Случайная величина задана неполной таблицей распределения. Дискретная случайная величина и функция её распределения
Учреждение образования «Белорусская государственная
сельскохозяйственная академия»
Кафедра высшей математики
Методические указания
по изучению темы «Случайные величины» студентами бухгалтерского факультета заочной формы получения образования (НИСПО)
Горки, 2013
Случайные величины
Дискретные и непрерывные случайные величины
Одним из основных понятий в теории вероятностей является понятие случайной величины . Случайной величиной называется величина, которая в результате испытания из множества возможных своих значений принимает только одно, причём заранее неизвестно, какое именно.
Случайные величины бывают дискретными и непрерывными . Дискретной случайной величиной (ДСВ) называется случайная величина, которая может принимать конечное число изолированных друг о друга значений, т.е. если возможные значения этой величины можно пересчитать. Непрерывной случайной величиной (НСВ) называется случайная величина, все возможные значения которой сплошь заполняют некоторый промежуток числовой прямой.
Случайные величины обозначаются заглавными буквами латинского алфавита X, Y, Z и т.д. Возможные значения случайных величин обозначаются соответствующими малыми буквами.
Запись
означает
«вероятность того, что случайная величинаХ
примет значение, равное 5, равна 0.28».
Пример 1 . Один раз бросают игральный кубик. При этом могут выпасть цифры от 1 до 6, обозначающие число очков. Обозначим случайную величину Х ={число выпавших очков}. Эта случайная величина в результате испытания может принять только одно из шести значений: 1, 2, 3, 4, 5 или 6. Следовательно, случайная величина Х есть ДСВ.
Пример 2 . При бросании камня он пролетает некоторое расстояние. Обозначим случайную величину X ={расстояние полёта камня}. Эта случайная величина может принять любое, но только одно, значение из некоторого промежутка. Следовательно, случайная величина Х есть НСВ.
Закон распределения дискретной случайной величины
Дискретная случайная величина характеризуется значениями, которые она может принимать, и вероятностями, с которыми эти значения принимаются. Соответствие между возможными значениями дискретной случайной величины и соответствующими им вероятностями называется законом распределения дискретной случайной величины .
Если
известны все возможные значения
случайной величиныХ
и вероятности
появления этих значений, то считают,
что закон распределения ДСВХ
известен и он может быть записан в виде
таблицы:
|
|
|
|
|
|
|||
|
|
|
|
|
|
Закон
распределения ДСВ можно изобразить
графически, если в прямоугольной системе
координат изобразить точки
,
,
…,
и
соединить их отрезками прямых линий.
Полученная фигура называется
многоугольником распределения.
Пример 3 . В зерне, предназначенном для очистки, содержится 10% сорняков. Наугад отобраны 4 зерна. Обозначим случайную величину X ={число сорняков среди четырёх отобранных}. Построить закон распределения ДСВ Х и многоугольник распределения.
Решение . По условию примера . Тогда:
Запишем закон распределения ДСВ Х в виде таблицы и построим многоугольник распределения:
|
|
Математическое ожидание дискретной случайной величины
Наиболее важные свойства дискретной случайной величины описываются её характеристиками. Одной из таких характеристик является математическое ожидание случайной величины.
Пусть известен закон распределения ДСВ Х :
|
|
|
|
|
|
|||
|
|
|
|
|
|
Математическим
ожиданием
ДСВ Х
называется сумма произведений каждого
значения этой величины на соответствующую
вероятность:
.
Математическое ожидание случайной величины приближённо равно среднему арифметическому всех её значений. Поэтому в практических задачах часто за математическое ожидание принимают среднее значение этой случайной величины.
Пример 8 . Стрелок выбивает 4, 8, 9 и 10 очков с вероятностями 0.1, 0.45, 0.3 и 0.15. Найти математическое ожидание числа очков при одном выстреле.
Решение . Обозначим случайную величину X ={число выбитых очков}. Тогда . Таким образом, ожидаемое среднее значение числа выбитых очков при одном выстреле равно 8.2, а при 10 выстрелах – 82.
Основными свойствами математического ожидания являются:
.
.
,
где
,
.
.
,
где Х
и Y
– независимые случайные величины.
Разность
называетсяотклонением
случайной величины Х
от её математического ожидания. Эта
разность является случайной величиной
и её математическое ожидание равно
нулю, т.е.
