Законы случайных величин
Функция на отрезке возможных значений случайной величины монотонно возрастает и, следовательно, имеет обратную функцию, которая монотонно возрастает на отрезке и является дифференцируемой. Поэтому искомую плотность вероятности найдем по формуле. Условным законом распределения случайной величины при условии, что величина приняла определенное значение, называется совокупность возможных значений… Читать ещё >
Законы случайных величин (реферат, курсовая, диплом, контрольная)
1. Дискретные системы двух случайных величин
Задача 1. По цели производиться два независимых выстрела. Вероятность попадания в цель при первом выстреле равна р1=0.7, при втором р2=0.8. Рассматривается дискретная система двух случайных величин, где — число попаданий при первом выстреле, — число попаданий при втором выстреле.
Для рассматриваемой дискретной системы случайных величин требуется:
а) описать закон распределения системы ;
б) описать законы распределения отдельных случайных величин, входящих в систему;
в) описать условный закон распределения случайной величины при условии = 1 и при этом условии вычислить условное математическое ожидание ;
г) выяснить, зависимы или нет случайные величины и ;
д) вычислить вероятности и);
е) вычислить основные числовые характеристики для системы :
.
Решение.
а) Для описания закона распределения дискретной системы двух случайных величин необходимо определить множество всех возможных пар значений и соответствующие вероятности. Результат удобно представить в виде таблицы 2.1
Таблица 2.1
В первой строке указываются возможные значения случайной величины, а в первом столбце — возможные значения случайной величины; в последней строке и в последнем столбце указываются безусловные вероятности возможных значений соответственно случайных величин и. В каждой клетке таблицы, стоящей на пересечении i-го столбца и j-й строки, указываются вероятности совместного осуществления события
т. е.,
Заполним таблицу.
Занесем полученные данные в табл. 2.2
Таблица 2.2
pj | ||||
0.06 | 0.14 | 0.2 | ||
0.24 | 0.56 | 0.8 | ||
Pi | 0.3 | 0.7 | ||
По условию нормировки. Сделаем проверку:
Условие нормировки выполняется.
б) Законы распределения отдельных дискретных случайных величин, входящих в систему, получим из закона распределения дискретной системы случайных величин (см. табл. 2.2). Возможные значения случайных величин и известны, найдем соответствующие им вероятности. Для случайной величины вероятности возможных значений определяются по формуле
т.е. суммируем вероятности «по столбцам»:
Аналогично для случайной величины используем формулу
т.е. суммируем вероятности «по строкам»:
Законы распределения случайных величин и представим в виде ряда распределения для каждой величины (табл. 2.3, 2.4).
Таблица 2.3
0.3 | 0.7 | ||
Таблица 2.4
0.2 | 0.8 | ||
в) Условным законом распределения случайной величины при условии, что величина приняла определенное значение, называется совокупность возможных значений величины и соответствующих этим значениям условных вероятностей, определяемых по формуле
. (1)
Условный закон распределения случайной величины при условии, что величина приняла значение, равное 1, находим по формуле (1), полагая =0:
.
Тогда Запишем условный закон распределения случайной величины в виде ряда распределения (табл. 2.5).
Таблица 2.5
0.3 | 0.7 | |||
Используя данные табл. 2.5 и формулу условного математического ожидания случайной величины при условии, что величина приняла определенное значение :
вычислим условное математическое ожидание :
г) Установить зависимость или независимость случайных величин и, входящих в систему, можно, проверив необходимое и достаточное условие независимости
.
Так как
взять, например, следовательно, случайные величины и независимы.
д) Вычислим вероятности
и):
)=
е) Найдем основные числовые характеристики дискретной системы случайных величин и. Используя табл. 2.3 и 2.4, найдем по формулам:
Корреляционный момент вычислим с помощью данных табл. 2.2 и следующей формулы:
Коэффициент корреляции определяется как отношение корреляционного момента к произведению среднеквадратичных отклонений случайных величин и :
Так как коэффициент корреляции, то можно утверждать, что случайные величины и линейно независимы.
2. Непрерывные системы двух случайных величин
Задача 2. Система случайных величин задана совместной плотностью вероятности в треугольной области АВС с координатами А (-1; 0), В (0; 1), С (-1; 2).
Требуется:
а) вычислить константу, а в выражении для плотности вероятности ;
б) вычислить вероятность попадания случайной точки в треугольную область АВD с координатами D (-1; 1);
в) найти безусловные плотности вероятности и случайных величин и ;
г) найти условные плотности вероятности, ;
д) установить, являются ли случайные величины и независимыми;
е) вычислить основные числовые характеристики системы :
.
ж) найти условные математические ожидания и (случайной величины относительно и случайной величины относительно);
з) построить линии регрессии (по и по).
Решение.
Изобразим треугольную область АВС (рис. 2.1).
