ТВиМС (555061), страница 4

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 4)

Пример. Подлежат исследованию 1000 проб руды. Вероятность промышленного содержания металла в каждой пробе равна 0,15. Найти границы, в которых с вероятностью 0,9973 будет заключено число проб руды с промышленным содержанием металла.

Решение. Искомые границы для числа проб руды с промышленным содержанием металла (из данных 1000 проб) определяются величинами и (см. интегральную теорему Муавра-Лапласа). Будем предполагать, что искомые границы симметричны относительно величины , где и . Тогда , для некоторого , и, тем самым, единственной определяющей неизвестной данной задачи становится величина . Из следствия 1 и условия задачи следует, что

По таблице значений функции Лапласа найдем такое , что

Тогда и . Окончательно получаем искомые границы: т.е. с вероятностью 0,9973 число проб руды с промышленным содержанием металла (из данных 1000 проб) попадет в интервал (116; 184).

Пример. В лесхозе приживается в среднем 80 саженцев. Сколько саженцев надо посадить, чтобы с вероятностью 0,9981 можно было утверждать, что доля прижившихся саженцев будет находиться в границах от 0,75 до 0,85.

Решение. – вероятность прижиться для каждого из саженцев, . Пусть – необходимое число саженцев (искомая величина данной задачи) и – число прижившихся из них, тогда – доля прижившихся саженцев. По условию,

Данные границы для доли симметричны относительно величины , поэтому неравенство равносильно неравенству

Следовательно, вероятность 0,9981 – это та самая вероятность, которая вычисляется по следствию 2 из интегральной теоремы Муавра-Лапласа при , :

По таблице функции Лапласа найдем такое значение , что Это значение: Тогда

и

Заметим, что значение округлено до целых в большую сторону, чтобы обеспечить, как говорят, “запас по вероятности”. Кроме того, видно, что полученное значение достаточно велико (более 100), поэтому применение интегральной теоремы Муавра-Лапласа для решения данной задачи было возможно.

Тема 3. Дискретная случайная величина

3.1. Закон распределения дискретной случайной величины

Определение. Случайной величиной называется переменная, которая в результате испытания принимает то или иное числовое значение.

Пример. Число попаданий в мишень при выстрелах – случайная величина.

Пример. Рост наудачу взятого человека – случайная величина.

Определение. Случайная величина называется дискретной, если число ее возможных значений конечно или счетно.

(Напомним, что множество называется счетным, если его элементы можно перенумеровать натуральными числами.)

В этом смысле, число попаданий в мишень – пример дискретной случайной величины. Рост человека – непрерывная случайная величина (такие случайные величины будут рассмотрены ниже).

Для обозначения случайных величин будем использовать заглавные буквы латинского алфавита (возможно с индексами), например, и т.п.

Определение. Законом распределения дискретной случайной величины называется такая таблица, в которой перечислены все возможные значения этой случайной величины (без повторений) с соответствующими им вероятностями.

В общем виде закон распределения для случайной величины, например, :

:				…
				…

где

Из определения закона распределения следует, что события … , образуют полную систему, поэтому (см. следствие из теоремы сложения вероятностей для несовместных событий в §1.6):

т.е.

Данное равенство называется основным свойством закона распределения.

Пример. Два стрелка одновременно выстреливают в мишень. Вероятность попадания для первого равна 0,6, для второго – 0,8. Составить закон распределения случайной величины – общего числа попаданий в мишень.

Решение. Возможные значения данной случайной величины: 0, 1, 2. Так же как в примере из §1.6, через и обозначим события, состоящие в попадании в мишень первого и второго стрелков (соответственно). Тогда аналогично упомянутому примеру получаем

Окончательно, закон распределения случайной величины имеет вид:

:				2
			0,44	0,48	1

Упражнение. В коробке 3 белых шара и 2 красных. Составить закон распределения случайной величины – числа белых шаров среди 2-х извлеченных шаров.

Ответ.

		0	1	2
		0,1	0,6	0,3	1

Пример. В коробке – 3 белых шара и 2 красных. Шары извлекаются последовательно до появления белого шара. Составить закон распределения случайной величины Х – числа извлеченных шаров.

Решение. Возможные значения данной случайной величины: 1, 2, 3. Событие (из коробки будет извлечен один единственный шар) наступает тогда и только тогда, когда первый из шаров оказывается белым, т.к. появление именно белого шара является сигналом к прекращению последующих извлечений (см. условие). Поэтому

где событие – первый из извлеченных шаров – белый. Событие (из коробки будет извлечено ровно 2 шара) наступает тогда и только тогда, когда первый из извлеченных шаров оказывается красным, а второй – белым. Поэтому

где событие – первый из извлеченных шаров – красный, – второй шар – белый. Наконец событие (из коробки будет извлечено 3 шара) наступает тогда и только тогда, когда первый шар – красный, второй – красный и третий – белый. Поэтому

Окончательно искомый закон распределения имеет вид:

Х :		1	2	3
		0,6	0,3	0,1	1

Упражнение. Имея 3 патрона, стрелок стреляет по мишени до первого попадания (или до израсходования патронов). Вероятность попадания при каждом выстреле равна 0,8. Составить закон распределения случайной величины Х – числа произведенных выстрелов.

Ответ.

Х :		1	2	3
		0,8	0,16	0,04	1

Пример. Стрелок стреляет в мишень 3 раза. Вероятность попадания при каждом выстреле равна 0,8. Составить закон распределения случайной величины Х – числа попаданий в мишень.

Решение. Возможные значения для числа попаданий: 0, 1, 2, 3. Вероятности того, что случайная величина Х примет эти значения вычисляются по формуле Бернулли при

Окончательно искомый закон распределения имеет вид:

Х :		0	1	2	3
		0,008	0,096	0,384	0,512	1

Полученный закон распределения является частным случаем так называемого биномиального закона распределения (при ).

Определение. Случайная величина Х имеет биномиальный закон распределения с параметрами и , если ее закон распределения имеет вид :

где вероятности вычисляются по формуле Бернулли:

– положительное целое число,

В пределе при и биномиальное распределение переходит в так называемое распределение Пуассона.

Определение. Говорят, что случайная величина Х имеет распределение Пуассона с параметром , если ее закон распределения имеет вид:

где

,

Характеристики

Список файлов ответов (шпаргалок)