.
Дисперсия дискретной случайной величины
Для характеристики случайной величины, кроме математического ожидания, используется и дисперсия , которая даёт возможность оценить рассеяние (разброс) значений случайной величины около её математического ожидания. При сравнении двух однородных случайных величин с равными математическими ожиданиями «лучшей» считается та величина, которая имеет меньший разброс, т.е. меньшую дисперсию.
Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания: .
В практических задачах для вычисления дисперсии используют равносильную формулу .
Основными свойствами дисперсии являются:
.
Определение 2.3. Случайная величина, обозначаемая X, называется дискретной, если она принимает конечное либо счетное множество значений, т.е. множество – конечное либо счетное множество.
Рассмотрим примеры дискретных случайных величин.
1.
Однократно бросают две монеты. Число выпадений гербов в этом эксперименте – случайная величина Х
. Ее возможные значения 0,1,2, т. е. 
– конечное множество.
2. Регистрируется число вызовов "Скорой помощи" в течение некоторого заданного промежутка времени. Случайная величина Х – число вызовов. Ее возможные значения 0, 1, 2, 3, ...,т.е. ={0,1,2,3,...}– счетное множество.
3. В группе 25 студентов. В какой-то день регистрируется число студентов, пришедших на занятия, – случайная величина Х . Ее возможные значения: 0, 1, 2, 3, ...,25 т.е. ={0, 1, 2, 3, ..., 25}.
Хотя все 25 человек в примере 3 пропустить занятия не могут, но случайная величина Х принимать это значение может. Это означает, что значения случайной величины обладают различной вероятностью.
Рассмотрим математическую модель дискретной случайной величины.
Пусть проводится случайный эксперимент, которому соответствует конечное или счетное пространство элементарных событий . Рассмотрим отображение этого пространства на множество действительных чисел, т. е. каждому элементарному событию поставим в соответствие некоторое действительное число , . Множество чисел при этом может быть конечным или счетным, т. е. 
или
Система подмножеств, в которую входит любое подмножество , в том числе одноточечное, образует -алгебру числового множества ( – конечно или счетно).
Поскольку любому элементарному событию поставлены в соответствие определенные вероятности р i (в случае конечного все ), причем , то и каждому значению случайной величины можем поставить в соответствие определенную вероятность р i , такую, что .
Пусть х
– произвольное действительное число. Обозначим Р Х (х)
вероятность того, что случайная величина Х
приняла значение, равное х
, т.е. Р Х (х)=Р(Х=х)
. Тогда функция Р Х (х)
может принимать положительные значения лишь при тех значениях х
, которые принадлежат конечному либо счетному множеству 
, а при всех остальных значениях вероятность этого значения Р Х (х)=0.
Итак, мы определили множество значений , -алгебру как систему любых подмножеств и каждому событию {X = х } сопоставили вероятность дпя любых , т.е. построили вероятностное пространство .
Например, пространство элементарных событий эксперимента, состоящего в двукратном подбрасывании симметричной монеты, состоит из четырех элементарных событий: , где
При двукратном подбрасывании монеты выпали две решетки ; при двукратном подбрасывании монеты выпали два герба ;
При первом подбрасывании монеты выпала решетка, а при втором – герб ;
При первом подбрасывании монеты выпал герб, а при втором – решетка .
Пусть случайная величина Х
– число выпадений решетки. Она определена на и множество ее значений 
. Все возможные подмножества , в том числе и одноточечные, образуют - алгебру, т.е. ={Ø, {1}, {2}, {0,1}, {0,2}, {1,2}, {0,1,2}}.
Вероятность события {Х=х i }, і = 1,2,3 , определим как вероятность появления события, являющегося его прообразом:
Таким образом, на элементарных событиях {X = х i
} задали числовую функцию Р Х
, так, что 
.
Определение 2.4. Законом распределения дискретной случайной величины называется совокупность пар чисел (х i , р i), где х i – возможные значения случайной величины, а р i – вероятности, с которыми она принимает эти значения, причем .
Простейшей формой задания закона распределения дискретной случайной величины является таблица, в которой перечислены возможные значения случайной величины и соответствующиеим вероятности:
| … | … | ||||
| … | … |
Такая таблица называется рядом распределения. Чтобы придать ряду распределения более наглядный вид, его изображают графически: на оси Ох наносят точки х i и проводят из них перпендикуляры длиной р i . Полученные точки соединяют и получают многоугольник, который является однойиз форм закона распределения (рис. 2.1).
