БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ
И РАДИОЭЛЕКТРОННИКИ
Факультет непрерывного и дистанционного обучения
Специальность: Программное обеспечение информационных технологий.
Контрольная работа
по дисциплине «Теория вероятностей и математическая статистика»
Выполнил: студент гр.701022 Пугач В.И.(ЗК №-701022-13)
Минск 2009
ЗАДАЧА 1.20.
Из колоды в 36 карт (6, 7, 8, 9, 10, В, Д, К, Т) наугад извлекаются три карты. Определить вероятность того, что будут вытащены карты одной масти.
РЕШЕНИЕ:
Число способов выбрать 4 карты из 36 равно числу сочетаний из 36 по 4 (неупорядоченная выборка без повторений):
;
Число способов, которыми можно выбрать 4 карты из 9 для каждой масти равно числу сочетаний из 9 по 4:
;
Т.к. в колоде 4 различных масти то число способов выбрать 4 карты одинаковой масти равно 4*;
Искомая вероятность будет:
ЗАДАЧА 2.27.
На рисунке 2.1 приведена схема соединения элементов, образующая цепь с одним входом и одним выходом. Предполагается, что отказы элементов являются независимыми в совокупности событиями. Отказ любого из элементов приводит к прерыванию сигнала в той ветви цепи, где находится данный элемент. Вероятности отказа элементов 1, 2, 3, 4, 5 соответственно равны p1=0,1; p2=0,2; p3=0,3; p4=0,4; p5=0,5 . Найти вероятность того, что сигнал пройдет со входа на выход.
РЕШЕНИЕ:
Представим данную схему как цепь, состоящую из двух последовательно соединенных элементов. Каждый из которых, в свою очередь, состоит, соответственно, из трех и двух параллельно соединенных элементов.
Обозначим безотказную работу цепи – В. Тогда
В=В1*В2;
для последовательно соединенных элементов, где В1 и В2–вероятности безотказной работы, соответственно, первой и второй полуцепей.
В1=1– p1* p2* p3;
В2=1– p4* p5;
где pi – вероятность безотказной работы i-го элемента.
Тогда:
В1=1–0,1*0,2*0,3=0,994;
В2=1–0,4*0,5=0,8;
В=0,994*0,8=0,7952;
Искомая вероятность – 0,7952.
ЗАДАЧА 3.1.
На трех автоматических станках изготавливаются одинаковые детали. Известно, что 30% продукции производится первым станком, 25% - вторым и 45% - третьим. Вероятность изготовления детали, отвечающей стандарту, на первом станке равна 0,99 , на втором - 0,988 и на третьем - 0,98. Изготовленные в течение дня на трех станках нерассортированные детали находятся на складе. Определить вероятность того, что взятая наугад деталь не соответствует стандарту.
РЕШЕНИЕ:
Рассмотрим событие A противоположное рассматриваемому. С ним (деталь соответствует стандарту) связано три гипотезы: H1=(деталь изготовлена первым станком), H2=(изготовлена вторым станком ), H3=(изготовлена третьим станком). Вероятности этих событий определяются из условия задачи: p(H1)=0,3; p(H2)=0,25; p(H3)=0,45. Условные вероятности события A также определяются из условия задачи: p(A/H1)=0,99; p(A/H2)=0,988; p(A/H3)=0,98. Отсюда по формуле полной вероятности следует:
p(A) = 0,3*0,99+0,25*0,988+0,45*0,99 =0,9895 .
Тогда искомая вероятность будет равна : 1–0,9895=0,0105.
ЗАДАЧА 4.24.
Вероятность попадания в мишень при одном выстреле равна 0,4. По мишени производится шесть независимых выстрелов. Найти вероятность того, что будет хотя бы пять попаданий в мишень.
РЕШЕНИЕ:
По условию задачи необходимо найти вероятность попадания 5 или 6 выстрелов из 6:
Р=Р(6,5)+Р(6,6);
Находим вероятность промаха для каждого выстрела:
q = 1 –0,4 = 0,6;
Тогда по формуле Бернулли находим:
Искомая вероятность будет равна: Р=0,036864+0,004096=0,04096;
ЗАДАЧА 5.4.
