пример 3. Из партии изделий товаровед наудачу отбирает изделия высшего сорта. Вероятность того, что выбранная вещь окажется высшего сорта равна 0,8; первого сорта - 0,7; второго сорта - 0,5. Найти вероятность того, что из трех наудачу отобранных изделий будут:

а) только два высшего сорта; б) все разного сорта.

Решение. Пусть событие А1 – изделие высшего сорта; событие А2 – изделие первого сорта; событие А3 – изделие второго сорта.

По условию задачи Р(А1)=0,8, Р(А2)=0,7, Р(А3)=0,5. События А123 – независимы.

а) Событие А – только два изделия высшего сорта будет выглядеть так:

А = А1А1А2 + А1А1А3, тогда

 

Р(А) = Р(А1А1А21А1А3) = Р(А1) Р(А1) Р(А2)+

+ Р(А1)

Р(А1) Р(А3)= (0,8)2

0,7 + (0,8)2 0,5 = 0,768.

б)

Событие В – все три изделия различного сорта, выразим так

В= А1 А2 А3 , тогда Р(В )=0,8

0,7 0,5=0,28.

ТЕМА 3. ФОРМУЛА ПОЛНОЙ ВЕРОЯТНОСТИ. ФОРМУЛА БАЙЕСА

1. ФОРМУЛА ПОЛНОЙ ВЕРОЯТНОСТИ Если событие А может произойти с одной из попарно несовместных

гипотез Н1, Н2,….Нn, образующих полную группу, то вероятность появления события А равна сумме произведений вероятностей каждой из гипотез на соответствующую условную вероятность события А:

P(A) = P(H1) × PH1(A) + P(H2) × PH2(A) + ….+ P(Hn) × PHn(A),

 

n

где

P (H i ) 1

 

i 1

Пример 1. Фирма имеет три источника поставки комплектующих – фирмы А, В, С. На долю фирмы А приходится 50% общего объема поставок, В – 30% и С-20%. Из практики известно, что 10% поставляемых фирмой А деталей – бракованные, фирмой В – 5% и С - 6%. Найти вероятность того, что наудачу выбранная деталь будет бракованной.

12

Решение: Производится испытание: извлекается одна деталь. Событие А – появилась бракованная деталь.

Гипотеза Н1 – деталь фирмы А. Гипотеза Н2 – деталь фирмы В. Гипотеза Н3 – деталь фирмы С.

Тогда, согласно формуле полной вероятности, искомая вероятность равна:

P(A) = P(H1)

PH1(A) + P(H2)

 

 

PH2(A) + ….+ P(Hn) PHn(A),

Р(Н1) =

 

50

 

0,5

;

Р Н1

А

 

10

 

 

0,1 .

100

100

 

 

 

 

 

 

 

 

Р(Н2) =

 

30

 

0,3

;

Р Н2

А

 

5

 

0,05 .

100

 

100

 

 

 

 

 

 

 

Р(Н3) =

 

20

 

0,2

;

Р Н3

А

 

6

 

 

0,06 .

100

100

 

 

 

 

 

 

Р(А) =

0,5

 

0,1 + 0,3

0,05

+ 0,2

0,06 = 0,077.

2. ФОРМУЛА БАЙЕСА

Формула Байеса определяет условную вероятность появления гипотезы Hi, при условии, что событие А уже произошло:

PA

H i

P(H i ) PHi ( A)

 

P(H i )

PHi

( A)

.

P( A)

 

n

 

 

 

 

 

P(H i )

PHi ( A)

 

 

 

 

 

 

 

 

 

 

i 1

 

 

 

Пример 2. В центральную бухгалтерию корпорации поступили пачки накладных для проверки и обработки. 90% пачек были признаны удовлетворительными: они содержали только 1% неправильно заполненных накладных. Остальные 10% пачек были признаны неудовлетворительными, так как содержали 5% неверно оформленных накладных. Взятая наугад из пачки накладная оказалась оформленной неверно. Учитывая это, какова вероятность того, что вся пачка накладных будет признана несоответствующей стандарту?