Таким образом, для задания дискретной случайной величины нужно задать ее значения и соответствующиеим вероятности.
Пример 2.2. Денежный приемник автомата срабатывает при каждом опускании монеты с вероятностью р . Как только он сработал, монеты не опускают. Пусть Х – число монет, которые надо опустить до срабатывания денежного приемника автомата. Построить ряд распределения дискретной случайной величины Х .
Решение.
Возможные значения случайной величины Х
: х 1 = 1, х 2 = 2,..., х к =к, …
Найдем вероятности этих значений: р 1
– вероятность того, что денежный приемник сработает при первом опускании, и р 1 =р; р 2 –
вероятность того, что будут произведены две попытки. Для этого нужно, чтобы: 1) при первой попытке денежный приемник не сработал; 2) при второй попытке – сработал. Вероятность этого события равна (1–р)р
. Аналогично 
и так далее, 
. Ряд распределения Х
примет вид
| 1 | 2 | 3 | … | к | … | |
| р | qp | q 2 p | q r -1 p |
Заметим, что вероятности р к образуют геометрическую прогрессию со знаменателем: 1–p=q , q<1, поэтому такое распределение вероятностей называется геометрическим .
ІІредположим далее, что построена математическая модель 
эксперимента, описываемого дискретной случайной величиной Х
, и рассмотрим вычисление вероятностей наступления произвольных событий .
Пусть произвольное событие содержит конечное либо счетное множество значений х i : A= {х 1 , х 2 ,..., х i , ... } .Событие А можно представить в виде объединения несовместных событий вида : . Тогда, применяя аксиому Колмогорова 3, получаем
так как вероятности наступления событий мы определили равными вероятностям появления событий, являющихся их прообразами. Это значит, что и вероятность любого события 
, , можно вычислить по формуле , так как это событие представимо в виде, объединения событий , где .
Тогда и функция распределения F(х) = Р(– <Х<х) находится по формуле . Отсюда следует, что функция распределения дискретной случайной величины Х разрывна и возрастает скачками, т. е. является ступенчатой функцией (рис. 2.2):
Если множество конечно, то число слагаемых в формуле конечно, если же счётно, то и число слагаемых счетно.
Пример 2.3. Техническое устройство состоит из двух элементов, работающих независимо друг от друга. Вероятность выходаиз строя первого элемента за время Т равна 0,2, а вероятность выхода второго элемента – 0,1. Случайная величина Х – число отказавших элементов за время Т. Найти функцию распределения случайнойвеличины и построить ее график.
Решение.
Пространство элементарных событий эксперимента, состоящего в исследовании надежности двух элементов технического устройства, определяется четырьмя элементарными событиями , , , : – оба элемента исправны; – первый элемент исправен, второй неисправен; – первый элемент неисправен, второй исправен; – оба элемента неисправны. Каждоеиз элементарных событий можно выразить через элементарные события пространств 
и 
, где – первый элемент исправен; – первый элемент вышел из строя; – второй элемент исправен; – второй элемент вышел из строя. Тогда , и таккак элементы технического устройства работают независимо друг от друга, то
8. Чему равна вероятность того, что значения дискретной случайной величины принадлежат промежутку ?
Назначение сервиса . Онлайн-калькулятор используется для построения таблицы распределения случайной величины X – числа произведенных опытов и вычисления всех характеристик ряда: математического ожидания, дисперсии и среднеквадратического отклонения. Отчет с решением оформляется в формате Word . Пример №1 . Бросаются три монеты. Вероятность выпадения герба при одном бросании равна 0.5. Составьте закон распределения случайной величины X - числа выпавших гербов.Решение.
Вероятность того, что не выпало ни одного герба: P(0) = 0,5*0,5*0,5= 0,125
P(1) = 0,5 *0,5*0,5 + 0,5*0,5 *0,5 + 0,5*0,5*0,5 = 3*0,125=0,375
P(2) = 0,5 *0,5 *0,5 + 0,5 *0,5*0,5 + 0,5*0,5 *0,5 = 3*0,125=0,375
Вероятность того, что выпало три герба: P(3) = 0,5*0,5*0,5 = 0,125
Закон распределения случайной величины X:
| X | 0 | 1 | 2 | 3 |
| P | 0,125 | 0,375 | 0,375 | 0,125 |
Пример №2
. Вероятность попадания в мишень одного стрелка при одном выстреле для первого стрелка равна 0.8, для второго стрелка – 0.85. Стрелки произвели по одному выстрелу в мишень. Считая попадание в цель для отдельных стрелков событиями независимыми, найти вероятность события А – ровно одно попадание в цель.
