5601
.pdfа) Р А |
|
Б |
В |
|
Р А |
Р Б |
Р В 0,444 0,278 0,159 0,881; |
||||||
б) 1 |
5 |
4 |
|
3 |
|
1 |
15 |
111 |
0,881 (от 1 отнять вероятность того, что 3 канди- |
||||
|
|
|
|
|
|
|
|
|
|
|
|||
9 |
8 |
|
7 |
|
126 |
126 |
|
дата подряд не подошли).
Ответ: вероятности составляют соответственно 0,444, 0,278, 0,159 и 0,881.
Пример 7. Преподаватель принимает экзамен и ставит 3 при первом же верном ответе, но теряет терпение после 4 неверных ответов. Студент знает 10% вопросов. Каковы шансы для него сдать экзамен? Сдать его после 3-го вопроса?
Решение. Судя по условию, шансы правильно ответить на вопрос постоянны и равны р 0,1 (это возможно, если вопросов много и можно пренебречь уменьшением выбора). Тогда риск ответить неверно составляет 1 0,1 0,9. Экзамен не будет сдан лишь в том случае, если студент неверно ответит на 4 вопроса подряд. Обозначим события А ‒ экзамен сдан; А ‒ экзамен не сдан, А3 ‒ экзамен сдан после 3-го вопроса. Находим
|
|
|
|
р 4 |
0,94 0,656 ‒ вероятность 4 раза подряд ответить неверно; |
|
Р А |
1 |
|||||
|
|
|
|
1 0,656 0,344 ‒ вероятность не сделать этого, т.е. хотя бы 1 |
||
Р А |
1 |
Р А |
раз из 4 ответить правильно и тем самым сдать экзамен. Вероятность сдать экзамен именно после 3-го вопроса:
Р А3 1 р 1 р р 0,9 0,9 0,1 0,081.
Полезно подумать, почему вероятнее всего сдать экзамен после 1-го вопроса, но студенту выгодно, чтобы преподаватель задал как можно больше вопросов.
§ 3. Полная вероятность. Формула Байеса
Иногда вероятность события зависит от дополнительных условий, например, событий, произошедших раньше. В этом случае надо учесть как вероятности выполнения таких условий (называемых гипотезами), так и вероятность самого события при разных условиях.
Формула полной вероятности. Если для наступления события А необходимо наступление одной из гипотез H1 , H 2 , , Hn , то вероятность самого события А
|
|
|
P A P H1 PH A P H2 PH |
2 |
A P Hn PH |
A , |
||
|
|
|
|
1 |
|
|
n |
|
где n 2 ‒ число возможных гипотез, |
P H1 |
, P H 2 , , P H n |
‒ вероятности гипо- |
|||||
тез, а PH |
A , PH |
|
A , , PH |
A ‒ вероятности события А при каждой из гипотез. |
||||
1 |
|
2 |
|
n |
|
|
|
|
|
|
|
|
|
11 |
|
|
|
Пример 1. В группе из 20 студентов 4 отличника, готовых к занятиям в 90% случаев. Остальные 16 готовы к 60% занятий. Новый преподаватель, незнакомый с группой, вызвал кого-то. Каковы шансы, что студент ответит?
Решение. Мы не знаем, кого вызвал преподаватель: отличника или нет, а от этого зависит вероятность события А ‒ «студент готов к занятию». Выдвинем 2 гипотезы: H1 ‒ «вызвали отличника»; H2 ‒ «вызвали обычного студента».
Если справедлива гипотеза H1 , то вероятность ответа PH |
A |
0,9 . Если же |
|
1 |
|
справедлива H2 , то PH2 A 0,6 . Индексы H1 и H2 указывают, |
в каком случае |
|
вероятность события А принимает указанное значение. |
|
|
Студента вызывают случайным образом, и можно применить классическое определение: вероятность вызвать отличника равна доле отличников в составе
группы, т.е. P H1 |
4 |
0,2 |
. Соответственно |
P H2 |
16 |
0,8 . |
|
|
|
||||||
20 |
20 |
||||||
|
|
|
|
|
Теперь вероятность каждой гипотезы умножим на вероятность интересующего нас события при данной гипотезе, и всё сложим:
P A P H1 PH |
A |
P H2 PH |
A 0,2 0,9 0,8 0,6 0,18 0,48 0,66 . |
|
1 |
|
2 |
Ответ: с вероятностью 0,66 студент окажется готов к занятию.