а) Для нахождения константы, а в выражении для плотности вероятности, воспользуемся условием нормировки Имеем
и, следовательно,
.
Напоминание. Площадь треугольника, построенного на векторах и, равна Рис. 2.1
б) Вероятность попадания равномерно распределенной в области D случайной точки в некоторую область, найдем по формуле:
.
Точка D (0; 4) (см. рис. 2.1), следовательно,
.
в) Зная совместную плотность вероятности, можно найти безусловную плотность вероятности любой из случайных величин, входящих в систему по формулам:
= ,
= .
Для расстановки пределов интегрирования в последних формулах составим уравнения прямых АВ, ВС и АС.
Напоминания: 1. Уравнение прямой, проходящей через две точки и, имеет вид
2. Уравнение прямой в отрезках имеет вид
где, а — абсцисса точки пересечения прямой с осью Ох,
b — ордината точки пересечения прямой с осью Оу.
Уравнение прямой АВ имеет вид:
.
Уравнение прямой ВС имеет вид:
.
Уравнение прямой АС: .
Треугольник АВС не является областью, стандартной относительно оси (см. рис. 2.1). Линия входа — отрезок прямой АВ (). Линия выхода — отрезок прямой ВС (), если .
Таким образом,
=, если
Итак,
=
Плотность вероятности должна удовлетворять условию нормировки
.
Для его проверки построим график (рис. 2.2).
Рис. 2.2
Площадь треугольника, ограниченного графиком и осью Ох, равна 1. Следовательно, условие нормировки выполняется.
Треугольник АВС является областью, стандартной относительно оси Ох (см. рис. 2.1). Линия входа — отрезок оси Оу (), линия выхода — отрезок прямой АВ (), если, и отрезок прямой ВС ()
Таким образом,
=, если
=, если .
Итак,
Для проверки условия нормировки построим график (рис. 2.3).
Рис. 2.3
Согласно рис. 2.3 площадь треугольника, ограниченного графиком и осью Оу, равна 1. Следовательно, условие нормировки выполняется.
г) Условные плотности вероятности выражаются через безусловные по формулам:
= при ,
= при .
Следовательно, Заметим, что условие нормировки должно выполняться для любого фиксированного у, а условие нормировки должно выполняться для любого фиксированного х.
д) Установить зависимость или независимость случайных величин и, входящих в систему, можно, сравнив условные, и безусловные, плотности, или, проверив необходимое и достаточное условие независимости =•. В нашем случае и, следовательно, и зависимы. Очевидно также, что, что подтверждает сделанный вывод.
е) Вычислим основные числовые характеристики системы :
= ;
= .
Заметим, что если система случайных величин распределена равномерно в треугольной области АВС, где А (х1, y1), B (х2, y2), C (х3, y3), то
=, = ;
(,) — так называемый центр рассеивания.
Проверим:
=, = .
Для вычисления дисперсии воспользуемся формулой
= .
Вычислим второй начальный момент :
= .
Тогда
= .
Аналогично вычислим дисперсию случайной величины :
= .
Корреляционный момент, характеризующий связь между случайными величинами и, найдем по формуле
= .
Для этого вычислим сначала второй смешанный начальный момент
=
Тогда
=
Безразмерной характеристикой связи между случайными величинами и служит коэффициент корреляции :
= .
В рассматриваемом случае
= .
Коэффициент корреляции отражает «степень линейной зависимости» случайных величин и. Так как = 0, и независимы.
ж) Условные математические ожидания случайных величин и, входящих в систему, найдем по формулам:
= и = .
Имеем:
=
=
Заметим, что в случае равномерного распределения системы функции и являются линейными.
з) Построим линии регрессии, определяемые уравнениями и. В рассматриваемой задаче
Графики линий регрессии приведены на рис. 2.4.
Рис. 2.4
Заметим, что линия регрессии графически изображает зависимость «в среднем» случайной величины от возможных значений случайной величины. Аналогично для .
3. Нормальный закон на плоскости
Задача 3. Случайная точка распределена по нормальному закону с параметрами, Требуется:
а) написать выражение для плотности вероятности системы ;
б) изобразить на плоскости области и вычислить вероятности попадания случайной точки в эти области, если
;
в) вычислить вероятность того, что при трех независимых опытах случайная точка попадет хотя бы один раз в область ;
г) вычислить вероятность того, что при первых двух опытах случайная точка окажется хотя бы один раз в области, а при третьем опыте — в области ;
д) определить, какое минимальное количество опытов нужно произвести для того, чтобы случайная точка оказалась в области с вероятностью не меньшей 0,95.
Решение.
а) Нормальный закон распределения для системы двух случайных величин имеет плотность вероятности вида
где — математические ожидания случайных величин, — средние квадратические отклонения, — коэффициент корреляции. Поэтому плотность вероятности данной системы имеет вид
.
