Несовместные и достоверные события.
Случайные величины
Для любой последовательности независимых и одинаково распределенных случайных величин с конечной дисперсией для любого е > 0 справедливо равенство. График этой функции приведен на рис. Он имеет вид колокола с максимумом в точке х = а=6 и расстоянием до точек перегиба у = 13/7. Вычислить Р (х1< о2) двумя способами: с помощью плотности распределения, с помощью функции распределения при х1 = м/3, х2… Читать ещё >
Несовместные и достоверные события. Случайные величины (реферат, курсовая, диплом, контрольная)
Задание 1
Вероятность попадания в цель первым стрелком равна р1, а вторым стрелком р2. Стрелки выстрелили одновременно. Какова вероятность того, что один из них попадет в цель, а другой не попадет?
Решение:
Множество благоприятных событий состоит из следующих событий:
— первый стрелок попадает в цель, второй не попадает: вероятность равна произведению р1(1 — р2)
— второй стрелок попадает в цель, первый не попадает: вероятность равна произведению р2(1 — р1)
Поскольку эти два события несовместны, искомая вероятность равна сумме вероятностей этих событий:
Р = р1(1 — р2) + р2(1 — р1) = р1 — р1р2 + р2 — р1р2 = р1 — 2р1р2 + р2 = (р1 — р2)2
Задание 2
В последовательности из n? 6 испытаний по схеме Бернулли с вероятностью успеха р произошел ровно один успех. Найти вероятность того, что успех произошел именно в шестом испытании.
Решение:
Воспользуемся формулой Байеса.
Здесь событие, А — произошел один успех.
В6 — успех произошел в шестом испытании
Вероятность того, что успех произошел именно в шестом испытании равна вероятности того, что в предыдущих пяти испытаниях успех не произошел, помноженную на вероятность того, что в шестом испытании успех произошел, т. е.
Событие, А при наступлении события В6 — событие достоверное, следовательно
Полная вероятность события, А вычисляется по формуле Бернулли
В итоге получаем
Задание 3
Из 25 контрольных работ, среди которых 6 оценены на «отлично», случайным образом извлекаются 4.
Случайная величина о — число «отличных» работ среди выбраных.
Требуется:
1. Построить закон и многоугольник распределения случайной величины о;
2. Построить функцию распределения и ее график;
3. Найти математическое ожидание Мо, дисперсию Dо, среднее квадратическое отклонение уо случайной величины о;
4. Вычислить вероятность того, что случайная величина примет значение, меньшее своего среднего значения, т. е.P (о < Mо).
Решение:
1. Вероятность того, что случайно выбранная работа будет отличной, равна
Случайная величина о — число «отличных» работ среди выбранных — может принимать значения 0, 1, 2, 3, 4.
Вероятности этих событий посчитаем по формуле биномиального распределения
где n = 4, р = 0,24
Ряд распределения будет таким:
X | ||||||
P | 0,334 | 0,421 | 0,200 | 0,042 | 0,003 | |
2) Найдем функцию распределения дискретной случайной величины
х | < 0 | ||||||
P | 0,334 | 0,421 | 0,200 | 0,042 | 0,003 | ||
F = P (X | 0,334 | 0,755 | 0,955 | 0,997 | |||
3) Для дискретной величины
4) Тогда
Задание 4
Дана плотность распределения случайной величины о
Требуется:
1. Найти постоянную А, функцию распределения Fо(x), математическое ожидание Мо, дисперсию Dо случайной величины о.
2. Построить графики fо(x), Fо(x), при м = 1.
3. Вычислить Р (х1< о2) двумя способами: с помощью плотности распределения, с помощью функции распределения при х1 = м/3, х2 = м/2
Решение:
Функция распределения равна
Постоянная, А находится из условия, что
Т.е. функция распределения будет
Задание 5
Задана нормально распределенная случайная величина о с параметрами
а = 6, у = 1 + 6/7 = 13/7, ()
Требуется:
1. Построить график плотности распределения fо(x),
2. Вывести формулу, связывающую функцию распределения Fо(x) с функцией Ф (х) Лапласа-Гаусса:
Ф (х) =
3. Используя полученную выше связь Fо(x) с Ф (х), построить график функции распределения Fо(x).
4. Выразить Р (х1< о2) через функцию Ф (х) (вывести формулу) исходя из соотношения
Р (х1< о2)=
5. Получить численное значение вероятности при х1 = ,+3у х2 = - 3у .
