- •Белкоопсоюз
- •Удк 51 ббк 22.11
- •Пояснительная записка
- •Программа курса
- •1. Случайные события и вероятность
- •2. Случайные величины и законы их распределения
- •3. Нормальный закон распределения
- •1. События и вероятности
- •1.1. Классификация событий
- •1.2. Классическое определение вероятности
- •Задачи для самостоятельного решения
- •1.3. Статистическое определение вероятности
- •Задачи для самостоятельного решения
- •1.4. Геометрическое определение вероятности
- •Задачи для самостоятельного решения
- •1.5. Действия над событиями
- •Сложение и умножение вероятностей. Теоремы сложения вероятностей
- •Теоремы умножения вероятностей
- •Вероятность произведения зависимых событий
- •Задачи для самостоятельного решения
- •1.6. Формула полной вероятности. Формула Бейеса
- •Задачи для самостоятельного решения
- •1.7. Повторные независимые испытания
- •Формула Бернулли
- •Задачи для самостоятельного решения
- •Простейший поток событий
- •Локальная теорема Лапласа
- •Задачи для самостоятельного решения
- •Интегральная теорема Лапласа
- •Задачи для самостоятельного решения
- •Наивероятнейшее число появлений события
- •Задачи для самостоятельного решения
- •2. Случайные величины
- •2.1. Понятие случайной величины
- •2.2. Функция распределения
- •Основные свойства функции распределения
- •Задачи для самостоятельного решения
- •2.3. Числовые характеристики дискретных случайных величин
- •Задачи для самостоятельного решения
- •2.4. Плотность распределения
- •Задачи для самостоятельного решения
- •2.5. Числовые характеристики непрерывных случайных величин
- •Задачи для самостоятельного решения
- •2.6. Законы распределения непрерывных случайных величин
- •Равномерное распределение
- •Задачи для самостоятельного решения
- •Нормальное распределение
- •Задачи для самостоятельного решения
- •Показательное распределение
- •Задачи для самостоятельного решения
- •2.7. Функция одной случайной величины
- •3. Система двух случайных величин
- •3.1. Условные законы распределения вероятностей составляющих дискретной двумерной случайной величины
- •3.2. Числовые характеристики системы двух случайных величин
- •Задачи для самостоятельного решения
- •Индивидуальные задания
- •Список рекомендуемой литературы
- •Приложения
2.3. Числовые характеристики дискретных случайных величин
Закон распределения полностью характеризует случайную величину. Однако, при решении ряда практических задач нет необходимости знать все возможные значения случайной величины и соответствующие им вероятности. Целесообразнее пользоваться некоторыми количественными показателями, которые давали бы в сжатой форме достаточную информацию о случайной величине. Такие показатели называют числовыми характеристиками случайной величины. Основными из них являются математическое ожидание, дисперсия, моменты различных порядков.
Математическим ожиданием M(x) дискретной случайной величины X называется сумма произведений всех ее возможных значений на их вероятности:
. (43)
Дисперсией D(x) дискретной случайной величины X называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
. (44)
Начальным моментом порядка k случайной величины X называют математическое ожидание величины Xk:
. (45)
Начальный момент первого порядка равен математическому ожиданию v1 = M(X).
Центральным моментом порядка k случайной величины X называют математическое ожидание величины [X – M(X)]k:
. (46)
Центральный момент второго порядка равен дисперсии D(X):
.
Математическое ожидание обладает следующими свойствами:
1) математическое ожидание постоянной величины равно этой постоянной: M(C) = C;
2) постоянный множитель можно выносить за знак математического ожидания: M(CX) = C · M(X);
3) математическое ожидание отклонения равно 0: M[X – M(X)] = 0;
4) M(X+Y) =M(X) +M(Y);
5) M(X·Y) =M(X) ·M(Y).
Математическое ожидание – это среднее значение данной случайной величины, центр ее распределения.
Другой важной характеристикой случайной величины является дисперсия, которая служит мерой рассеивания данной случайной величины по отношению к ее математическому ожиданию.
Дисперсия случайной величины обладает свойствами:
1) дисперсия постоянной равна 0: D(С) = 0;
2) постоянный множитель можно вынести за знак дисперсии, возведя его в квадрат: D(CX) = C2D(X);
3) если X и Y независимые случайные величины, тогда
D(X + Y) = D(X) + D(Y); D(X – Y) = D(X) + D(Y);
4) дисперсия случайной величины X равна математическому ожиданию ее квадрата без квадрата ее математического ожидания:
D(X) = M(X2) – [M(X)]2.
Среднее квадратическое отклонение () вычисляется по формуле
. (47)
Пример 2.6. Найти числовые характеристики дискретной случайной величины Х, заданной следующим законом распределения:
-
X
1
2
3
4
P
0,3
0,1
0,4
0,2
Решение. Найдем дисперсию случайной величины двумя способами.
1. Математическое ожидание (начальный момент первого порядка) равен M(X) = 1 = 1 · 0,3 + 2 · 0,1 + 3 · 0,4 + 4 · 0,2 = 2,5.
Вычислим начальный момент третьего порядка: 3 = M(X3) = 13 · 0,3 + + 23 · 0,1 + 33 · 0,4 + 43 · 0,2 = 24,7.