Пример 2. Рекламу слышат 40% населения, после чего 30% услышавших рекламу обращаются в фирму. Среди не слышавших рекламу в фирму обращаются 2%. Каковы шансы, что случайный прохожий обратится в фирму?
Решение. Обозначим событие А ‒ «прохожий обратится в фирму», гипотезы
H1 ‒ «он слышал рекламу», H2 |
‒ «он её не слышал». |
|
|||||||
По условию задачи, |
P H1 |
0,4 , PH |
A |
0,3 , PH |
A |
0,02 . Недостающую ве- |
|||
|
|
|
|
|
|
1 |
|
2 |
|
роятность |
P H2 |
легко найти, если заметить, что 60% населения рекламу НЕ |
|||||||
слышат: P H2 |
0,6 . По формуле полной вероятности |
|
|||||||
P A |
P H1 PH A |
P H2 |
PH |
A |
0,4 0,3 0,6 0,02 |
0,12 0,012 0,132 . |
|||
|
|
1 |
|
|
2 |
|
|
|
|
Ответ: случайный прохожий обратится в фирму с вероятностью 0,132.
Если интереснее не событие, а гипотеза, ему предшествовавшая, помогает Формула Байеса. Вероятность гипотезы ‒ это доля соответствующего слага-
емого в общей сумме при вычислении полной вероятности:
PA |
H k |
P H k PHk |
A |
, |
P A |
|
|||
|
|
|
|
где P Aнайдено по формуле полной вероятности.
12
Пример 3. На складе хранятся 6 изделий завода А, 14 изделий завода Б, 30 изделий завода В. Завод А выпускает примерно 0,5% брака, заводы Б и В ‒ соответственно 0,3% и 0,1%. Взятое изделие оказалось бракованным. Какова вероятность, что в этом вина завода В?
Решение. С одной стороны, большинство изделий поступает с завода В. Но он выпускает меньше всех брака. Поэтому вопрос о виновнике не так очевиден.
Учтём, что всего на складе хранятся 6 14 30 50 изделий, и запишем все 6 необходимых вероятностей, переведя проценты в десятичные дроби:
P H |
|
6 |
, P H |
|
|
14 |
, P H |
|
30 |
, P A |
0,005, P A |
0,003, P A 0,001. |
1 |
|
2 |
|
1 |
|
|||||||
|
50 |
|
50 |
|
50 |
H |
H |
H |
||||
|
|
|
|
|
|
1 |
1 |
1 |
||||
|
|
|
|
|
|
|
|
|
|
Находим вероятность брака для случайно взятого изделия:
P A |
6 |
0,005 |
14 |
0,003 |
30 |
0,001 |
0,12 0,005 |
0,28 0,003 0,6 0,001 0,002 04 . |
|||||
50 |
|
50 |
50 |
||||||||||
|
|
|
|
|
|
|
|
|
|||||
Тогда вероятность вины завода В: PA |
H |
|
0,6 |
0,001 |
0,294 . |
||||||||
3 |
|
|
|||||||||||
0,002 04 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Можно заметить, что наиболее вероятный виновник ‒ завод Б, его доля в формировании всей вероятности наиболее велика.
Ответ: вероятность вины завода В – 0,294 (29,4%). Подумайте, как можно было упростить вычисления.
§ 4. Схема независимых испытаний. Формула Бернулли
Если в отдельном испытании некоторое событие происходит с вероятностью р , то вероятность того, что в серии из n испытаний событие наступит в точности k раз, составляет, согласно формуле Бернулли,
P k C k pk 1 p n k , |
|
n |
n |
где Cnk ‒ число сочетаний (§ 1). Независимость испытаний означает, что вероят-
ность события не меняется и в каждом отдельном испытании равна р .
