- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлений события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§ 10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательного закона надежности
§ 5. Математическое ожидание числа появлений события в независимых испытаниях
Пусть производится п независимых испытаний, в каждом из которых вероятность появления события А постоянна и равна р. Чему равно среднее число появлений события А в этих испытаниях? Ответ на этот вопрос дает следующая теорема.
Теорема. Математическое ожидание М (X) числа появлений события А в п независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании:
M(X)=np.
Доказательство. Будем рассматривать в качестве случайной величины X число наступления события А в п независимых испытаниях. Очевидно, общее число X появлений события А в этих испытаниях складывается из чисел появлений события в отдельных испытаниях. Поэтому если Х1—число появлений события в первом испытании, Х2— во втором, ..., Хп — в n-м, то общее число появлений события X = Х1 + Х2 + .. ..+ Хn.
По третьему свойству математического ожидания,
М(Х) = М(Х1) + М(Х2)+. ..+М(Хп). (*)
Каждое из слагаемых правой части равенства есть математическое ожидание числа появлений события в одном испытании: М (Х1) — в первом, М (Х2) — во втором и т. д. Так как математическое ожидание числа появлений события в одном испытании равно вероятности события (см. § 2, пример 2), то М(Х1)=М(Х2)= М(Хп)=р. Подставляя в правую часть равенства (*) вместо каждого слагаемого р, получим
М(Х)=пр. (**)
Замечание. Так как величина X распределена по биномиальному закону, то доказанную теорему можно сформулировать и так: математическое ожидание биномиального распределения с параметрами п и р равно произведению пр.
Пример. Вероятность попадания в цель при стрельбе из орудия р = 0,6. Найти математическое ожидание общего числа попаданий, если будет произведено 10 выстрелов.
Решение. Попадание при каждом выстреле не зависит от исходов других выстрелов, поэтому рассматриваемые события независимы и, следовательно, искомое математическое ожидание
М (Х)=пр = 10*0,6 = 6 (попаданий).
Задачи
1. Найти математическое ожидание дискретной случайной величины, зная закон ее распределения:
-
X
6
3
1
p
0,2
0,3
0,5
Отв. 2,6.
2. Производится 4 выстрела с вероятностью попадания в цель p1= 0,6, р2 = 0,4, р3 = 0,5 и p4=0,7. Найти математическое ожидание общего числа попаданий.
Отв. 2,2 попадания.
3. Дискретные независимые случайные величины заданы законами распределения:
-
X
1
2
Y
0,5
1
p
0,2
0,8
p
0,3
0,7
Найти математическое ожидание произведения XY двумя способами: а) составив закон распределения XY; б) пользуясь свойством 3.
Отв. 1,53.
4. Дискретные случайные величины X и Y заданы законами распределения, указанными в задаче 3. Найти математическое ожидание суммы X+Y двумя способами: а) составив закон распределения X+Y; б) пользуясь свойством 4.
Отв. 2,65.
5. Вероятность отказа детали за время испытания на надежность равна 0,2. Найти математическое ожидание числа отказавших деталей, если испытанию будут подвергнуты 10 деталей.
Отв. 2 детали.
6. Найти математическое ожидание произведения числа очков, которые могут выпасть при одном бросании двух игральных костей.
Отв. 12,25 очка.
7. Найти математическое ожидание числа лотерейных билетов, на которые выпадут выигрыши, если приобретено 20 билетов, причем нероятность выигрыша по одному билету равна 0,3.
Отв. 6 билетов.
Глава восьмая
ДИСПЕРСИЯ ДИСКРЕТНОЙ СЛУЧАЙНОЙ ВЕЛИЧИНЫ