
- •ВИЩА МАТЕМАТИКА ДЛЯ ЕКОНОМІСТІВ
- •Видання містить короткі теоретичні відомості та формули, типові приклади задач і методику їх розв’язання, завдання для самостійної роботи, а також контрольні питання до кожної теми.
- •Призначене для студентів економічних спеціальностей вищих навчальних закладів.
- •ВСТУП
- •Питання для самоконтролю
- •Вправи
- •1.1.2. Елементи комбінаторики
- •Таблиця 1.1
- •Розв’язування комбінаторних задач
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •1.4. ФОРМУЛА ПОВНОЇ ЙМОВІРНОСТІ. ФОРМУЛА БАЙЄСА
- •Питання для самоконтролю
- •Вправи
- •1.5. ПОСЛІДОВНІ НЕЗАЛЕЖНІ ВИПРОБУВАННЯ
- •1.5.1. Формула Бернуллі
- •1.5.2. Формула Пуассона
- •1.5.3. Локальна теорема Муавра-Лапласа
- •1.5.4. Інтегральна теорема Муавра-Лапласа
- •Питання для самоконтролю
- •Вправи
- •2.1.1. Дискретні випадкові величини. Функція розподілу. Основні закони розподілу
- •Питання для самоконтролю
- •Вправи
- •2.2. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ ВЕЛИЧИН
- •Таблиця 2.1
- •Числові характеристики деяких розподілів
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •2.4.1. Лема Чебишова
- •2.4.2. Теорема Чебишова
- •2.4.3. Теорема Бернуллі
- •Питання для самоконтролю
- •Вправи
- •2.5. ДВОВИМІРНА ВИПАДКОВА ВЕЛИЧИНА
- •Таблиця 2.2
- •Таблиця 2.3
- •Таблиця 2.4
- •Питання для самоконтролю
- •Вправи
- •Таблиця 2.5
- •Числові характеристики двовимірної випадкової величини
- •Продовж. табл. 2.5
- •Питання для самоконтролю
- •Вправи
- •2.5.6. Умовні числові характеристики двовимірної випадкової величини. Регресія
- •Питання для самоконтролю
- •Вправи
- •3.1. ПРЕДМЕТ ТА ОСНОВНІ ЗАВДАННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ
- •Питання для самоконтролю
- •3.3. СТАТИСТИЧНИЙ РОЗПОДІЛ ВИБІРКИ
- •Таблиця 3.1
- •Таблиця 3.2
- •Таблиця 3.3
- •Таблиця 3.4
- •Таблиця 3.5
- •Таблиця 3.6
- •Питання для самоконтролю
- •Вправи
- •3.4. ГРАФІЧНЕ ЗОБРАЖЕННЯ СТАТИСТИЧНИХ РОЗПОДІЛІВ
- •Рис. 3.1. Гістограма частот за даними прикладу 3.1
- •Рис. 3.2. Полігон частот за даними таблиці 3.6
- •3.5. ЕМПІРИЧНА ФУНКЦІЯ РОЗПОДІЛУ. КУМУЛЯТА
- •Питання для самоконтролю
- •Вправи
- •Таблиця 3.8
- •Таблиця 3.9
- •Питання для самоконтролю
- •Вправи
- •3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
- •3.7.2. Статистична оцінка математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.8. ІНТЕРВАЛЬНІ ОЦІНКИ ПАРАМЕТРІВ РОЗПОДІЛУ
- •3.8.1. Надійність. Інтервал довіри
- •3.8.3. Розподіл Стьюдента
- •3.8.4. Розподіл Фішера-Снедекора
- •3.8.5. Інтервальні оцінки для математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.9. ЕЛЕМЕНТИ ТЕОРІЇ КОРЕЛЯЦІЇ
- •Таблиця 3.10
- •Таблиця 3.10
- •Питання для самоконтролю
- •Вправи