Пример 1. Замечено, что мастерская выполняет в срок 80% заказов. Поступили 4 заказа. Какова вероятность, что из них в срок будут выполнены
а) в точности 2 заказа? |
б) в точности 3 заказа? |
в) хотя бы 2 заказа? |
Решение. Обозначим р |
0,8 ‒ вероятность выполнения отдельного заказа, |
п4 ‒ число поступивших заказов. Параметр k меняется:
а) k 2 ; |
б) k 3; |
в) k 2 , т.е. k 2,3,4 . |
13
Нет никаких указаний, что выполнение заказа как-то зависит от выполнения остальных. Применяем формулу Бернулли:
а) |
P 2 |
C 2 |
0,82 |
1 |
0,8 4 |
2 |
4! |
|
|
|
0,820,22 |
6 0,64 0,04 |
0,154 ; |
|||
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
||||||||||
|
4 |
4 |
|
|
|
|
2! 4 |
|
2 ! |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||||||
б) |
P 3 |
C 3 |
0,83 |
1 |
0,8 4 |
3 |
4! |
|
|
0,830,21 |
4 0,512 0,2 |
0,41. |
||||
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|||||||||||
|
4 |
4 |
|
|
|
|
3! 4 |
|
3 ! |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
в) достаточно найти вероятность выполнения 4 заказов: |
||||||||||||||||
|
P 4 |
C 4 0,84 |
1 |
0,8 4 4 |
4! |
|
|
|
0,840,20 |
1 0,409 6 1 |
0,41 ; |
|||||
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|||||||||||
|
|
4 |
|
|
|
|
4! 4 |
|
4 ! |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||||
тогда P4 |
k |
2 |
P4 |
2 |
P4 3 P4 |
4 0,154 |
0,41 0,41 0,974 . |
Соответственно 1 0,974 0,026 , т.е. менее 3% ‒ риск, что будет выполнено менее 2 заказов (1 или ни одного).
Ответ: в точности 2 заказа будут выполнены с вероятностью 0,154; в точности 3 заказа ‒ с вероятностью 0,41; хотя бы 2 ‒ с вероятностью 0,974.
Пример 2. В среднем 1 час из 8 рабочий вынужден простаивать. Что вероятнее: что из 5 интересующих нас рабочих в данный момент работают все, или что хотя бы один отдыхает?
Решение. Для отдельно взятого рабочего вероятность простоя в любой фиксированный момент времени неизменна: р 1/ 8 0,125 . Каждый из 5 рабочих ‒ это испытание, а событие ‒ «отдельно взятый рабочий сейчас отдыхает». Итак,
р 0,125 , п 5. |
|
|
|
|
|
|
Достаточно найти Р5 0 |
‒ вероятность того, что все пятеро сейчас работают, |
|||||
и сравнить её с 0,5: |
P 0 |
C 0 |
0,1250 |
1 0,125 5 0 |
1 1 0,8755 |
0,513 . |
|
5 |
5 |
|
|
|
|
Шансы, что все работают и никто не простаивает, составляют 0,513 и превышают 50%. Значит, вероятность, что хотя бы кто-то простаивает, меньше поло-
вины и равна 1 0,513 0,487 .
Ответ: вероятность, что все работают, равна 0,513. Вероятность, что кто-то простаивает, равна 0,487. Немного вероятнее, что все работают.
Замечание. Когда надо найти и сложить несколько вероятностей, нередко выгоднее найти вероятность противоположного события и вычесть её из 1. Так, если в примере 2 понадобится вероятность того, что отдыхают не менее 2 чело-
век, выгодно найти P5 |
1 , и тогда P5 |
k |
2 |
1 |
P5 0 |
P5 1 , где P5 0 уже извест- |
на, а не складывать P5 |
k 2 P5 2 |
P5 |
3 |
P5 4 |
P5 |
5 . |
|
|
|
14 |
|
|
|
§ 5. Предельные теоремы в схеме независимых испытаний
Формула Бернулли справедлива при любой вероятности события, но неудобна, хотя и верна, при большом числе испытаний. В этом случае помогают предельные теоремы (формулы) Пуассона и Лапласа.
Формула Пуассона. |
Если число испытаний п |
и вероятность события в |
|||
отдельном испытании р |
0 и при этом пр а |
const , то вероятность того, что |
|||
в n испытаниях событие наступит ровно k раз, составляет |
|||||
|
|
e a ak |
|
|
|
|
P k |
|
, где a |
np . |
|
|
|
|
|||
|
n |
k! |
|
|
|
|
|
|
|
Значения функции f a e a даны в приложении А. Формулой удобно пользоваться, если a 9 . При a 9 применяется
Локальная формула Лапласа. Если число испытаний п , то вероятность того, что в n испытаниях событие наступит ровно k раз, составляет
|
|
|
|
|
|
Pn |
k |
1 |
|
x |
, |
||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
npq |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
np |
|
|
|
1 |
|
|
x2 |
|
|
|
|
|
|
где q 1 p , x |
|
, x |
|
|
e 2 |
‒ локальная функция Лапласа, её значения |
|||||||||
|
|
|
|
|
|
||||||||||
|
|
npq |
2 |
|
|
|
|
|
|
|
|
|
даны в приложении Б.