Решение.
Рассмотрим событие A - одно попадание в цель. Возможные варианты наступления этого события следующие:
- Попал первый стрелок, второй стрелок промахнулся: P(A/H1)=p 1 *(1-p 2)=0.8*(1-0.85)=0.12
- Первый стрелок промахнулся, второй стрелок попал в мишень: P(A/H2)=(1-p 1)*p 2 =(1-0.8)*0.85=0.17
- Первый и второй стрелки независимо друг от друга попали в мишень: P(A/H1H2)=p 1 *p 2 =0.8*0.85=0.68
В приложениях теории вероятностей основное значение имеет количественная характеристика эксперимента. Величина, которая может быть количественно определена и которая в результате эксперимента может принимать в зависимости от случая различные значения, называется случайной величиной.
Примеры случайных величин:
1. Число выпадений четного числа очков при десяти бросаниях игральной кости.
2. Число попаданий в мишень стрелком, который производит серию выстрелов.
3. Число осколков разорвавшегося снаряда.
В каждом из приведенных примеров случайная величина может принимать лишь изолированные значения, то есть значения, которые можно пронумеровать с помощью натурального ряда чисел.
Такая случайная величина, возможные значения которой есть отдельные изолированные числа, которые эта величина принимает с определенными вероятностями, называется дискретной.
Число возможных значений дискретной случайной величины может быть конечным или бесконечным (счетным).
Законом распределения дискретной случайной величины называют перечень её возможных значений и соответствующих им вероятностей. Закон распределения дискретной случайной величины можно задать в виде таблицы (ряд распределения вероятностей), аналитически и графически (многоугольник распределения вероятностей).
При осуществлении того или иного эксперимента возникает необходимость оценивать изучаемую величину «в среднем». Роль среднего значения случайной величины играет числовая характеристика, называемая математическим ожиданием, которая определяется формулой
где x 1 , x 2 ,.. , x n – значения случайной величины X , а p 1 , p 2 , ... , p n – вероятности этих значений (заметим, что p 1 + p 2 +…+ p n = 1).
Пример. Производится стрельба по мишени (рис. 11).
Попадание в I дает три очка, в II – два очка, в III – одно очко. Число очков, выбиваемых при одном выстреле одним стрелком, имеет закон распределения вида
Для сравнения мастерства стрелков достаточно сравнить средние значения выбиваемых очков, т.е. математические ожидания M (X ) и M (Y ):
M (X ) = 1 0,4 + 2 0,2 + 3 0,4 = 2,0,
M (Y ) = 1 0,2 + 2 0,5 + 3 0,3 = 2,1.
Второй стрелок дает в среднем несколько большее число очков, т.е. при многократной стрельбе он будет давать лучший результат.
Отметим свойства математического ожидания:
1. Математическое ожидание постоянной величины равно самой постоянной:
M (C ) = C .
2. Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
M = (X 1 + X 2 +…+ X n )= M (X 1)+ M (X 2)+…+ M (X n ).
3. Математическое ожидание произведения взаимно независимых случайных величин равно произведению математических ожиданий cомножителей
M (X 1 X 2 … X n ) = M (X 1)M (X 2)… M (X n ).
4. Математическое отрицание биноминального распределения равно произведению числа испытаний на вероятность появления события в одном испытании (задача 4.6).
M (X ) = пр .
Для оценки того, каким образом случайная величина «в среднем» уклоняется от своего математического ожидания, т.е. для того чтобы охарактеризовать разброс значений случайной величины в теории вероятностей служит понятие дисперсии.
Дисперсией случайной величины X называют математическое ожидание квадрата отклонения:
D (X ) = M [(X - M (X )) 2 ].
Дисперсия является числовой характеристикой рассеивания случайной величины. Из определения видно, что чем меньше дисперсия случайной величины, тем кучнее располагаются её возможные значения около математического ожидания, то есть тем лучше значения случайной величины характеризуются её математическим ожиданием.
