А.В. Лебедев - Задачи по теории вероятностей с решениями (1115314), страница 3
Текст из файла (страница 3)
Какова вероятность обнаружить ровно три бракованные детали?Какова вероятность обнаружить не меньше трех бракованных деталей?Решение. Имеем 1000 испытаний Бернулли с вероятностью «успеха» р=0,005. Применяяпуассоновское приближение с λ=np=5, получаем531) P1000(3) e 5 ;3!25m2) P1000(m3)=1P1000(m<3)=1[ P1000 (0) P1000 (1) P1000 (2) ]1 e 5 ,m 0 m!и Р1000(3)0,14; Р1000(m3)0,875.Задача 7.
Вероятность покупки при посещении клиентом магазина составляет р=0,75.Найти вероятность того, что при 100 посещениях клиент совершит покупку ровно 80 раз.7Решение.В данном случае n=100, m=80, p=0,75, q=0,25. Находим80 100 0,75x 1,16 , и определяем (x)=0,2036, тогда искомая вероятность равна100 0,75 0,250,2036Р100(80)= 0,047 .100 0,75 0,25Задача 8. Страховая компания заключила 40000 договоров. Вероятность страховогослучая по каждому из них в течение года составляет 2%. Найти вероятность, что такихслучаев будет не более 870.Решение. По условию задачи n=40000,p=0,02.
Находим np=800, npq 28 . Длявычисления Р(m870) воспользуемся интегральной теоремой Муавра-Лапласа:0 800870 800Р(0<m870)= Ф0(х2) –Ф0(х1), где x1 28,57 и x 2 2,5 .2828Находим по таблице значений функции Лапласа:Р(0<m870)=Ф0(х2)–Ф0(х1)=Ф0(2,5)–Ф0(–28,57)=0,4938+0,5=0,9938.Задача 9. Вероятность появления события в каждом из 400 независимых испытаний равна0,8. Найти такое положительное число , чтобы с вероятностью 0,99 абсолютная величинаотклонения относительной частоты появления события от его вероятности не превышала.Решение.
По условию задачи p=0,8, n=400. Используем следствие из интегральнойmn .теоремыМуавра-Лапласа:P p 0,99 2 0 Следовательно,npqn 0,495 . По таблице для функции Лапласа определяем n 2,58 . Отсюда 0 pq pq=0,0516.Задача 10. Курс акции за день может подняться на 1 пункт с вероятностью 50%,опуститься на 1 пункт с вероятностью 30% и остаться неизменным с вероятностью 20%.Найти вероятность того, что за 5 дней торгов курс поднимется на 2 пункта.Решение. Возможны только следующие два варианта развития событий:1) курс растет 2 дня, ни разу не падает, не меняется 3 дня;2) курс растет 3 дня, падает 1 день, не меняется 1 день.Таким образом,5!5!P( A) P5 (2,0,3) P5 (3,1,1) 0,52 0,30 0,23 0,53 0,31 0,21 0,02 0,15 0,17.2!0!3!3!1!1!5.
Дискретные случайные величиныЗадача 1. В связке из 3 ключей только один ключ подходит к двери. Ключи перебираютдо тех пор, пока не отыщется подходящий ключ. Построить закон распределения дляслучайной величины – числа опробованных ключей.Решение. Число опробованных ключей может равняться 1, 2 или 3. Если испытали толькоодин ключ, это означает, что этот первый ключ сразу подошел к двери, а вероятностьтакого события равна 1/3. Итак, P( 1) 1 / 3.
Далее, если опробованных ключей было 2,т.е. =2, это значит, что первый ключ не подошел, а второй – подошел. Вероятность этогособытия равна 2/3×1/2=1/3. То есть, P( 2) 1 / 3. Аналогично вычисляется вероятностьP( 3) 1 / 3. В результате получается следующий ряд распределения:1238P 1/3 1/3 1/3Задача 2. Построить функцию распределения F(x) для случайной величины иззадачи 1.Решение. Случайная величина имеет три значения 1, 2, 3, которые делят всю числовуюось на четыре промежутка: (,1),[1,2),[2,3),[3,) .