Пример 1. При перевозке портится 0,01% изделий. Каковы шансы, что при перевозке 20 тыс. изделий испортится не более двух? Каков риск, что испортится более 3 изделий?
Решение. Событие ‒ поломка отдельного изделия, вероятность такого собы-
тия р |
0,01 |
1 |
|
|
|
0,0001 (1% ‒ это уже сотая часть!). Каждое изделие ‒ отдельное |
||||||||||||||||||||||||||||||
100 |
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
испытание, |
п |
|
|
20 000 . |
Поскольку пр |
|
|
20 000 0,0001 |
2 |
9 , применяем формулу |
||||||||||||||||||||||||||
Пуассона. Надо найти 2 вероятности: Pn k |
2 |
|
|
и Pn |
k |
3 , где n |
20 000 . |
|||||||||||||||||||||||||||||
P k |
2 |
P |
0 |
|
P 1 |
|
P 2 |
|
|
e 2 20 |
|
|
e 2 21 |
|
e 2 22 |
, вынесем за скобки e 2 : |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
n |
|
|
n |
|
|
|
|
n |
|
n |
|
|
|
0! |
|
|
|
1! |
|
|
|
|
|
2! |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
P k |
2 |
e |
2 |
|
20 |
|
21 |
|
22 |
|
e |
2 |
1 |
|
2 |
|
4 |
|
|
|
e |
2 |
1 |
2 |
2 |
5e |
2 |
5 0,135 0,675 . |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
n |
|
|
|
|
0! |
|
1! |
|
2! |
|
|
|
|
1 |
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Для вычисления Pn |
k 3 учтём, что Pn |
k |
3 |
|
1 |
Pn |
k |
3 . Замечаем, что |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Pn k 3 Pn 0 Pn 1 Pn 2 Pn 3 , |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
15 |
|
|
|
|
|
|
|
|
|
|
|
|
и остаётся найти |
P |
|
3 |
|
e 2 23 |
e |
2 |
8 |
|
0,135 |
4 |
0,18 |
. Тогда |
|
|
|
|
|
|
|
|
||||||||
|
n |
|
3! |
|
|
6 |
|
|
|
3 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Pn k |
3 |
Pn k |
|
2 |
|
Pn 3 |
|
0,675 |
0,18 0,855 . |
|||
Значит, Pn k 3 |
1 |
|
Pn |
k 3 |
1 |
0,855 |
0,145 . |
|
Ответ: не более 2 изделий испортится с вероятностью 0,675. Более 3 изделий испортится с вероятностью 0,145.
Пример 2. Четверть клиентов банка продлевает вклад на новый срок. Какова вероятность, что из 200 интересующих нас клиентов, действующих независимо, вклад продлят в точности 50 человек? В точности 60?
Решение. Каждый из 200 клиентов ‒ отдельное испытание, п 200 . Вероятность продления вклада р 0,25 . Величина пр 200 0,25 50 намного больше 9,
искать е 50 5050 по формуле Пуассона невозможно. Применим формулу Лапласа:
50!
а) для k |
50 находим |
x |
50 |
200 0,25 |
|
0 |
|
0 (0,75 |
‒ параметр q 1 |
0,25 ), |
||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
6,1 |
||||||||||||||||
200 |
0,25 0,75 |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
по таблице (приложение Б) 0 |
0,399 , тогда P |
50 |
1 |
|
0,399 |
0,065 ; |
|
|||||||||||||||
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
200 |
|
6,1 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
а) для k |
60 : x |
60 |
200 0,25 |
|
|
1,64 , |
|
1,64 |
|
0,104 , |
P 60 |
|
1 |
0,104 |
0,017 . |
|||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
200 |
0,25 0,75 |
|
|
|
|
|
|
|
|
200 |
6,1 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Ответ: вероятность, что 50 клиентов из 200 продлят вклад ‒ около 0,065. Вероятность, что так сделают ровно 60 клиентов ‒ около 0,017.