Решение: Испытание: проверяется пачка накладных. Событие А - взятая наугад накладная оказалась неверной. Гипотеза Н1 - пачка не соответствует стандарту.

Гипотеза Н2 - пачка соответствует стандарту.

Необходимо узнать вероятность гипотезы Н1 при условии, что событие А произошло. Согласно формуле Байеса имеем:

 

 

P(H1 )

PH ( A)

 

 

 

PA

H i

 

 

1

 

 

.

P(H1) PH

( А )

P(H 2 ) PH

 

 

 

 

2

( A)

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

13

Р(Н1) =

 

10

 

 

0,1

;

Р Н1

А

 

5

 

0,05 .

100

100

 

 

 

 

 

 

 

Р(Н2) =

 

90

 

 

0,9

;

Р Н2

А

 

1

 

0,01 .

100

 

 

 

 

 

 

 

 

 

 

 

 

 

100

РА (Н1 )

 

 

 

 

0,1

0,05

 

 

 

 

 

0,357 .

 

 

 

 

 

 

 

 

 

 

 

 

 

0,1

0,05

0,9

0,01

 

 

 

 

 

 

 

ТЕМА 4. ПОВТОРНЫЕ НЕЗАВИСИМЫЕ ИСПЫТАНИЯ

1. ФОРМУЛА БЕРНУЛЛИ

Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события А постоянна и равна р, событие А

наступит ровно m раз, вычисляется по формуле Бернулли:

Pn (m) = Cnm pm q n-m ,

где q = 1 – p.

Пример 1. Вероятность выигрыша по одному любому лотерейному билету равна 0,02. Чему равна вероятность выигрыша для владельца четырех

билетов:

 

 

 

 

 

 

а) по трем билетам;

б) не более двух билетов;

 

 

 

 

в)

хотя бы по одному билету;

 

 

 

 

 

Решение:

n = 4;

p = 0,02 ; q = 0,98.

 

a) P4

(3) = C43

(0,02)3

(0,98)1

≈ 3

10-5;

(2) = C40 (0,02)0 (0,98)4 + +

б) P4

(0 ≤ m ≤ 2) =

P4 (0)

+

P4 (1)

+ P4

C41

(0,02)1 (0,98)3

+

C42

(0,02)2

(0,98)2 = 0,099;

в) P4

(m ≥ 1) = 1 – P4 (0)

= 1 – (0,98)4 = 0,078.

2. ЛОКАЛЬНАЯ ТЕОРЕМА ЛАПЛАСА При большом числе испытаний для решения подобных задач

применяется локальная формула Лапласа.

Pn (m)

 

1

 

 

 

(x)

 

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n p q

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

x 2

 

 

m

np

 

 

где

 

 

(x)

 

 

e

2

,

x

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2 π

 

 

 

 

 

n p q

 

 

 

Функция φ

(х) –

четная,

т.е. φ(-х)

= φ (х).

Функция φ (х)

табулированная на отрезке [0; 4], поэтому для х ≥ 4 функция φ (х) ≈ 0. В [1] приведена таблица значений этой функции.

14

Пример 2. Доля изделий высшего сорта на данном предприятии составляет 90%. Найти вероятность того, что среди наудачу взятых 100 изделий высшего сорта окажется 84 изделия.

Решение: n = 100; p = 0,9; q = 0,1; m = 84; n p = 90.

P100

(84)

 

 

1

 

 

84

90

 

 

1

( 2)

1

(2)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3

3

 

0,9

0,1

100

0,9

0,1

 

 

100

 

 

1

0,054 0,018 .

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3. ТЕОРЕМА ПУАССОНА

Если вероятность p наступления события А в каждом испытании стремится к 0 (р→0) при неограниченном увеличении числа испытаний (n→∞), причем произведение n∙p стремится к постоянному числу λ = n∙p, то вероятность Рn(m) того, что событие А из n испытаний наступит m раз находится по формуле

P (m)

λm

e λ

 

n

m!