- •3.9.3. Основні поняття і методи регресійного аналізу
- •3.9.4. Метод найменших квадратів
- •Рис. 3.3. Діаграма розсіювання точок
- •Питання для самоконтролю
- •Вправи
- •3.10. СТАТИСТИЧНА ПЕРЕВІРКА СТАТИСТИЧНИХ ГІПОТЕЗ
- •3.10.1. Статистичні гіпотези. Помилки першого та другого роду
- •3.10.2. Статистичний критерій перевірки нульової гіпотези
- •Питання для самоконтролю
- •Таблиця 3.12
- •Таблиця 3.13
- •Таблиця 3.14
- •Таблиця 3.15
- •3.10.4. Перевірка гіпотези про порівняння середнього значення ознаки генеральної сукупності зі стандартом
- •3.10.5. Перевірка гіпотези про рівність дисперсій двох незалежних випадкових величин
- •Питання для самоконтролю
- •Вправи
- •Додаток А
- •Таблиця значень функції
- •Додаток Б
- •Таблиця значень функції Лапласа
- •Додаток В
- •Додаток Г
- •Додаток Д
- •Критичні точки розподілу F Фішера-Снедекора
- •Додаток Е
- •Таблиця значень
- •Додаток Ж
- •Значення

набула значення y j , а через p( y j / xi ) – умовну ймовірність того, що випадкова величина Y набуде значення y j за умови, що випадкова величина Х набула значення xi .
Ймовірності p(xi / y j ) і p( y j / xi ) обчислюємо за формулами:
p(xi |
/ y j |
) = |
p(xi , y j |
) |
, |
(2.28) |
p( y j ) |
|
|||||
|
|
|
|
|
|
|
p( y j |
/ xi |
) = |
p(xi , y j |
) |
. |
(2.29) |
|
|
|||||
p(xi ) |
|
|||||
|
|
|
|
|
|
Умовним законом розподілу складової Х двовимірної дискретної випадкової величини ( X ,Y ) за фіксованого значення складовоїY = y j
називається перелік усіх можливих значень xi випадкової величини Х та відповідних їм умовних ймовірностей p(xi / y j ).
Умовним законом розподілу складової Y двовимірної дискретної випадкової величини ( X ,Y ) за фіксованого значення X = xi називається перелік усіх можливих значень y j випадкової величини Y та відповідних їм умовних ймовірностей p( y j / xi ).
Умовні закони розподілу складових Х і Y двовимірної дискретної випадкової величини ( X, Y ) записують, відповідно, у вигляді таб-
лиць 2.3, 2.4.
Таблиця 2.3
X = xi |
x1 |
xa |
… |
xm |
m |
|
|
|
|
|
|
å p(xi / y j ) =1 |
|
p(xi / y j ) |
p(x1 / y j ) |
p(x2 / y j ) |
… |
p(xm / y j ) |
||
i=1 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
Таблиця 2.4 |
|
|
|
|
|
|
|
|
Y = y j |
y1 |
ya |
… |
yn |
n |
|
|
|
|
|
|
å p( y j / xi ) =1 |
|
p( y j / xi ) |
p( y1 / xi ) |
p( y2 / xi ) |
… |
p( yn / xi ) |
||
j =1 |
||||||
|
|
|
|
|
|
Висновок: знаючи безумовні закони розподілу складових Х іY та умовний закон розподілу однієї з них, можна скласти закон розподілу двовимірної дискретної випадкової величини ( X, Y ). Ймовірності
p(xi , y j ) можливих її значень (xi , y j ) обчислюємо за формулами:
p(xi , y j ) = p( y j ) × p(xi / y j ), p( y j , xi ) = p(xi ) × p( y j / xi ).