В такой постановке задача не имеет практической ценности: не произойдёт ничего особенного, если вклад продлят не 50, а 51 или 49 человек. Важнее, продлят ли вклад «не менее 50», «не более 100», «от 50 до 100» клиентов и т.п. Перебор всех подходящих значений в таких случаях громоздок, и помогает
Интегральная формула Лапласа. Если число испытаний п и вероят-
ность события в отдельном испытании постоянна и равна р, то вероятность того,
что событие наступит от k1 |
до k2 |
раз (включительно): |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
Pn k1 |
k k2 |
|
x2 |
|
|
x1 , |
||||
|
k1 |
np |
|
|
k2 np |
|
|
|
|
1 |
|
x |
|
t2 |
|
|||||
где x |
, x |
2 |
|
, q 1 |
p , |
x |
|
|
e 2 dt ‒ интегральная функция |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
1 |
|
npq |
|
npq |
|
|
|
2 |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
0 |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Лапласа. Для её вычисления применяют таблицы (приложение В).
16
Пример 4. Примерно половина студентов выполняет контрольную работу с 1-го раза. Каковы шансы, что в потоке из 40 студентов с 1-го раза напишут работу более 24 человек? Хотя бы 18?
Решение. Фраза «половина студентов» означает, что для отдельно взятого студента шанс выполнить работу р 0,5 . Численность потока ‒ это число испытаний: п 40 . Очевидно, число выполненных работ не превышает 40.
а) в 1-м случае работу должны выполнить более 24, т.е. хотя бы 25 человек.
Тогда k1 |
25, k2 |
|
40 , ищем P40 |
25 k |
40 при р 0,5. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Находим q |
1 |
0,5 |
|
0,5 , |
np |
40 0,5 |
|
20 , npq |
40 0,5 0,5 |
10 |
|
|
3,2 , соот- |
|||||||||||||||||||||
ветственно x1 |
25 |
|
20 |
|
1,56, x2 |
40 |
|
20 |
|
6,25 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
3,2 |
|
|
3,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
По таблице (приложение В) |
1,56 |
|
|
0,44 , |
|
6,25 |
|
|
0,5 . Тем самым |
|
|
|
||||||||||||||||||||||
|
|
|
|
P40 |
25 |
k |
40 |
6,25 |
|
1,56 |
|
0,5 |
0,44 0,06 ; |
|
|
|
|
|
|
|||||||||||||||
б) во 2-м случае работу выполняют от 18 |
до 40 |
студентов. По-прежнему |
||||||||||||||||||||||||||||||||
|
0,5 , |
|
|
|
|
40 0,5 20 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
и |
40 |
20 |
6,25 , |
|||||||||
q 1 0,5 |
|
np |
|
|
npq |
|
|
40 0,5 0,5 |
|
10 |
3,2 |
|||||||||||||||||||||||
|
|
|
|
|
|
x2 |
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
3,2 |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
но теперь |
18 |
20 |
|
|
0,625 и для него |
0,625 |
|
|
0,23. Поэтому |
|
|
|
||||||||||||||||||||||
x1 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
3,2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
P40 18 |
|
k |
40 |
|
6,25 |
|
|
|
0,625 |
0,5 |
|
|
|
0,23 |
0,73 . |
|
|
|
|
|
|||||||||||||
Ответ: а) 0, 06; |
б) 0, 73. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание. Иногда вопрос ставится так: «какова вероятность, что работу выполнит более 70% студентов» (и т. п.). Чтобы получить границы k1 или k2 , надо перевести проценты в числа (например, 70% от 90 – это 0,790 63 человека).
§ 6. Дискретные случайные величины
Во многих задачах случайное событие можно выразить числом: выигрыш в лотерее, прибыль предприятия и т.д. Такие числа называют случайными величинами (СВ). Дискретные СВ (ДСВ) принимают значения из некоторого набора, непрерывные СВ (НСВ) ‒ из интервала. Так, выручка магазина ‒ непрерывная СВ, а число посетителей за минуту ‒ дискретная.
Закон распределения ДСВ ‒ таблица, где даны возможные значения величины и вероятности, с которыми она принимает указанные значения.
17
Функция распределения СВ ‒ это вероятность того, что величина примет значение, меньшее указанного: F x P CB x .
Случайные величины обычно обозначают буквами, указывая их смысл, например, Х – «прибыль фирмы за год». Всегда малая буква ‒ обозначение числа, большая буква ‒ обозначение некоторого понятия.
Пример 1. В лотерее выпущено 200 билетов, на 1 из них падает выигрыш в 500 руб., на 4 билета ‒ выигрыш в 50 руб., на 20 билетов ‒ выигрыш в 5 руб. Величина Х ‒ выигрыш по купленному билету. Составим закон распределения Х.