 

 

 

В [1] приведена таблица значений этой функции.

Пример 3. Магазин получил 1000 бутылок минеральной воды. Вероятность того, что при перевозке бутылка окажется разбитой, равна 0,003. Найти вероятность того, что магазин получит разбитых бутылок:

а) ровно две; б) меньше двух; в) больше одной; г) хотя бы одну.

 

Решение:

 

n = 1000; p = 0,003; λ = 1000

0,003= 3

а)

 

32

e 3

 

 

 

 

 

 

P1000 (2)

 

 

0,224

;

 

 

 

 

 

2!

 

 

 

 

 

 

 

 

 

 

 

 

 

 

б)

P1000 (m

2)

 

P1000 (0)

P1000 (1)

30

e 3

 

 

3 e 3

 

 

0!

 

1!

 

 

 

 

 

 

 

 

= 0,0498 +

0,1494 = 0,1992 ;

 

 

 

 

 

 

в) P1000 (m>1) = 1 - P1000 (m ≤ 1) = 1 – [ P1000 (0) + P1000 (1)] = 0,8008 ; г) P1000 (m ≥ 1) = 1 - P1000 (0) = 1 – 0,0498 = 0,9502.

4. ИНТЕГРАЛЬНАЯ ТЕОРЕМА ЛАПЛАСА

Если вероятность р наступления события А в каждом из n независимых испытаний постоянна и отлична от 0 и 1, то при достаточно большом числе испытаний вероятность того, что событие наступает не менее m1 раз и не более m2 раз приближенно равна

15

P (m1 m m2 )

 

 

Ф

 

m2

n p

Ф

m1

n p

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n p q

 

n p q

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x

 

t2

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

где Ф (x)

 

 

e 2 dt -

 

функция Лапласа, или интеграл вероятностей.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Таблица значений Ф(х) приводится для

0 ≤ х ≤ 5. Функция Ф(х) быстро

возрастает и ограничена сверху:

при х = 5 Ф(5) = 0,499997 ≈ 0,5. Поэтому для х > 5 полагают Ф(х) ≈ 0,5. Ф(х) нечётная, т.е. Ф(-х) = Ф(х).

Пример 4. Доля изделий высшего сорта продукции составляет 80%. Найти вероятность того, что в партии из 900 изделий высшего сорта будет: а) заключено между 700 и 750 ; б) не меньше 750; в) не больше 600.

 

Решение.

n = 900,

р = 0,8,

q = 0,2, n p = 720.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

n p q

900

0,8

0,2

 

 

12.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

а) P (700

m

750)

Ф

750

720

Ф

700 720

 

Ф

5

 

Ф

5

 

 

 

 

 

 

 

 

 

 

 

 

 

 

900

 

 

 

 

 

 

12

 

 

 

12

 

 

 

2

 

 

 

3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= Ф (2,5) + Ф (1,666)

= 0,4938

+ 0,4521 = 0,9459;

 

 

 

 

 

 

 

 

 

б) P (m

750)

P

(750

m

900)

 

Ф

900

720

 

 

 

Ф

750 720

 

 

 

 

 

 

 

 

 

900

 

 

 

900

 

 

 

 

 

 

 

 

 

 

 

12

 

 

 

 

 

 

12

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= Ф(15) – Ф(2,5) = 0,5 – 0,4938 = 0,0062;

 

 

 

 

 

 

 

 

 

 

 

 

в) P (m

600)

P

(0

 

m

600)

Ф

600

720

 

 

Ф

0

720

 

 

 

 

 

 

 

 

 

 

 

 

900

 

 

 

900

 

 

 

 

 

 

 

12

 

 

 

 

 

 

 

12

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= Ф(-10) -

Ф(-60) =

-Ф(10) +

Ф(60)

= -0,5

+

0,5

= 0.

 

 

 

 

 

 

5. НАИВЕРОЯТНЕЙШЕЕ ЧИСЛО ПОЯВЛЕНИЯ СОБЫТИЯ

Если n – число независимых испытаний, р – вероятность наступления события А в отдельном испытании, то наивероятнейшее число появления события А m0 удовлетворяет неравенству

n p – q ≤ m0 ≤ n p + p.