Дискретная случайная величина Х может принимать одно из пяти фиксированных значений 1, 2, 3, 4, 5 с вероятностями 0,3, 0,3, 0,1, 0,1, 0,2 соответственно. Вычислить математическое ожидание и дисперсию величины Х. Рассчитать и построить график функции распределения.
РЕШЕНИЕ:
Находим математическое ожидание:
М[x]=1*0,3+2*0,3+3*0,1+4*0,1+5*0,2=2,6;
D[X] =
=1^2*0,3+2^2*0,3+3^2*0,1+4^2*0,1+5^2*0,2=9;
D[X] =9-2,6^2=2,24;
Функцию распределения определим следующим образом:
x<=1: F(x)=0;
1<x<=2: F(x)=p1=0,3;
2<x<=3: F(x)=p1+ p2=0,3+0,3=0,6;
3<x<=4: F(x)= p1+ p2+ p3=0,6+0,1=0,7;
4<x<=5: F(x)= p1+ p2+ p3+ p4 =0,7+0,1=0,8;
x>5: F(x)= p1+ p2+ p3+ p4 +p5=0,8+0,2=1,0;
Строим график функции распределения(см. рисунок 5.1).
Рисунок 5.1
ЗАДАЧА 6.12.
Случайная величина Х задана плотностью вероятности:
Определить константу С, математическое ожидание, дисперсию, функцию распределения величины Х, а также вероятность ее попадания в интервал[1,2].
РЕШЕНИЕ:
Для нахождения коэффициента с воспользуемся свойством нормировки плотности распределения:
откуда
Находим математическое ожидание:
M[x]= ;
Пусть U=x, =dV, тогда dU=dx, V=-e-x,
M[x]=
Находим дисперсию:
Dx= α2(x)-mx2;
α2(x)=
Пусть U=x2, =dV, тогда dU=2xdx, V=-e-x,
ранее было получено: тогда:
α2(x)=
Dx=
Так как плотность вероятности задана различными формулами на разных интервалах, то и функцию распределения будем искать для каждого интервала в отдельности:
для x<0 F(x)=
для 0<=x<=4
для x>4:
Окончательно имеем:
Вероятность попадания величины x интервал[1,2] равен
F(2) –F(1) =
ЗАДАЧА 7.8.
Случайная величина Х распределена равномерно на интервале [-2,1]. Построить график случайной величины Y=x4 и определить плотность вероятности g(y).
РЕШЕНИЕ:
-
Построим график функции Y=X2 для x в интервале [-2,1] и определим диапазон значений Y: Y[0; 16] (рис. 7.1).
-
В зависимости от числа k обратных функций выделим следующие интервалы для Y:
(-; 0) k1=0;
[0; 1] k2=2;
(1; 16 k2=1;
[0; +] k2=0;
-
На интервалах [-; 0)и (16; ] обратные функции не существует.
В интервале [0;1] две обратных функции:
ψ1(y) и ψ2(y)
Вычислим модули производных обратных функций |ψ’j (y)|:
|ψ’1(y)|=
|ψ’2(y)|=
В интервале (1;16] одна обратная функция ψ1(y)следовательно, Рис. 7.1.
|ψ’1(y)|=
-
Так как Х равномерно распределена в интервале -2, 1, то ее плотность вероятности равна:
Получаем плотность вероятности величины Y:
ЗАДАЧА 8.16.
Двухмерный случайный вектор (Х, У) равномерно распределен внутри выделенной жирными прямыми линиями на рис. 8.1 области B. Двухмерная плотность вероятности f(x,y) одинакова для любой точки этой области B:
Вычислить коэффициент корреляции между величинами X и Y.
Рисунок 8.1
РЕШЕНИЕ:
Совместная плотность вероятности примет вид
ограниченный поверхностью распределения и плоскостью xOy должен быть
равен единице
Неизвестную константу c определим, используя условие нормировки
плотности вероятности:
Следовательно c=1/10;
Таким образом
Проверим геометрически полученный результат. Объем тела,
, т.е. объем прямой призмы с основанием в виде прямой трапеции равен:
Вычислим математическое ожидание:
Вычислим дисперсии:
Вычислим корреляционный момент:
После нормировки получаем коэффициент корреляции:
ЗАДАЧА 9.2.