Если x<1, то неравенство xневозможно (левее x нет значений случайной величины ) и значит, для такого x функцияF(x)=0.Если 1x<2, то неравенство x возможно только если =1, а вероятность такогособытия равна 1/3, поэтому для таких x функция распределения F(x)=1/3.Если 2x<3, неравенство x означает, что или =1, или =2, поэтому в этом случаевероятность P(<x)=P(=1)+P(=2)=2/3, т.е.
F(x)=2/3.И, наконец, в случае x3 неравенство x выполняется для всех значенийслучайной величины , поэтому P(<x)=P(=1)+P(=2)+P(=3)=1, т.е. F(x)=1.Итак, мы получили следующую функцию:x 10,1 / 3, 1 x 2F ( x) 2 / 3, 2 x 31,x 3.Задача 3. Совместный закон распределения случайных величин и задан c помощьютаблицы12–11/163/1601/163/1611/83/8Вычислить частные законы распределения составляющих величин и .Определить, зависимы ли они. Вычислить вероятность P 2 .Решение. Частное распределение для получается суммированием вероятностей встроках:P 1 P 1, 1 P 1, 2 1 / 16 3 / 16 1 / 4 ;P 0 P 0, 1 P 0, 2 1 / 16 3 / 16 1 / 4 ;P 1 P 1, 1 P 1, 2 1 / 8 3 / 8 1 / 2 .Аналогично получается частное распределение для :P 1 1 / 16 1 / 16 1 / 8 1 / 4 ;P 2 3 / 16 3 / 16 3 / 8 3 / 4 .Полученные вероятности можно записать в ту же таблицу напротивсоответствующих значений случайных величин:–101p11/161/161/81/423/163/163/83/4p1/41/41/21Теперь ответим на вопрос о независимости случайных величин и .
С этой цельюдля каждой клетки совместного распределения вычислим произведение P xi P y j (т.е. сумм по соответствующей строке и столбцу) и сравним его со значением вероятности9P xi , y j в этой клетке. Например, в клетке для значений =1 и =1 стоитвероятность 1/16, а произведение соответствующих частных вероятностей 1/4×1/4 равно1/16, т.е.
совпадает с совместной вероятностью. Это условие так же проверяется воставшихся пяти клетках, и оно оказывается верным во всех. Следовательно, случайныевеличины и независимы.Заметим, что если бы наше условие нарушалось хотя бы в одной клетке, товеличины следовало бы признать зависимыми.Для вычисления вероятности P 2 отметим клетки, для которых выполненоусловие 2 . Таких клеток всего три, и соответствующие вероятности в этих клеткахравны 1/8, 3/16, 3/8. Их сумма равна 11/16, это и есть искомая вероятность. Вычислениеэтой вероятности можно записать так:P 2 P 1, 1 P 0, 2 P 1, 2 1 / 8 3 / 16 3 / 8 11/ 16.Задача 4. Пусть случайная величина ξ имеет следующий закон распределения:–102P 1/4 1/4 1/2Вычислить математическое ожидание M, дисперсию D и среднеквадратическоеотклонение .Решение.
По определению математическое ожидание равно3M xi pi 1 1 / 4 0 1 / 4 2 1 / 4 1 / 4 .i 1Далее3M 2 xi2 p i (1) 2 1 / 4 0 2 1 / 4 2 2 1 / 4 5 / 4 ,i 1а потомуD M 2 ( M ) 2 5 / 4 1 / 16 19 / 16 .Среднее квадратическое отклонение D 19 / 4 .Задача 5. Для пары случайных величин из задачи 3 вычислить M ( ) .Решение. Воспользуемся формулой M ( ) xi y j pij . А именно, в каждой клеткеi, jтаблицы выполняем умножение соответствующих значений xi и yi , результат умножаемна вероятность pij, и все это суммируем по всем клеткам таблицы.