Пример 5. Предприятие поставляет свою продукцию 15 магазинам, от каждого из которых может поступить заявка на очередной день с вероятностью 0,6 независимо от заявок других магазинов. Найти наивероятнейшее число заявок.

16

Решение: n = 15; p = 0,6; q = 0,4.

15 0,6 - 0,4 ≤ m0 ≤ 15 0,6 + 0,6.

8,6 ≤ m0 ≤ 9,6 ; m0 = 9.

ТЕМА 5. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ

Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперёд неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.

Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определёнными вероятностями.

Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного

промежутка.

 

 

 

 

 

 

 

 

 

 

1. ДИСКРЕТНАЯ СЛУЧАЙНАЯ ВЕЛИЧИНА

 

 

 

Пример 1.

Дискретная

случайная

величина Х задана законом

распределения:

 

 

 

 

 

 

 

 

 

 

 

 

X

 

 

4

 

5

 

7

 

 

 

2

 

 

 

 

 

 

p

0,2

 

0,1

 

0,3

 

0,4

 

Найти: а) математическое ожидание М(Х);

б) дисперсию D(Х) и среднее квадратическое отклонение (Х); в) составить функцию распределения F(х) и построить ее график.

Решение:

а) По формуле

 

n

M ( Х )

xi pi находим математическое ожидание Х:

 

i 1

М(Х) = 2 × 0,2 + 4 × 0,1 + 5

× 0,3 + 7 × 0,4 = 5,1;

 

 

б) По формулам D(Х) =

M (Х2) - [ M(Х)]2 и ( Х )

 

найдем

D( Х )

дисперсию и среднее квадратическое отклонение.

17

 

n

 

= 22 × 0,2 + 42 × 0,1 + 52 × 0,3 + 72 × 0,4 = 29,5.

M ( Х 2 )

 

x2i p

 

 

 

i

 

 

i 1

 

 

D(Х) = 29,5 -

(5,1)2 = 3,49.

(Х) =

 

 

=

1,87;

3,49

в) по определению F(x) = P(X < x ) , т.е. F(x) есть вероятность того, что случайная X примет значение меньше, чем х.

Если х 2, то F(x) = P(X < 2) = 0.

Если

2 < x

4, то F(x) = P(X < 4) = P(X=2) = 0,2.

Если

4< x

5, то F(x) = P(Х < 5) = P(X=2)+(X=4) = 0,2+0,1 = 0,3.

Если 5< x 7, то F(x) = P(Х<7)= P(X=2)+P(X=4)+P(X=5)=0,2+0,1+0,3 = 0,6.

Если

x >

7,

то F(x)=P(Х<7)=P(X=2)+P(X=4)+P(X=5)+P(X=7)=

0,2+0,1+0,3+0,4

= 1.

 

 

 

 

 

 

 

 

Построим график F(x):

 

 

 

 

 

 

 

 

 

 

 

Y

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

0,

x

2

 

 

 

 

 

 

 

 

0,2,

2

x

4

 

 

 

 

 

 

 

 

 

 

0.6

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

F (x) 0,3,

4

x

5

 

 

 

 

 

 

 

0,6,

5

x

7

 

 

 

 

 

 

 

1,

x

7

0.3

 

 

 

 

 

 

 

 

 

 

0.2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2

4 5

7

X

Пример 2. В магазине куплено 3 электроприбора: чайник, утюг и пылесос. Вероятность выхода из строя в течение гарантийного срока для каждого из них соответственно равны р1=0,05, р2=0,1, р3 = 0,2. Составить закон распределения случайной величины Х – числа приборов, вышедших из строя в течение гарантийного срока.

18

Решение: Х – число приборов, вышедших из строя, имеет следующие возможные значения:

х1=0 – все три прибора не выйдут из строя в течение гарантийного срока; х2=1 – один прибор выйдет из строя; х3=2 – два прибора выйдут из строя; х4=3 – три прибора выйдут из строя.