Решение. Величина Х может принять одно из значений: 500 руб., 50 руб., 5 руб., а также 0 руб., если билет ничего не выиграл.
Вероятность того, что билет выиграл 500 руб. ‒ это отношение числа билетов
с таким выигрышем к общему числу билетов: P X 500 |
1 |
0,005 |
, где 1 |
‒ |
|||||
|
|||||||||
200 |
|||||||||
|
|
|
|
|
|
|
|
||
число билетов с выигрышем в 500 руб., а 200 ‒ общее число билетов. |
|
|
|||||||
Также P X 50 |
4 |
0,02 , P X 5 |
20 |
0,1, а 200 1 |
4 20 175 билетов |
||||
|
|
||||||||
200 |
200 |
||||||||
|
|
|
|
|
|
|
175
не выигрывают ничего и потому P X 0 0,875 .
200
Ответ: закон распределения выигрыша по случайно купленному билету
Х, руб. |
0 |
5 |
50 |
500 |
|
|
|
|
|
Р |
0,875 |
0,1 |
0,02 |
0,005 |
|
|
|
|
|
Обратите внимание, что сумма всех вероятностей всегда равна 1.
Зная закон распределения, можно найти числовые характеристики ‒ матема-
тическое ожидание МХ и дисперсию DX. |
|
|
|
|
|
|
|
|
||||||||||
MX |
x1 p1 |
x2 p2 |
|
xn pn , |
где |
x1 , x2 , , xn ‒ возможные значения величины, |
||||||||||||
p1 , p2 , , pn ‒ их вероятности (n ‒ число возможных значений); |
||||||||||||||||||
DX |
x |
MX 2 p |
|
x |
2 |
MX |
2 p |
2 |
|
x |
n |
|
MX 2 p |
n |
‒ средний квадрат откло- |
|||
|
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|||||
нения |
величины |
от |
ожидаемой. Применяют |
|
и |
|
равносильную формулу |
|||||||||||
DX M X 2 |
MX 2 , где |
|
M X 2 |
x |
2 p |
x |
2 p |
2 |
x |
2 p |
n |
‒ средний квадрат. |
||||||
|
|
|
|
|
|
|
|
1 |
1 |
2 |
|
|
|
n |
|
Замечание. Если случайную величину вместо буквы Х обозначить другой буквой, например, как Y, получим обозначения MY , DY , M Y 2 , P a Y b и т.д.
Записи P X a; b, P CB a; b, P a X b , P a CB bравноправны.
18
Пример 2. Для случайной величины из примера 1 найдём её числовые характеристики и поясним результаты. Перепишем закон распределения:
|
Х, руб. |
0 |
|
5 |
50 |
500 |
|
|
|
|
|
|
|
|
|
|
Р |
0,875 |
|
0,1 |
0,02 |
0,005 |
|
|
|
|
|
|
|
|
|
Математическое ожидание МХ |
0 0,875 |
5 0,1 50 0,02 500 0,005 4 руб. |
Дисперсию найдём обоими способами, чтобы проверить, совпадут ли ответы:
а) |
DX |
0 4 2 |
0,875 |
5 |
4 2 |
0,1 |
50 |
4 2 0,02 500 4 2 0,005 1286,5 руб.2 ; |
|||
б) |
М Х 2 |
02 |
0,875 |
52 0,1 |
502 |
0,02 |
5002 |
0,005 |
1302,5 ‒ средний квадрат |
||
выигрыша, тогда DX 1302,5 |
42 |
1286,5 руб2 . Значения совпали. |
|||||||||
Среднее квадратическое отклонение |
|
|
|
35,87 руб. |
|||||||
Х |
1286,5 |
Итак, при покупке большого числа билетов средний выигрыш составит 4 руб. (без учёта затрат на билет!). Но в среднем выигрыш будет отличаться от ожидаемых 4 руб. на 35,87 руб.
Ответ: MX 4 руб., DX 1286,5 руб.2 , Х 35,87 руб.
Замечание. В основном выигрыш отличается от ожидаемого не на 35 с лишним рублей, а на 4, поскольку почти все выигрыши равны 0. Большое среднее отклонение получено из-за выигрыша в 500 руб., пусть даже очень редкого. Дисперсия чувствительна к выбросам – значениям, сильно отличающимся от остальных. Каким способом лучше считать дисперсию, зависит от задачи.