Вычислить математическое ожидание и дисперсию величин
U и V, а так же определить их коэффициент корреляции RUV:
U= –8+4X1+8X2;
V=3–4X2+4X3;
Величины X1, X2 , X3 имеют следующие числовые характеристики:
m1=1; m2=0; m3=2;
D1=1; D2=4; D3=16;
K12=1; K23=4; K13=2;
РЕШЕНИЕ:
Вычислим математические ожидания U и V:
mu= –8+4m1+8m2 = –8+4*1+8*0 = –4;
mv= 3–4m2 + 4m3=3–4*0+4*2 = 11;
Вычислим дисперсии DU и DV:
Du=42 D1+82 D2+2*4*8*K12=16+64*4+64*1=336;
Dv=(-4)2 D2+42 D3+2*(-4)*4* K23=16*4+16*16-32*4=192;
Рассчитаем корреляционный момент KUV по формуле
KUV= M[UV] − mUmV;
M[UV]=M[(–8+4X1+8X2)( 3–4X2+4X3)]=
=M[–24+56X2-32X3+12X1-16X1X2+16X1X3-32X2X2+24X2X3]=
= –24+56m2–32m3+12m1-16M[X1X2]+ 16M[X1X3]-32M[X2X2]+24 M[X2X3]=
= –24+56m2–32m3+12m1-16(m1m2+K12)+ 16(m1m3+K13) –32M(m22+D2)+ +24(m2m3+K23) = –24+56*0–32*2+12*1–16(1*0+1)+ 16(1*2+2) –32(02+4)+ +24(0*2+4) = –60.
Таким образом
KUV= –60 –(–4)*11= –16;
Определяем величину RUV:
Задача 10.123.
По выборке одномерной случайной величины:
Одномерная выборка № 123:
-1.37 2.71 -3.31 -1.78 -1.76 -6.43 -4.67 -5.13 -1.72 -4.06
-1.99 -3.58 -2.68 -3.09 -5.42 -2.14 -2.39-2.96 -4.44-10.12
-5.66 -5.78 -4.74 -6.66 -0.54 -4.68 -0.35 -2.33 -0.01 -2.83
-4.82 -0.72 -2.43-10.28 -5.21 -4.43 -4.57 -9.79 -1.68 -2.71
-7.73 -8.11 -0.00 -0.08 -5.46 -2.96 2.59 -7.28 -4.03 -7.54
-0.75 -2.79 -6.24 -7.33 -3.88 -8.15 -6.05 -5.77 1.21 -2.59
-0.93 -9.79 -7.49 -5.21 -3.12 -5.17 -3.80 -6.51 -6.51 -3.66
-5.36 -2.16 -4.90 -6.00 -4.47 -4.43 -1.53 -5.40 -0.12 -0.35
-1.31 -1.24 -4.12 -6.01 -6.32 -0.99 -5.13 -0.10 -9.27 1.45
-4.15 -2.00 -2.62 -3.80 -2.34 -4.30 -4.96 -8.25 -2.15 -6.88
- получить вариационный ряд;
- построить на масштабно-координатной бумаге формата А4 график
эмпирической функции распределения F*(x);
- построить гистограмму равноинтервальным способом;
- построить гистограмму равновероятностным способом;
- вычислить точечные оценки математического ожидания и дисперсии;
- вычислить интервальные оценки математического ожидания и дисперсии
(γ = 0,95);
- выдвинуть гипотезу о законе распределения случайной величины и
проверить ее при помощи критерия согласия χ2 и критерия Колмогорова (α=0,05). График гипотетической функции распределения F0(x) построить
совместно с графиком F*(x) в той же системе координат и на том же листе.
