- •Программа раздела «теория вероятностей»
- •Тема 1. Непосредственное вычисление
- •Тема 2. Теоремы сложения и умножения
- •Тема 3. Формула полной вероятности. Формула байеса.
- •Тема 4. Повторные независимые испытания
- •Тема 5. Дискретные случайные величины
- •Тема 6. Числовые характеристики дискретной случайной величины.
- •Тема 7. Непрерывные случайные величины.
- •Или через функцию плотности вероятностей
- •Тема 8. Нормальный закон распределения. Интеграл вероятностей.
- •Тема 9. Закон больших чисел
- •Список рекомендуемой литературы
- •3 97087 Воронеж, ул. Мичурина,1
Тема 7. Непрерывные случайные величины.
Если в ходе эксперимента все значения случайной величины оказываются на некотором участке числовой оси и принимают в нем любые значения, то эта случайная величина является непрерывной. Непрерывная случайная величина, принимающая свои значения на интервале, задается либо интегральной функцией распределения F(x)=Р(Х<х), либо функцией плотности вероятностей f(x) = F'(x).
Математическое ожидание непрерывной случайной величины X, возможные значения которой принадлежат интервалу (а,b), вычисляется по формуле MX = , а дисперсия - по одной из формул
DX = = .
Вероятность того, что случайная величина Х примет значение, заключенное в интервале (а,b), равна приращению функции распределения на этом интервале
P (a < X < b)= F(b) - F(a)
Или через функцию плотности вероятностей
P (a X b) = .
ЗАДАНИЕ 7. Случайная величина X задана интегральной функцией распределения
F(x)= ,
где а – параметр, а число k – номер варианта.
Найти:
плотность распределения вероятностей случайной величины X;
значение параметра а;
математическое ожидание и дисперсию случайной величины X;
построить графики функций F(x) и /(х).
Пример. Решить задание № 7 при значении к =4.
Решение. Случайная величина X при таком значении к задается интегральной функцией распределения
F(x)= .
Плотность распределения вероятностей случайной величины X определяется функцией
f(x)=F´(x)= .
2) Значение параметра а определим, используя основное свойство плотности вероятности =1 . Так как = = =1,96 =1, то значение параметра =1/1,96=0,51.
3) Математическое ожидание случайной величины X находим по формуле MX = = = 2 = ,
при a = 0.51 значение MX равно 0,93296. Дисперсию случайной величины X находим по формуле
DX = = -(0,93296)2=
=2 - (0,93296)2= -0,870414=0,1092.
4) Графики интегральной функции распределения F(x) и плотности вероятности f(x) для сравнения построим в одной системе координат
y
1,42
1
0 1 1,4 x
y=F(x) y=f (x)
Тема 8. Нормальный закон распределения. Интеграл вероятностей.
Нормальная случайная величина (или, что тоже, случайная величина, распределенная по нормальному закону) - величина X, принимающая свои значения в интервале от минус до плюс бесконечности с функцией плотности вероятностей
,
где числа а и σ называются параметрами нормального распределения. Смысл параметров: а – среднее значение случайной величины (математическое ожидание), σ= - среднее квадратическое отклонение.
Функция распределения нормального закона с параметрами а и σ определяется интегралом
F(x)= .
Если значения параметров а и σ равны 0 и 1 соответственно, то получим стандартное (или нормированное) нормальное распределение. Для стандартного нормального распределения составлены таблицы (см. приложение), точнее, составлены таблицы для интеграла вероятностей (интеграла Лапласа)
Φ(x)= .
Интеграл вероятностей Ф(х) и функция распределения стандартного нормального закона F(x) связаны равенством
F(x)= Ф(х)+ 0,5.
Любое нормальное распределение с произвольными параметрами а и σ сводится к стандартному закону заменой , где х - значения случайной величины с параметрами а и σ; z - значения стандартной (нормированной) нормальной величины.
С помощью функции (интеграла вероятностей) Ф(х) можно решать задачи следующих типов.
Первая задача: найти вероятность того, что случайная величина Х с известным средним а и средним квадратическим отклонением σ принимает значение в интервале (х1, х2). Тогда
.
Вторая задача: найти вероятность того, что случайная величина X с известными а и σ отличается от своего среднего значения а по абсолютной величине не больше, чем на δ . Тогда
.
Третья задача: найти вероятность того, что частота k появления события А при п независимых испытаниях находится в интервале (a;b). Тогда
, где , .
Здесь p – вероятность появления события А в каждом испытании, q=1- p.
Отметим, что биноминальное распределение (т.е. последовательность п независимых испытаний) можно заменить нормальным распределением тогда, когда величина пр, как и nq, больше 5, т.е. число n должно быть достаточно большим, а вероятность p больше 0,1, лучше всего около 0,5.
Пример 1. Упаковочный аппарат расфасовывает чай в пачки, вес которых является случайной величиной X, распределенной по нормальному закону. Средняя масса пачки равна 100 г, причем средний разброс (среднее квадратическое отклонение) составляет 2 г. Какая доля пачек будет иметь массу до 97 г?
Решение. Из условия задачи имеем, что вес пачки чая Х- нормальная случайная величина с параметрами a = 100 и σ= 2. Нас интересуют все значения X < 97, следовательно, используя формулу первой задачи, получаем
.
Функция Ф(х) нечетная Ф(-х) = -Ф(х), кроме того, для всех х>5 она считается равной 0,5. Тогда по таблице находим
Ф(1,5) = 0,4332 и поэтому
Р(Х < 97) = 0,5 - Ф(1,5) = 0,5 - 0,4332 = 0,0668.
Ответ: доля пачек чая, имеющих массу меньше 97 г, составляет около 7 %.
Пример 2. Станок-автомат изготавливает шарики. Шарик считается годным, если отклонение его диаметра от проектного размера по абсолютной величине меньше 0,9 мм. Считая, что случайная величина распределена по нормальному закону с нулевым математическим ожиданием и средним квадратическим отклонением = 0,5 мм, найти, сколько процентов годных шариков изготовляет станок?
Решение. Воспользуемся формулой для вычисления вероятности заданного отклонения нормально распределенной случайной величины от ее математического ожидания
,
где функция Лапласа. По условию задачи поэтому
Таким образом, станок-автомат изготовляет 92,8 % годных шариков.
ЗАДАНИЕ 8. Предполагается, что отклонение контролируемого размера детали, изготовленной станком-автоматом, от проектного размера, как случайная величина, подчиняется нормальному закону распределения со средним квадратическим отклонением (мм) и математическим ожиданием . Деталь считается годной, если отклонение ее контролируемого размера от проектного по абсолютной величине не превышает (мм). Сколько процентов годных деталей изготовляет станок?
-
1.
= 15,
= 7.
16.
= 50,
= 30.
2.
= 40,
= 22.
17.
= 6,
= 3.
3.
= 18,
= 10.
18.
= 35,
= 17.
4.
= 60,
= 35.
19.
= 8,
= 5.
5.
= 20,
= 11.
20.
= 45,
= 20.
6.
= 50,
= 30.
21.
= 15,
= 7.
7.
= 6,
= 3.
22.
= 40,
= 22.
8.
= 35,
= 17.
23.
= 18,
= 10.
9.
= 8,
= 5.
24.
= 60,
= 35.
10.
= 45,
= 20.
25.
= 20,
= 11.
11.
= 15,
= 7.
26.
= 50,
= 30.
12.
= 40,
= 22.
27.
= 6,
= 3.
13.
= 18,
= 10.
28.
= 35,
= 17.
14.
= 60,
= 35.
29.
= 8,
= 5.
15.
= 20,
= 11.
30.
= 45,
= 20.