ДВНЗ “Українська академія банківської справи НБУ”
68

Приклад 2.16. Дискретна двовимірна випадкова величина ( X, Y ) задана таблицею:
Х |
|
|
|
|
|
x1 =1 |
|
|
|
|
|
|
|
|
|
|
x2 = 2 |
|
|
|
|
|
|
x3 = 3 |
|
Y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y1 = 2 |
|
|
|
|
|
0,10 |
|
|
|
|
|
|
|
|
|
|
0,30 |
|
|
|
|
|
|
0,20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y2 = 4 |
|
|
|
|
|
0,06 |
|
|
|
|
|
|
|
|
|
|
0,18 |
|
|
|
|
|
|
0,16 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Записати умовний закон розподілу складовоїХ за умови, що |
|||||||||||||||||||||||||
складова Y набула значення y1 |
= 2. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Розв’язання |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Шуканий закон визначається сукупністю таких умовних ймовірно- |
|||||||||||||||||||||||||
стей |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p( x1 / y1 ) , p(x2 / y1 ) , p(x3 / y1 ). |
|
|
||||||||||||||||||||
Обчислимо їх: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
p(x |
1 |
/ y |
1 |
) = p(x , y |
1 |
) / p( y |
1 |
) = 0,10 / 0,60 = |
1 |
; |
|
|
|||||||||||||
|
|
|
|
|
|||||||||||||||||||||
|
|
1 |
|
|
|
|
|
|
|
6 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
p(x2 |
/ y1 ) = p(x2 , y1 ) / p( y1 ) = 0,30 / 0,60 = |
1 |
; |
|
|
||||||||||||||||||||
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||
p( x |
3 |
/ y |
1 |
) = p( x |
3 |
, y ) / p( y |
1 |
) = 0,20 / 0,60 = |
1 |
. |
|
|
|||||||||||||
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
3 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Таким чином, умовний закон розподілу X / Y = 2 має такий вигляд: |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X = xi |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p(xi / y1 ) |
|
|
|
|
|
1/6 |
|
|
|
|
|
|
|
|
|
|
1/2 |
|
|
|
|
|
|
1/3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
1 |
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
Контроль å p(xi |
/ y1 ) = |
+ |
+ |
= 1. |
|
|
|||||||||||||||||||
6 |
2 |
|
|
|
|||||||||||||||||||||
i=1 |
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
||||||
2. Випадок неперервної величини |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
Нехай ( X, Y ) |
– двовимірна |
неперервна випадкова |
величина і |
f (x, y) – щільність її сумісного розподілу. Як уже зазначалося, закони розподілу складових Х і Y визначаються рівностями:
¥ |
¥ |
f1 (x) = ò f (x, y)dy, f 2 ( y) = ò f (x, y)dx. |
|
-¥ |
-¥ |
Умовною щільністю j(x / y) |
розподілу ймовірностей складової Х |
двовимірної неперервної величини ( X, Y ) за фіксованого значення Y = y
ДВНЗ “Українська академія банківської справи НБУ”
69

називається відношення щільності f (x, y) її сумісного розподілу до щільності f 2 ( y) складової Y:
j(x / y) = |
f (x, y) |
, f |
2 ( y) ¹ 0. |
(2.30) |
|
||||
|
f2 ( y) |
|
|
|
Умовною щільністю розподілу ймовірностей складовоїY |
дво- |
вимірної неперервної величини ( X, Y ) за фіксованого значення X = x називається відношення щільності f (x, y) її сумісного розподілу до щільності f1 (x) складової Х:
Y( y / x) = |
f (x, y) |
, |
f |
(x) ¹ 0. |
(2.31) |
|
|||||
|
f1(x) |
1 |
|
|
|
|
|
|
|
Умовна щільність розподілу ймовірностей складової двовимірної неперервної випадкової величини визначає її умовний закон розподілу.
Звідси маємо висновок: знаючи щільність розподілів складових Х і Y та умовну щільність розподілу однієї з них, можемо обчислити щільність розподілу двовимірної неперервної випадкової величини ( X, Y ) за формулами:
f (x, y) = f 2 ( y) ×j(x / y); f (x, y) = f1 (x) × Y( y / x).
Залежні та незалежні випадкові величини
При визначенні систем випадкових величин велику увагу приділяють степеню і характеру їх залежності.