При составлении закона распределения можно применять любые известные формулы: Бернулли, классическое определение вероятности и т.д.
Пример 3. Примерно 40% фирм работают менее 4 лет. Нас интересуют 3 фирмы, начавшие работу. Величина Y ‒ число фирм среди них, которые проработают менее 4 лет. Составим закон распределения величины Y и найдём её числовые характеристики.
Решение. Из условия получаем, что p 0,4 ‒ вероятность, что отдельная фирма проработает менее 4 лет. Обозначим n 3 ‒ общее число фирм. Величина Y принимает 4 возможных значения: Y 0 (все фирмы продолжат работу), Y 3 (все фирмы прекратят работу), а также Y 1 и Y 2 (соответственно 1 или 2 фирмы прекратят работу).
Судя по условию, фирмы работают независимо, и имеет место схема независимых испытаний. Поэтому для вычисления вероятностей применим формулу Бернулли (о вычислении Cnk см. § 1).
19
а) |
P Y |
0 |
C 0 0,40 |
1 |
0,4 3 0 |
1 1 0,216 |
|
0,216 ; |
|
|
|
|
||||
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
б) |
P Y |
1 |
C31 0,41 1 |
0,4 3 1 |
3 0,4 0,36 |
0,432 ; |
|
|
|
|
||||||
в) |
P Y |
2 |
C 2 0,42 |
1 |
0,4 3 2 3 0,16 0,6 |
0,288 ; |
|
|
|
|
||||||
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
г) |
Y 3 |
C 3 0,43 1 |
0,4 3 |
3 |
|
1 0,064 1 |
0,064 . |
|
|
|
|
|||||
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Проверим: |
0,216 0,432 |
0,288 |
0,064 |
1. Закон распределения: |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
|
0 |
1 |
|
2 |
3 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
|
|
0,216 |
0,432 |
0,288 |
0,064 |
|
|
||
|
|
|
|
|
|
|
|
|||||||||
Числовые характеристики (дисперсию найдём 2-м способом): |
||||||||||||||||
а) ожидаемое значение MY |
0 0,216 |
1 0,432 |
2 0,288 |
3 0,064 1,2 ; |
||||||||||||
б) средний квадрат M Y 2 |
02 0,216 12 |
0,432 |
22 0,288 |
32 0,064 2,16 , |
||||||||||||
дисперсия DY |
2,16 |
1,22 |
0,72 , отклонение Y |
|
|
|
0,85. |
|||||||||
0,72 |
|
Смысл результатов в следующем:
а) если все возможные фирмы поделить на тройки, то в среднем 1,2 фирмы в
каждой тройке проработают менее 4 лет, поэтому MY |
1,2 |
; |
|
|
|
б) на самом деле в каждой тройке исчезает не MY |
1,2 |
фирмы, а 0,1, 2 или 3 |
|||
|
|
|
|
|
|
фирмы. В среднем этот показатель отклоняется от |
MY |
|
1,2 на 0,72 0,85 в |
||
меньшую или большую сторону. |
|
|
|
|
|
Ответ: MY 1,2 , DY 0,72 , Y 0,85 . |
|
|
|
|
|
Пример 4. Для данных примера 3 составить функцию распределения и найти значения F 0 , F 0,5 , F 2,5 , F 6 .
Решение. Для ДСВ функция распределения меняется скачком в точках, равных возможным значениям. Величина скачка равна вероятности значения:
а) для x |
0 |
имеем F x |
P CB |
0 |
0 ; |
|
|
|
||
б) для 0 |
x |
1 имеем F x |
|
P CB |
1 |
P CB |
0 |
0,216 ; |
||
в) для 1 |
x |
2 : F x |
P CB |
2 |
P CB |
0 |
P CB |
1 0,216 0,432 0,648; |
||
г) для 2 |
x |
3 : F x |
P CB |
3 |
P CB |
0,1или 2 |
0,216 0,432 0,288 0,936 ; |
|||
д) для x |
3: F x 0,936 |
0,064 |
1 ‒ величина заведомо не превосходит 3. |
Интересующие нас значения функции:
F 0 |
P Y 0 |
0 ‒ число предприятий не может быть отрицательным; |
F 0,5 |
0,216 |
‒ если число предприятий меньше 0,5, то это число по смыслу |
равно 0, а вероятность этого составляет 0,216;
20