Найдем соответствующие этим значениям вероятности. По условию вероятности выхода из строя приборов равны:

р1=0,05; р2=0,1; р3=0,2, тогда вероятности того, что приборы будут рабочими в течение гарантийного срока равны:

q1

= 1

– p1

= 1 – 0,05 = 0,95;

q2

= 1

- p2 = 1 – 0,1 = 0,9;

q3

= 1

– p3

= 1 – 0,2 = 0,8.

P1 (X=0) = q1 ∙ q2

∙ q3 = 0,95 ∙ 0,9 ∙ 0,8

= 0,684.

 

 

 

 

 

P2

(X=1) = q1 ∙ q2

∙ p3 + q1 ∙ p2 ∙ q3

+ p1 ∙ q2 ∙ q3 = 0,95 ∙ 0,9 ∙ 0,2

+ 0,95 ∙ 0,1 ∙ 0,8

+

0,05 ∙ 0,9 ∙ 0,8

= 0,283.

 

 

 

 

 

 

 

 

 

 

P3

(X=2) = p1 ∙ p2

∙ q3 + p1 ∙ q2 ∙ p3

+ q1 ∙ p2 ∙ p3

= 0,05 ∙ 0,1 ∙ 0,8

+ 0,05 ∙ 0,9

0,2 + 0,95 ∙ 0,1 ∙ 0,2 = 0,032.

 

 

 

 

 

 

 

 

 

 

P4

(X=3) = p1 ∙ p2

∙ p3 = 0,05 ∙ 0,1 ∙ 0,2

= 0,001.

 

 

 

 

 

Проверка:

 

 

 

 

 

 

 

 

 

 

 

P

= P1(X=0)+P2(X=1)+P3(X=2)+P4(X=3) = 0,684 + 0,283 + 0,032 + 0,001 = 1.

 

Закон распределения имеет вид:

 

 

 

 

 

 

 

 

X

 

 

 

1

 

2

 

3

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

p

0,684

 

0,283

0,032

 

0,001

 

 

Пример 3. Предприятие выпускает 90% изделий высшего сорта. Составить закон распределения случайной величины Х – числа изделий высшего сорта из трёх, взятых наудачу изделий. Найти M(X), D(X), (Х).

Решение:

Случайная величина Х – число изделий высшего сорта среди трёх отобранных изделий может принимать одно из значений: 0, 1, 2, 3. Вероятности этих значений вычисляются по формуле Бернулли:

Pn(X=m) = Cnm

pm qn-m , такое распределение называют

биноминальным.

 

 

 

 

 

Известно, что n = 3 ;

 

p = 0,9; q = 0,1; m = 0,1,2,3, тогда

P1(X=0) =

(0,1)3 = 0,001.

P2(X=1) =

C31

0,91

0,12 = 0,027.

P3(X=2) =

C32

0,92

0,1 = 0,243.

19

P4(X=3) = 0,93 = 0,729.

Проверка:

Р = Р3(Х=0)+Р3(Х=1)+Р3(Х=2)+Р3(Х=3)= 0,001+0,027+0,243 +0,729 = 1.

Закон распределения случайной величины Х:

 

 

X

0

 

1

 

2

 

3

 

 

 

 

 

 

 

P

0,001

 

0,027

 

0,243

 

0,729

 

 

 

 

 

M(X), D(X),

(X)

случайной

 

величины, распределенной по

биноминальному закону, находятся по формулам:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

M(X) = np ,

 

D(X) = npq ,

 

 

 

 

(X) =

n p q .

 

 

 

 

 

 

 

M(X) = 3 ∙ 0,9 = 2,7;

 

D(X) = 3 ∙ 0,9 ∙ 0,1 = 0,27;

(X) =

0,27 = 0,53.

Пример 4. На сборку поступило

30 деталей, из них 25 стандартных.

Сборщик берет наудачу 3 детали. Составить закон распределения случайной величины Х – числа стандартных деталей среди трех отобранных.