Дві випадкові величини називаються незалежними, якщо закон розподілу кожної з них не залежить від того, якого значення набула інша.
Із цього означення випливає, що умовні розподіли незалежних величин дорівнюють їх безумовним розподілам, тобто:
·j(x / y) = f1 (x), Y(y / x) = f2 (y) – для незалежних випадкових величин;
·j(x / y) ¹ f1 (x), Y(y / x) ¹ f2 (y) – для залежних випадкових величин.
Теорема. Для того щоб неперервні випадкові величиниХ і Y були незалежними, необхідно і досить, щоб функція розподілу системи(Х, Y ) дорівнювала добутку функцій розподілу складових:
F (x, y) = F1(x) × F2 ( y).
Наслідок. Для того щоб неперервні випадкові величиниХ і Y були незалежними, необхідно і досить, щоб щільність сумісного розподілу системи (Х, Y ) дорівнювала добутку щільностей розподілу складових
f (x, y) = f1(x) × f2 ( y).
ДВНЗ “Українська академія банківської справи НБУ”
70

У випадку, коли Х і Y – дві незалежні дискретні випадкові величини, то необхідна і достатня умова незалежностіХ і Y виражається системою рівностей:
|
|
p(xi , y j ) = p(xi ) p( y j ), |
i = 1, m, j = 1, n. |
|
||
Приклад 2.17. Дано закон розподілу дискретної двовимірної ви- |
||||||
падкової величини ( X, Y ): |
|
|
|
|
||
|
|
|
|
|
|
|
Y |
Х |
1 |
2 |
|
3 |
p( y j ) |
|
|
|||||
|
|
|
|
|
|
|
1 |
|
0,02 |
0,06 |
|
0,12 |
0,20 |
|
|
|
|
|
|
|
2 |
|
0,05 |
0,09 |
|
0,18 |
0,32 |
|
|
|
|
|
|
|
3 |
|
0,03 |
0,15 |
|
0,30 |
0,48 |
|
|
|
|
|
|
|
p(xi ) |
|
0,10 |
0,30 |
|
0,60 |
– |
|
|
|
|
|
|
|
З’ясувати, чи випадкові величини Х і Y незалежні.
Розв’язання. Нагадаємо, що у внутрішніх клітинах таблиці містяться ймовірності p(xi , y j ), які визначають сумісний розподіл двох
випадкових величин Х і Y , а останній рядок та останній стовпець характеризують одновимірні розподіли компонент Х і Y відповідно.
У цій таблиці p(x1, y1) = 0,02, p(x1) = 0,10, p( y1) = 0,20, тому: p(x1 , y1 ) = p(x1 ) × p( y1 ); p(x1, y2) = 0,05, p(x1) =0,10, p( y2) =0,32, тому: p(x2 , y1) ¹ p(x1) × p(y2 ) і випадкові величини Х і Y залежні.
Приклад 2.18. Двовимірна неперервна випадкова величина ( X, Y ) задана щільністю:
ì |
|
1 |
при |
x2 |
+ y 2 |
£ 25; |
|||
ï |
|
|
|||||||
25p |
|||||||||
f (x, y) = í |
|
|
|
|
|
|
|||
ï |
|
|
при |
x |
2 |
+ y |
2 |
> 25. |
|
î0 |
|
|
|
Довести, що Х і Y залежні.
Розв’язання. Випадкові величини Х і Y будуть залежними, якщо їх безумовні та умовні щільності нерівні. Щільність розподілу випадкової величини Х
|
|
¥ |
|
1 |
|
25-x2 |
2 |
|
|
|
|||
f1 |
(x) = |
ò |
f (x, y)dy = |
|
|
ò |
dy = |
|
25 - x2 |
для | x |£ 5, |
|||
25p |
|
25p |
|||||||||||
|
|
|
|
25-x2 |
|
|
|
|
|||||
|
|
-¥ |
- |
|
|
|
|
|
f1 (x) = 0 для | x |> 5.
ДВНЗ “Українська академія банківської справи НБУ”
71