Рассчитаем дисперсию (центральный момент второго порядка): D(X) = 2 = (1 – 2,5)2 · 0,3 + (2 – 2,5)2 · 0,1 + (3 – 2,5)2 · 0,4 + (4 – – 2,5)2 · 0,2 = 1,25.
2. Второй способ вычисления дисперсии основан на свойстве 4:
D(X) = M(X2) – [M(X)]2.
Так как M(X2) = 1 · 0,3 + 22 · 0,1 + 32 · 0,4 + 42 · 0,2 = 7,5 то D(X) = = 7,5 – (2,5)2 = 1,25.
Используя формулу (46) определим центральный момент третьего порядка: 3 = (1 – 2,5)3 · 0,3 + (2 – 2,5)3 · 0,1 + (3 – 2,5)3 · 0,4 + (4 – – 2,5)3 · 0,2 = 17,425.
Найдем числовые характеристики дискретной случайной величины, подчиняющейся биномиальному распределению. В этом случае возможными значениями случайной величины X являются 0, 1, 2, …, n, а вероятности вычисляются по формуле Бернулли. Запишем биномиальный закон в виде следующей таблицы:
X |
0 |
1 |
2 |
… |
k |
… |
n |
P |
qn |
… |
… |
pn |
Запишем выражение начального момента первого порядка (математическое ожидание):
.
Дисперсия (центральный момент второго порядка) может быть вычислена по следующей формуле:
D(X) = 2 = M(X2) – [M(X)]2 = npq. (48)
Распределение Пуассона, задается в виде следующего закона распределения:
X |
0 |
1 |
2 |
… |
k |
… |
P |
e– |
e– |
2e– / 2! |
… |
ke– / k! |
… |
Отличительной особенностью распределения Пуассона является равенство математического ожидания и дисперсии:
M(X) =D(X) ==np. (49)
Пример 2.7. Два стрелка стреляют в цель, выбивая очки от 0 до 5. Определить, какой стрелок стреляет лучше, если:
для первого стрелка величина X (число выбиваемых очков) задается следующим законом распределения:
X |
0 |
1 |
2 |
3 |
4 |
5 |
P |
0,1 |
0,2 |
0,1 |
0,3 |
0,1 |
0,2 |
для второго стрелка величина X задается законом распределения:
X |
0 |
1 |
2 |
3 |
4 |
5 |
P |
0,1 |
0,1 |
0,3 |
0,2 |
0,2 |
0,1 |
Решение.Для определения лучшего стрелка нужно найти средние значения выбиваемых очков, с учетом соответствующих вероятностей, для каждого стрелка:
для первого стрелка:
M(X1) = 0 · 0,1 + 1 · 0,2 + 2 · 0,1 + 3 · 0,3 + 4 · 0,1 + 5 · 0,2 = 2,7.
для второго стрелка:
M(X2) = 0 · 0,1 + 1 · 0,1 + 2 · 0,3 + 3 · 0,2 + 4 · 0,2 + 5 · 0,1 = 2,6.
Так как первый стрелок выбивает в среднем 2,7 очка, а второй 2,6, следовательно, первый стрелок стреляет лучше.
Для того, чтобы оценить у какого стрелка рассеяние меньше, рассчитаем дисперсию каждого стрелка:
D(X1) = 1 · 0,2 + 4 · 0,1 + 9 · 0,3 + 16 · 0,1 + 25 · 0,2 – 2,72 = 9,9 – 7,29 = = 2,61.
D(X2) = 1 · 0,1 + 4 · 0,3 + 9 · 0,2 + 16 · 0,2 + 25 · 0,1 – 2,62 = 8,8 – 6,76 = = 2,04.
Следовательно, второй стрелок стреляет более “кучно”, так как его дисперсия меньше.
Пример 2.8. В партии из 10 деталей содержится 3 нестандартные. Наудачу отобраны 2 детали. Найти начальный момент первого и третьего порядка и центральные моменты второго и третьего порядка дискретной случайной величины X (число нестандартных деталей среди отобранных).
Решение. Закон распределения может быть задан в виде следующей таблицы:
X |
0 |
1 |
2 |
P |
21/45 |
21/45 |
3/45 |
; ;
;
;
.
Пример 2.9. Найти математическое ожидание дискретной случайной величины Z = 2X + Y, если известно, что M(X) = 2, M(Y) = 5.
Решение. Согласно свойствам математического ожидания
M(Z) = M(2X + Y) = M(2X) + M(Y) = 2M(X) + M(Y) = 2 · 2 + 5 = 9.
Пример 2.10. Производятся независимые опыты, в каждом из которых событие A наступает с вероятностью p. Опыты продолжаются до первого появления события A. Найти математическое ожидание случайной величины X (число произведенных опытов).
Решение. Возможные значения этой случайной величины xn = n, n = 1, 2, 3, … . Событие X = n означает, что в первых n – 1 опытах событие A не наступит, а в n-ом опыте наступит. Вероятность такого исхода равна
.
Следовательно, закон распределения случайной величины X можно представить в виде таблицы
X |
1 |
2 |
3 |
… |
n |
… |
P |
p |
pq |
pq2 |
… |
pqn–1 |
… |
M(X) = 1 · p + 2pq + 3pq2 + … + npqn–1 + … = p(1 + 2q + 3q2 + … + + nqn–1 + …).
Ряд, записанный в скобках, получается дифференцированием геометрического ряда .
Следовательно, .