б) Область является прямоугольником с осями, параллельными главным осям рассеивания (рис. 2.5). По формуле
где — функция Лапласа, значения которой находятся по таблице, вычисляем вероятность попадания случайной точки в данную область:
Рис 2.5
Область является прямоугольником с осями, параллельными главным осям рассеивания и центром в центре рассеивания (рис. 2.6).
Рис. 2.6
Следовательно, для вычисления искомой вероятности целесообразно применение формулы Область является квадрантом с вершиной в точке (-3−2) (рис. 2.7).
Рис. 2.7
Найдем вероятность попадания в область :
.
Область является квадрантом с вершиной в центре рассеивания Рис. 2.8
Искомую вероятность можно найти, исходя из симметричности поверхности распределения относительно плоскостей :
.
Вероятность попадания случайной точки в эллипс рассеивания (рис. 2.9) вычисляем по соответствующей формуле:
где — размеры полуосей эллипса рассеивания в единицах среднего квадратического отклонения по направлению главных осей рассеивания.
Рис. 2.9
случайный величина распределение дисперсия в) Для определения вероятности хотя бы одного попадания в область при трех независимых опытах перейдем к противоположному событию, т. е. к тому, что в результате трех опытов случайная точка ни разу не окажется в области. Вероятность того, что случайная точка в результате опыта не попадет в область, равна Затем находим вероятность того, что случайная точка при трех опытах ни разу не попадет в :
и, наконец, искомую вероятность:
г) Вероятность того, что при первых двух опытах случайная точка окажется хотя бы один раз в области, а при третьем опыте — в области, равна по теореме умножения вероятностей произведению вероятности того, что при двух опытах случайная точка попадет хотя бы раз в область :
и вероятности попадания случайной точки в область :
.
Итак, искомая вероятность
.
д) Если событие в каждом опыте может наступить с вероятностью, то количество опытов, которые необходимо произвести для того, чтобы с вероятностью можно было утверждать, что данное событие произойдет хотя бы один раз, находится по формуле
.
По условию,, тогда
т.е. необходимо провести как минимум 1 опыта.
4. Закон распределения функции одной случайной величины
Задача 4. Случайная величина задана плотностью вероятности Другая случайная величина связана с функциональной зависимостью =. Требуется:
а) определить плотность вероятности случайной величины ;
б) построить графики функций, и проверить условие нормировки для этих функций;
в) вычислить вероятность попадания случайной величины в интервал .
Решение.
а) Функция на отрезке [-2; 0] возможных значений случайной величины монотонно возрастает и, следовательно, имеет обратную функцию, которая монотонно возрастает на отрезке и является дифференцируемой. Поэтому искомую плотность вероятности найдем по формуле
.
Подставив сюда и учитывая, что
,
получим
если .
Таким образом, случайная величина = имеет следующую плотность вероятности:
=
б) Графики функций, приведены на рис. 2.10, 2.11.
Рис. 2.10 Рис. 2.11
Проверим условия нормировки для функций и:
Имеем:
в) Используя формулу, находим искомую вероятность:
Однако этот же результат можно получить, применяя формулу
где
(здесь учтено, что функция
убывает на отрезке .
Таким образом,
.
Итак,
.
5. Числовые характеристики функции одной случайной величины
Задача 5. Случайная величина имеет плотность вероятности Другая случайная величина связана с функциональной зависимостью
=.
Требуется:
а) проверить условие нормировки для функции и построить ее график;
б) вычислить математическое ожидание и дисперсию случайной величины .
Решение.
а) Если функция является плотностью вероятности случайной величины, то она должна удовлетворять условию нормировки
.
Проверим его выполнение:
.
Строим график функции (рис. 2.12).
Рис. 2.12
Замечание. Опущенные выкладки полного исследования функции предлагается выполнить самостоятельно.
б) Способ 1. Для нахождения математического ожидания и дисперсии случайной величины необязательно находить закон ее распределения; можно воспользоваться формулами
.
Учитывая, что, получим:
.
Замечание. Полученный результат должен принадлежать интервалу возможных значений случайной величины, т. е. .
Находим дисперсию:
.
Способ 2. Пользуясь определением математического ожидания функции случайного аргумента, его свойствами и указанными формулами (способ 1), получим:
.
Аналогично для дисперсии:
.
Итак,, .
6. Числовые характеристики функции двух случайных величин
Задача 6. Случайная величина распределена равномерно в интервале (2;4), а независимая от нее случайная величина распределена по нормальному закону с параметрами,. Требуется:
а) записать плотности вероятности и для случайных величин и ;
б) вычислить математическое ожидание и дисперсию случайной величины
;
в) вычислить математическое ожидание случайной величины
.