Решение:
Плотность вероятности для нормального распределения имеет вид
График этой функции приведен на рис. Он имеет вид колокола с максимумом в точке х = а=6 и расстоянием до точек перегиба у = 13/7.
2. Выведем формулу, связывающую функцию распределения Fо(x) с функцией Ф (х) Лапласа-Гаусса:
Ф (х) =
Т.е. графики этих функций совпадают с точностью до значений по оси х
несовместный достоверный случайный событие
4. Выразим Р (х1< о2) через функцию Ф (х) (вывести формулу) исходя из соотношения
5. Получить численное значение вероятности при х1 = ,+3у х2 = - 3у .
Задание 6
Дайте подробные ответы на вопросы
Доказательство неравенства Чебышева
Пусть Х — случайная величина, имеющая конечную дисперсию. Тогда для любого е > 0 справедливо неравенство
Для доказательства неравенства Чебышева запишем выражение для дисперсии случайной величины
Пусть е — любое положительное число. Если в выражении для дисперсии мы выбросим из суммы все члены, где и оставим только те, где, то от этого сумма может только уменьшиться
На эта сумма уменьшится еще более, если в каждом члене заменить множитель меньшей величиной е2:
Сумма, стоящая теперь в правой части, есть сумма вероятностей всех тех значений хi случайной величины Х, которые отклоняются от МХ в ту или другую сторону больше чем на е; по правилу сложения это есть вероятность того, что величина х получит какое-либо одно из этих значений. Другими словами, это есть вероятность того, что отклонение х от средней величины окажется больше, чем е;
Таким образом, находим
Закон больших чисел в форме Чебышева
Если Х1, Х2, … — последовательность попарно независимых случайных величин, дисперсии которых равномерно ограничены, т. е. DXk? C для каждого k, то эта последовательность подчиняется слабому закону больших чисел, т. е. для любого е > 0 справедливо равенство
Другими словами, если
сходится к нулю «по вероятности».
Законами больших чисел принято называть утверждения об условиях, при которых последовательность случайная величина «удовлетворяет закону больших чисел».
Если случайные величины одинаково распределены, то математические ожидания у них одинаковы и равны, например, а, то приведенное выше утверждение можно записать в виде.
И тогда закон больших чисел в форме Чебышева формулируется так:
Для любой последовательности независимых и одинаково распределенных случайных величин с конечной дисперсией для любого е > 0 справедливо равенство
То есть, по сути это означает, что среднее арифметическое большого числа случайных слагаемых «стабилизируется» с ростом этого числа. Как бы сильно каждая случайная величина не отклонялась от своего среднего значения, при суммировании эти отклонения «взаимно гасятся», так что среднее арифметическое приближается к постоянной величине.
Доказательство.
Обозначим через сумму первых n случайных величин, а через
их среднее арифметическое. Тогда
Пусть е > 0. Воспользуемся неравенством Чебышёва
Т.к. случайные величины независимы и одинаково распределены
при, поскольку DX, по условию, конечна.
Получим в качестве следствия из ЗБЧ Чебышёва закон больших чисел Я. Бернулли (1713). В отличие от доказанного через полтора столетия ЗБЧ Чебышёва, описывающего предельное поведение среднего арифметического с. в. с произвольными распределениями, ЗБЧ Бернулли — утверждение только для схемы Бернулли.
Закон больших чисел в форме Бернулли
Пусть, А — событие, которое может произойти в любом из n независимых испытаний с одной и той же вероятностью Р (А). Пусть m — число осуществлений события A в испытаниях. Тогда частота
стремится «по вероятности к Р (А), т. е. для любого е > 0
Доказательство.
Заметим, что m есть сумма независимых, одинаково распределенных случайных величин, имеющих распределение Бернулли с параметром, равным вероятности успеха Р (А) (индикаторов того, что в соответствующем испытании произошло А):
xi = 1, если, А произошло в i — м испытании;
xi = 0, если, А не произошло в i — м испытании;
Осталось воспользоваться законом больших чисел в форме Чебышёва и неравенством Чебышева
1. Гмурман В. Е. Руководство к решению задач по теории вероятности и математической статистике. М., 1979.
2. Гмурман В. Е. Теория вероятностей и математическая статистика (4-е изд.). М.: Высшая школа, 1972
3. Колмогоров А. Н. Основные понятия теории вероятностей (2-е изд.) М.: Наука, 1974
4. Бронштейн И. Н., Семендяев К. А. Справочник по математике. М., Наука, 1986