Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
|
Биномиальный закон распределения. Закон Пуассона ⇐ ПредыдущаяСтр 9 из 9 Если вероятность наступления случайного события в каждом испытании равна p, то вероятность того, что при n испытаниях событие A наступит k раз, находится по формуле Бернулли:
, где . Закон распределения случайной величины X, которая может принимать n+1 значение (0, 1, …, n), описываемый формулой Бернулли, называется биномиальным. Закон распределения случайной величины X, которая может принимать любые целые неотрицательные значения (0, 1, …, n), описываемый формулой , где носит название закона Пуассона, дающего более точное значение при малых p. 10. Математическим ожиданием дискретной случайной величины называется сумма произведений значений случайной величины на вероятности этих значений: Математическое ожидание непрерывной случайной величины X определяется равенством (при условии, что значение этого интеграла конечно).
11. Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: . Легко получить для вычисления дисперсии более удобную формулу: Дисперсия случайной величины есть мера рассеяния ее значений около ее математического ожидания. Средним квадратическим отклонением случайной величины X называется величина . 12. Свойства математического ожидания случайной величины: 1. , где ; 2. , где ; 3. , где X и Y – независимые случайные величины; 4. . 13. Свойства дисперсии случайной величины: 1. , где ; 2. , где ; 3. , где X и Y – независимые случайные величины.
Пример 1. Среди 30 курсантов взвода 8 отличников. Для внеочередного дежурства назначено 5 курсантов. Найти вероятность того, что среди дежурных отличников будет нечетное число. Решение. Введем обозначения: , , , . Общее число возможных элементарных исходов испытания равно числу способов, которыми можно назначить m курсантов из N курсантов, т.е. – числу сочетания из N элементов по m. Посчитаем число исходов, благоприятствующих интересующему нас событию (среди m курсантов ровно k отличников): k отличников можно выбрать из n отличников способами, при этом остальные курсантов выбираются из курсантов способами, . Следовательно, число благоприятствующих исходов равно . События, состоящие в том, что число отличников среди выбранных пяти курсантов 1, 3 или 5, являются несовместными. По теореме сложения вероятностей для несовместных событий получаем: , , , , , т.к. , то , , . . Пример 2. Для сигнализации об аварии на некотором объекте установлены сигнализаторы 5 типов: А, Б, В, Г, Д, каждый из которых сработает в случае аварии соответственно с вероятностями 0,9; 0,8; 0,7; 0,6; 0,5. Найти вероятность того, что в случае аварии сработают сигнализаторы только типов Г и Д. Решение. Имеем пять сигнализаторов А, Б, В, Г, Д. Вероятности того, что сигнализаторы сработают в случае аварии соответственно равны p1, p2, p3, p4, p5 (p1= 0,9, p2= 0,8, p3= 0,7, p4 =0,6, p5 =0,5). Обозначим через А1, А2, А3, А4, А5 события, состоящие в том, что сработают соответственно сигнализаторы А, Б, В, Г, Д, при этом , , , , – противоположные им события. Вероятности противоположных событий , , , , соответственно. Требуется найти вероятность события . По теореме умножения вероятностей для независимых событий получаем: , . Пример 3. Перед возгоранием в здании могло находиться 10 человек. Все первоначальные гипотезы Нi, состоящие в том, что в здании было i человек (i =0,1,2,3,4,5,6,7,8,9,10) равновероятны. В первые же минуты после пожара был спасен один человек. Переоценить вероятность гипотезы Нi, где i = 10. Решение. Для решения задачи используем формулу Байеса. Пусть A – событие, состоящее в том, что спасен один человек в первые же минуты после пожара. Рассмотрим гипотезы: H0 – в помещении не было людей, H1 – в помещении был один человек, H2 – в помещении было два человека, ………………………………………… Hk – в помещении было k человек (k = 0, 1, 2,…, 10). Так как гипотезы равновероятны, то . Подсчитаем условные вероятности события A, соответствующие гипотезам: , , ,…, , (k = 1, 2,…, 10). Требуется найти по формуле Байеса , где . Имеем , . Пример 4. Вероятность попадания в цель при одном выстреле равна 2/3. Найти вероятность того, что при 6 выстрелах будет четное число попаданий. Решение. Имеем , , . Используем формулу Бернулли: , так как независимые испытания проводятся в одинаковых условиях. Здесь k = 0, 2, 4, 6. События, состоящие в том, что при шести выстрелах число попаданий 0, 2, 4 или 6, являются несовместными. По теореме сложения вероятностей для несовместных событий получаем: .
Пример 5. Случайные величины X и Y независимо друг от друга могут с равной вероятностью принимать лишь одно из трех значений 1, 2, 3. Найти закон распределения, математическое ожидание, дисперсию, среднее квадратическое отклонение случайной величины Z и вероятность того, что случайная величина Z отклонится по абсолютной величине от своего математического ожидания не более, чем на среднее квадратическое отклонение, где . Решение. Составим ряды распределения случайных величин X, Y, Z, где .
Подсчитаем числовые характеристики X, Y и Z. . Математические ожидания X, Y и Z: , , . Дисперсии X, Y и Z: , .
Так как X и Y независимые случайные величины, то . Для проверки подсчитаем Dz вторым способом: , при этом среднее квадратическое отклонение . Требуется найти . Получим
Пример 6. Для некоторого города в течении месяца (30 суток) в среднем поступает 120 сигналов о возгорании. Найти вероятность того, что в течение суток число сигналов о возгорании окажется по крайней мере один. Решение. Имеем распределение Пуассона. Математическое ожидание a числа сигналов о возгорании в течение суток . Пусть m – число сигналов о возгорании в течение суток. Требуется найти . Воспользуемся формулой Пуассона: . Получим
Пример 7. Случайная величина X принимает значения лишь в интервале (0;1) с плотностью вероятности вида . Найти значение параметра а, математическое ожидание, дисперсию, среднее квадратическое отклонение и вероятность того, что случайная величина X не превзойдет своего среднего значения, если . Решение. . По свойству плотности , откуда , , . Найдем числовые характеристики: , , .
, , . Вероятность того, что случайная величина X не превзойдет своего среднего значения: .
СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
1. Шипачев В.С. Высшая математика. - М.: Высшая школа, 2001. – 480 с. 2. Шипачев В.С. Задачник по высшей математике. - М.: Высшая школа, 2000. – 304 с. 3. Данко П.Е., Попов А.Г., Кожевникова Т.Я. Высшая математика в упражнениях и задачах. Учеб. пособие для вузов. - М.: Изд. дом «ОНИКС 21 век»: Мир и Образование, 2003. - Ч. I. – 304 с.; Ч. II. – 416 c. 4. Письменный Д.Т. Конспект лекций по высшей математике. - М.: Рольф, 2001. - Ч. I. - 288 с.; Ч. II. - 256 c. 5. Вентцель Е.С. Теория вероятностей. - М.: Высшая школа, 2001. – 576 с. 6. Вентцель Е.С., Овчаров Л.А. Задачи и упражнения по теории вероятностей. - М.: Высшая школа, 2000. – 368 с. 7. Гмурман В.Е. Теория вероятностей и математическая статистика. - М.: Высшая школа, 2001. – 480 с. 8. Гмурман В.Е. Руководство по решению задач по теории вероятностей и математической статистике. - М.: Высшая школа, 2001. – 400 с.
Родионов Евгений Григорьевич Старостина Елена Вадимовна Фомичёв Дмитрий Сергеевич
|