Решение: Возможные значения случайной величины Х:

Х1 = 0, Х2 = 1, Х3 = 2, Х4 = 3.

Вероятности этих значений вычисляются по формуле

 

Cm

Cr m

 

Рn(Х=m) =

s

n s

,

 

Cr

 

 

 

 

 

n

 

где n – число элементов множества,

 

 

 

s – число элементов множества, обладающих фиксированным свойством; r – число отобранных элементов;

 

 

 

m= 0, r

- число элементов с фиксированным свойством, оказавшихся в

выборке.

Такое

распределение называют гипергеометрическим.

 

C0

C3

1

P3(X=0) =

25

5

 

 

3

406

 

С30

 

 

 

C 2

C1

150

P3(X=2) =

25

5

 

 

3

406

 

С30

 

 

.

P3(X=1) =

C125 C52

 

 

 

25

.

 

 

3

 

 

 

 

406

 

 

 

С30

 

 

 

 

 

 

 

 

 

 

 

С3

 

C0

230

 

 

25

 

5

 

.

P3(X=3) =

 

 

 

 

 

.

 

 

3

 

 

 

 

 

406

 

 

 

С30

 

 

 

 

 

 

 

Проверка: Р=Р3(Х=0)+Р3(Х=1)+Р3(Х=2)+Р3(Х=3) =

1

 

25

 

150

 

230

1 .

 

 

 

 

 

 

 

406

406

406

406

 

20

Закон распределения случайной величины Х:

X

 

0

 

1

 

2

 

3

 

P

 

1

 

25

 

150

 

230

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

406

 

406

 

406

 

406

 

 

Пример 5: Независимые случайные величины Х и У заданы законами

распределения:

 

 

 

 

 

 

 

Х

 

1

3

4

 

Y

0

2

3

 

p

 

0,1

?

0,6

 

P

0,2

0,4

?

 

а) найти P(X=3), P(Y=3);

б) составить закон распределения случайной величины Z = X + Y. Найти M(Z), D(Z) и проверить выполнение свойств M (X+Y) = M(X) + M(Y); D(X+Y) = D(X) + D(Y);

в) составить закон распределения V = X Y. Найти M(V) и проверить выполнение свойства M(X Y) = M(X) M(Y).

Решение:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

а)

Так как

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(X=1) + P(X=3) + P(X=4) = 1,

P(Y=0) + P(Y=2) + P(Y=3) = 1,

 

 

 

 

 

то

 

P(X=3) = 1 – (0,1 + 0,6) = 0,3,

P(Y=3) = 1 – (0,2 + 0,4) = 0,4.

 

Запишем законы распределения случайных величин X и Y, с учетом их

вероятностей:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Х

 

1

 

 

3

 

 

4

 

 

 

 

 

Y

0

 

2

 

3

 

 

 

p

 

0,1

 

0,3

 

0,6

 

 

 

 

 

P

0,2

 

0,4

0,4

 

 

 

б) Суммой случайных величин X и Y называется случайная величина

Z

= X + Y, возможные значения которой равны суммам каждого возможного

значения величины

X с каждым возможным значением величины Y. Если

X и Y независимы,

то вероятности возможных значений Z = X + Y равны

произведениям вероятностей слагаемых.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Z=X+Y

 

1+0=1

 

1+2=3

 

1+3=4

 

 

 

3+0=3

 

 

 

 

P

 

0,1 ∙ 0,2=0,02

0,1 ∙ 0,4= 0,04

0,1 ∙ 0,4=0,04

 

0,3 ∙ 0,2=0,06

 

 

3+2=5

 

 

 

3 + 3= 6

 

 

4 +0 = 4

 

4 + 2 =6

 

4 + 3= 7

 

 

 

 

 

 

 

 

 

 

0,3 ∙ 0,4=0,12

 

0,3 ∙ 0,4=0,12

 

0,6 0,2= 0,12

 

0,6 ∙ 0,4=0,24

 

0,6 ∙ 0,4=0,24

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]