Решение
а) Так как случайная величина имеет равномерное распределение, а — нормальное распределение, то их плотности вероятности определяются соответственно выражениями:
Следовательно, б) Запишем числовые характеристики исходных случайных величин:
, ,
Используя свойства математического ожидания и дисперсии функции случайных величин, получим:
;
Итак, искомые числовые характеристики
.
в) Зная числовые характеристики исходных случайных величин, пользуясь свойствами и определением математического ожидания функции непрерывной случайной величины, имеем:
==.
Таким образом, .
7. Числовые характеристики функции трех случайных величин
Задача 7. Для системы трех случайных величин (,) даны математические ожидания, , и корреляционная матрица Требуется:
а) вычислить математическое ожидание и дисперсию случайной величины
;
б) вычислить математическое ожидание случайной величины
.
Решение
Согласно заданной корреляционной матрице имеем:
, ;
,
Искомые числовые характеристики найдем, пользуясь свойствами математического ожидания, дисперсии и корреляционного момента:
а)
;
.
Искомые характеристики, .
б)
=
— 2.
Таким образом,
8. Характеристическая функция
Задача 8. Для данной плотности вероятности найти характеристическую функцию и с её помощью вычислить математическое ожидание .
Решение.
I способ. Воспользуемся методами операционного исчисления. Так как данная плотность вероятности является оригиналом, то характеристическая функция для неё является изображением. Найдём его, учитывая свойство линейности преобразования Лапласа и соотношение
где
II способ. Характеристическую функцию можно найти и по определению:
Вычислим, используя формулу. Имеем:
9. Композиция законов распределения
Задача 9. Независимые случайные величины и распределены равномерно на отрезке [2; 4], т. е. их плотности вероятностей имеют вид:
Определить плотность вероятности случайной величины, проверить условие нормировки для и построить графики функций, .
Решение
Воспользуемся аппаратом характеристических функций и методами операционного исчисления. Для этого найдём характеристические функции и как изображения для плотностей вероятностей и. Далее, учитывая независимость случайных величин и, получим характеристическую функцию как произведение характеристических функций слагаемых случайных величин =•. После этого, совершив обратное преобразование Лапласа, найдём искомую плотность вероятности как оригинал для характеристической функции .
Найдём для и характеристические функции и, используя свойства линейности преобразования Лапласа, запаздывания оригинала и операционное соотношение где:
Следовательно, Далее, используя свойство запаздывания оригинала и операционное соотношение, находим искомую плотность как оригинал для характеристической функции
Проверим условие нормировки для функции :
Графики функций, приведены на рис. 2.13 — 2.15:
Рис. 2.13 Рис. 2.14 Рис. 2.15
10. Предельные теоремы теории вероятностей
Задача 10. По полосе укреплений противника сбрасывается 108 серий бомб. При сбрасывании одной такой серии МО числа попаданий равно m=5, а. Пусть, i=-число попаданий в i-й серии , — общее число попаданий.
Требуется:
а) записать приближенное выражение для плотности вероятности случайной величины ;
б) вычислить приближенно вероятности:, ;
в) определить интервал наименьшей длины, симметричный относительно математического ожидания, в котором с вероятностью, не меньшей 0,9 будет заключена случайная величина .
Решение
а) ,
Таким образом, плотность вероятности случайной величины приближенно равна б) Используя формулу
где — функция Лапласа, при, , получим
.
Так как минимально возможное значение, принимаемое случайной величиной
равно 0, то
.
в) Обозначим через половину длины наименьшего интервала, симметричного относительно математического ожидания, в котором с вероятностью, не меньшей 0,9, будет заключена случайная величина. Тогда по условию.
Используя формулу
получим
.
По таблице значений функции Лапласа находим то значение аргумента х, для которого. Это значение приближенно равно
откуда
.
Таким образом, искомый интервал наименьшей длины, симметричный относительно математического ожидания = 540, следующий:
т. е. .
1. Е. И. Гурский. Высшая математика. Основы теории вероятностей случайных процессов и математической статистики. Изд. МВИЗРУ ПВО, 1983.
2. Е. И. Гурский. Сборник задач по теории вероятностей и математической статистике. Минск «Вышэйшая школа», 1984.
3. А. А. Гусак, Е. А. Бричикова. Теория вероятностей. Справочное пособие к решению задач. Минск ТетраСистемс, 1999.
4. В. Е. Гмурман. Руководство к решению задач по теории вероятностей и математической статистике. М. «Высшая школа», 1975.
5. Е. И. Гурский, Т. В. Скобля, В. Э. Юшкевич. Методическое пособие по теории вероятностей и математической статистике. Изд. МВИЗРУ ПВО, 1973.
6. Сборник задач по теории вероятностей, математической статистике и теории случайных функций. Под редакцией А. А. Свешникова. М.: Наука, 1970.
7. Сборник задач по математике. Теория вероятностей и математическая статистика. Под редакцией А. В. Ефимова. М.: Наука, 1990.