В итоге получаем:M ( ) 1 1 1 / 16 (1) 2 3 / 16 0 1 1 / 16 0 2 3 / 16 1 1 1 / 8 1 2 3 / 8 1 / 16 3 / 8 1 / 8 3 / 4 7 / 16.Задача 6. Для пары случайных величин из задачи 3 вычислить ковариацию cov(,).Решение. В предыдущей задаче уже было вычислено математическое ожиданиеM 19 / 16 . Осталось вычислить M и M . Используя полученные в решении задачи 3частные законы распределения, получаемM 1 1 / 4 0 1 / 4 1 1 / 2 1 / 4 ; M 1 1 / 4 2 3 / 4 7 / 4 ;и значит,cov( , ) M ( ) M M 7 / 16 1 / 4 7 / 4 0 ,чего и следовало ожидать вследствие независимости случайных величин.Задача 7.
Случайный вектор (,) принимает значения (0,0), (1,0), (–1,0), (0,1) и (0,–1)равновероятно. Вычислить ковариацию случайных величин и . Показать, что онизависимы.10Решение. Поскольку Р(=0)=3/5, P(=1)=1/5, P(=–1)=1/5; Р(=0)=3/5, P(=1)=1/5, P(=–1)=1/5, то М=3/50+1/51+1/5(–1)=0 и М=0;М()=001/5+101/5–101/5+011/5–011/5=0.Получаем cov(,)=М()–ММ=0, и случайные величины некоррелированны.
Однакоони зависимы. Пусть =1, тогда условная вероятность события {=0} равна Р(=0|=1)=1и не равна безусловной Р(=0)=3/5, или вероятность {ξ=0,η=0} не равна произведениювероятностей: Р(=0,=0)=15Р(=0)Р(=0)=9/25. Следовательно, и зависимы.Задача 8. Случайные приращения цен акций двух компаний за день и имеютсовместное распределение, заданное таблицей:+110,30,21+10,10,4Найти коэффициент корреляции.Решение.Прежде всего вычисляем M=0,30,20,1+0,4=0,4. Далее находим частныезаконы распределения и :1+1pОпределяемПолучаемM=0,50,5=0;10,30,10,4M=0,60,4=0,2;+10,20,40,6D=1;p0,50,5D=1–0,22=0,96;cov(,)=0,4.0,4 0,408 .1 0,96Задача 9.
Случайные приращения цен акций двух компаний за день имеют дисперсииD=1 и D=2, а коэффициент их корреляции =0,7. Найти дисперсию приращения ценыпортфеля из 5 акций первой компании и 3 акций второй компании.Решение. Используя свойства дисперсии, ковариации и определение коэффициентакорреляции, получаем:D (5 3 ) 5 2 D 3 2 D 2 5 3 D D 25 1 9 2 30 0,7 1 2 72,7 .Задача 10. Распределение двумерной случайной величины задано таблицей:1348\30,150,060,250,0460,300,100,030,07Найти условное распределение и условное математическое ожидание при =1.Решение. Условное математическое ожидание равноM ( | x1 ) y1P | ( y1 | x1 ) y2 P | ( y2 | x1 ) .Из условия задачи найдем распределение составляющих и (последний столбеци последняя строка таблицы).1348\P30,150,060,250,040,5060,300,100,030,070,500,450,160,280,111PПоскольку P ( x1 ) P( x1, y1 ) P( x1 , y2 ) 0,15 0,30 0,45 , то условные вероятностинаходятся по формулам11P | ( y1 | x1 ) P ( x1 , y1 ) 0,15 1P ( x1 , y2 ) 0,30 2 , P | ( y2 | x1 ) ,P ( x1 )0,45 3P ( x1 )0, 45 312а искомое условное математическое ожидание равно M ( | 1) 3 6 5 .336.
Непрерывные случайные величиныЗадача 1. Плотность распределения непрерывной случайной величины имеет вид:x [0,2],0,p ( x ) 2Cx , x [0,2].Определить константу C, построить функцию распределения F(x) и вычислитьвероятность P 1 1.Решение. Константа C находится из условия p ( x)dx 1. В результате имеем:122x3 2 p ( x)dx Cx dx C 3008C, откуда C=3/8.3Чтобы построить функцию распределения F(x), отметим, что интервал [0,2] делитобласть значений аргумента x (числовую ось) на три части: ( ,0),[0,2], ( 2, ).Рассмотрим каждый из этих интервалов.