Решение:
Строим вариационный ряд случайной величины, размещая данные выборки в порядке возрастания:
-10,28 -10,12 -9,79 -9,79 -9,27 -8,25 -8,15 -8,11 -7,73 -7,54
-7,49 -7,33 -7,28 -6,88 -6,66 -6,51 -6,51 -6,43 -6,32 -6,24
-6,05 -6,01 -6,00 -5,78 -5,77 -5,66 -5,46 -5,42 -5,4 -5,36
-5,21 -5,21 -5,17 -5,13 -5,13 -4,96 -4,9 -4,82 -4,74 -4,68
-4,67 -4,57 -4,47 -4,44 -4,43 -4,43 -4,3 -4,15 -4,12 -4,06
-4,03 -3,88 -3,8 -3,8 -3,66 -3,58 -3,31 -3,12 -3,09 -2,96
-2,96 -2,83 -2,79 -2,71 -2,68 -2,62 -2,59 -2,43 -2,39 -2,34
-2,33 -2,16 -2,15 -2,14 -2,00 -1,99 -1,78 -1,76 -1,72 -1,68
-1,53 -1,37 -1,31 -1,24 -0,99 -0,93 -0,75 -0,72 -0,54 -0,35
-0,35 -0,12 -0,1 -0,08 -0,01 0 1,21 1,45 2,59 2,71
Строим график эмпирической функции распределения F*(x) (рис. 10.1). Так как F*(x) является неубывающей функцией и все ступеньки графика F*(x)имеют одинаковую величину 1/n, то таблицу значений эмпирической
функции распределения F*(x) можно не вычислять, а построить ее график
непосредственно по и вариационному ряду, начиная с его первого значения.
Z
Рисунок 10.1 Графики эмпирической F*(x) (синий) и гипотетической функций
распределения F0(x) (красный).
Количество интервалов M, необходимое для построения гистограмм,
определим по объему выборки:
;
Для равноинтервальной гистограммы рассчитаем величины hj, Aj, Bj и заполним все колонки интервального статистического ряда (таблица. 10.1):
Таблица 10.1
j |
Aj |
Bj |
hj |
vj |
pj* |
fj* |
1 |
-10,28 |
-8,981 |
1,299 |
5 |
0,05 |
0,0385 |
2 |
-8,981 |
-7,682 |
1,299 |
4 |
0,04 |
0,0308 |
3 |
-7,682 |
-6,383 |
1,299 |
9 |
0,09 |
0,0693 |
4 |
-6,383 |
-5,084 |
1,299 |
17 |
0,17 |
0,1309 |
5 |
-5,084 |
-3,785 |
1,299 |
19 |
0,19 |
0,1463 |
6 |
-3,785 |
-2,486 |
1,299 |
13 |
0,13 |
0,1001 |
7 |
-2,486 |
-1,187 |
1,299 |
17 |
0,17 |
0,1309 |
8 |
-1,187 |
0,112 |
1,299 |
12 |
0,12 |
0,0924 |
9 |
0,112 |
1,411 |
1,299 |
1 |
0,01 |
0,0077 |
10 |
1,411 |
2,71 |
1,299 |
3 |
0,03 |
0,0231 |
Равноинтервальная гистограмма имеет вид, согласно рис. 10.2:
Рисунок10.2. Равноинтервальная гистограмма
Для равновероятностной гистограммы рассчитаем величины νj, pj*, Aj, Bj, и заполним все колонки интервального статистического ряда (таблица. 10.2):
таблица. 10.2
j |
Aj |
Bj |
hj |
vj |
pj* |
fj* |
1 |
-10,28 |
-7,515 |
2,765 |
10 |
0,1 |
0,0362 |
2 |
-7,515 |
-6,145 |
1,37 |
10 |
0,1 |
0,073 |
3 |
-6,145 |
-5,285 |
0,86 |
10 |
0,1 |
0,1163 |
4 |
-5,285 |
-4,675 |
0,61 |
10 |
0,1 |
0,1639 |
5 |
-4,675 |
-4,045 |
0,63 |
10 |
0,1 |
0,1587 |
6 |
-4,045 |
-2,96 |
1,085 |
10 |
0,1 |
0,0922 |
7 |
-2,96 |
-2,335 |
0,625 |
10 |
0,1 |
0,16 |
8 |
-2,335 |
-1,605 |
0,73 |
10 |
0,1 |
0,137 |
9 |
-1,605 |
-0,35 |
1,255 |
10 |
0,1 |
0,0797 |
10 |
-0,35 |
2,71 |
3,06 |
10 |
0,1 |
0,0327 |
Равновероятностная гистограмма имеет вид, согласно рис. 10.3:
Рисунок10.3. Равновероятностная гистограмма
Вычислим точечную оценку математического ожидания по формуле:
;
Вычислим точечную оценку дисперсии по формуле:
;
Построим доверительный интервал для математического ожидания с надежностью γ = 0,95. Для этого в таблице функции Лапласа найдем значение, равное γ/2= 0,475, и определим значение аргумента, ему соответствующее: z0,95=argΦ(0,475)=1,96. Затем вычислим
;
и получим доверительный интервал для математического ожидания:
I0,95(mx)=[–4,453; –3,365].
Построим доверительный интервал для дисперсии с надежностью γ = 0,95 по формуле (10.9). Вычислим
;
и получим доверительный интервал для дисперсии:
I0,95(Dx)=[5,555; 9,846].
По виду графика эмпирической функции распределения F*(x) и гистограмм выдвигаем двухальтернативную гипотезу о законе распределения случайной величины
H0 – величина X распределена по нормальному закону:
H1 – величина X не распределена по нормальному закону:
f(x) ≠ f0(x), F(x) ≠ F0(x),
Определим оценки неизвестных параметров m и σ гипотетического
(нормального) закона распределения:
mx*= –3,9089; σ*=S0= = 2,775;
Таким образом, получаем полностью определенную гипотетическую
функцию распределения:
Проверим гипотезу о нормальном законе с помощью критерия
Вычислим значение критерия на основе равноинтервального статистического ряда по формуле:
Теоретические вероятности pi попадания в интервалы равноинтервального статистического ряда нормальной случайной величины с параметрами m*= –3,9089 ; σ*=2,775 вычислим по формуле:
Значения функции Лапласа определяем с помощью специальной таблицы. Результаты расчета сводим в таблицу 10.3:
Таблица 10.3
j |
Aj |
Bj |
F0(Aj) |
F0(Bj) |
pj |
pj* |
(pj-pj*)^2/pj |
||
1 |
-∞ |
-8,981 |
0 |
0,034 |
0,0344 |
0,05 |
0,007096 |
||
2 |
-8,981 |
-7,682 |
0,0344 |
0,089 |
0,0541 |
0,04 |
0,003688 |
||
3 |
-7,682 |
-6,383 |
0,0885 |
0,187 |
0,0982 |
0,09 |
0,000689 |
||
4 |
-6,383 |
-5,084 |
0,1867 |
0,337 |
0,1505 |
0,17 |
0,002524 |
||
5 |
-5,084 |
-3,785 |
0,3372 |
0,516 |
0,1787 |
0,19 |
0,000713 |
||
6 |
-3,785 |
-2,486 |
0,516 |
0,695 |
0,179 |
0,13 |
0,013423 |
||
7 |
-2,486 |
-1,187 |
0,695 |
0,836 |
0,1415 |
0,17 |
0,005748 |
||
8 |
-1,187 |
0,112 |
0,8365 |
0,925 |
0,0886 |
0,12 |
0,01112 |
||
9 |
0,112 |
1,411 |
0,9251 |
0,972 |
0,0469 |
0,01 |
0,029001 |
||
10 |
1,411 |
+∞ |
0,9719 |
1 |
0,0281 |
0,03 |
0,000133 |
||
Сумма: |
1 |
1 |
0,074136 |
|
Проверяем выполнение контрольного соотношения для p j :
В результате получаем =100*0,074136=7,4136;
Вычислим число степеней свободы по формуле k = M−1−s=10−1−2=7 и по заданному уровню значимости α =0,05 из таблицы распределения χ2 выбираем критическое значение χα;72=χ0,05;72=14,07.
Так как χ2=7,4136 < χ0,05;72=14,07, то гипотена H0 о нормальном законе распределения принимается (нет оснований ее отклонить).
Проверим гипотезу о нормальном законе с помощью критерия
Колмогорова. Построим график F0(x) в одной системе координат с графиком
эмпирической функции распределения F*(x) (см. рис 10.1). В качестве
опорных точек для графика F0(x)используем 10 значений F0(Aj) из таблицы.10.3. По графику определим максимальное по модулю отклонение между функциями F*(x) и F0(x) (см. рисунок 10.1):
Вычислим значение критерия Колмогорова по формуле:
Из таблицы Колмогорова по заданному уровню значимости α=0,05 выбираем критическое значение λγ=λ1-α=λ0,95=1,36.
Так как λ=0,4 ≤ λ0,95=1,36, то гипотезу H0 о нормальном законе
распределения отвергать нет основания.