Из определения следует, что дисперсия может быть вычислена по формуле
.
Дисперсию удобно вычислять по другой формуле:
D (X ) = M (X 2) - (M (X )) 2 .
Дисперсия обладает следующими свойствами:
1. Дисперсия постоянной равна нулю:
D (C ) = 0.
2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:
D (CX ) = C 2 D (X ).
3. Дисперсия суммы независимых случайных величин равна сумме дисперсии слагаемых:
D (X 1 + X 2 + X 3 +…+ X n )= D (X 1)+ D (X 2)+…+ D (X n )
4. Дисперсия биномиального распределения равна произведению числа испытаний на вероятность появления и непоявления события в одном испытании:
D (X ) = npq .
В теории вероятностей часто используется числовая характеристика, равная корню квадратному из дисперсии случайной величины. Эта числовая характеристика называется средним квадратным отклонением и обозначается символом
.
Она характеризует примерный размер уклонения случайной величины от её среднего значения и имеет одинаковую со случайной величиной размерность.
4.1. Стрелок проводит по мишени три выстрела. Вероятность попадания в мишень при каждом выстреле равна 0,3.
Построить ряд распределения числа попаданий.
Решение . Число попаданий является дискретной случайной величиной X . Каждому значению x n случайной величины X отвечает определенная вероятность P n .
Закон распределения дискретной случайной величины в данном случае можно задать рядом распределения .
В данной задаче X принимает значения 0, 1, 2, 3. По формуле Бернулли
,
найдем вероятности возможных значений случайной величины:
Р 3 (0) = (0,7) 3 = 0,343,
Р
3 (1)
=
0,3(0,7) 2
= 0,441,
Р
3 (2)
=
(0,3) 2 0,7
= 0,189,
Р 3 (3) = (0,3) 3 = 0,027.
Расположив значения случайной величины X в возрастающем порядке, получим ряд распределения:
|
X n | ||||
Заметим, что сумма
означает вероятность того, что случайная величина X примет хотя бы одно значение из числа возможных, а это событие достоверное, поэтому
.
4.2 .В урне имеются четыре шара с номерами от 1 до 4. Вынули два шара. Случайная величинаX – сумма номеров шаров. Построить ряд распределения случайной величиныX .
Решение. Значениями случайной величиныX являются 3, 4, 5, 6, 7. Найдем соответствующие вероятности. Значение 3 случайной величиныX может принимать в единственном случае, когда один из выбранных шаров имеет номер 1, а другой 2. Число всевозможных исходов испытания равно числу сочетаний из четырех (число возможных пар шаров) по два.
По классической формуле вероятности получим
Аналогично,
Р (Х = 4) =Р (Х = 6) =Р (Х = 7) = 1/6.
Сумма 5 может появиться в двух случаях: 1 + 4 и 2 + 3, поэтому
.
Х имеет вид:
Найти функцию распределения F (x ) случайной величиныX и построить ее график. Вычислить дляX ее математическое ожидание и дисперсию.
Решение . Закон распределения случайной величины может быть задан функцией распределения
F (x ) = P (X x ).
Функция распределения F (x ) – неубывающая, непрерывная слева функция, определенная на всей числовой оси, при этом
F (- )= 0,F (+ )= 1.
Для дискретной случайной величины эта функция выражается формулой
.
Поэтому в данном случае
График функции распределения F (x ) представляет собой ступенчатую линию (рис. 12)
|
F (x ) | ||||||
Математическое ожидание М (Х ) является взвешенной средней арифметической значенийх 1 , х 2 ,……х n случайной величиныХ при весахρ 1, ρ 2, …… , ρ n и называется средним значением случайной величиныХ . По формуле
М (Х ) = х 1 ρ 1 + х 2 ρ 2 + ……+ х n ρ n
М (Х ) = 3·0,14+5·0,2+7·0,49+11·0,17 = 6,72.
Дисперсия характеризует степень рассеяния значений случайной величины от своего среднего значения и обозначаетсяD (Х ):
D (Х ) =М [(Х-М (Х )) 2 ] = М (Х 2) –[М (Х )] 2 .
Для дискретной случайной величины дисперсия имеет вид
или она может быть вычислена по формуле
Подставляя числовые данные задачи в формулу, получим:
М (Х 2) = 3 2 ∙ 0,14+5 2 ∙ 0,2+7 2 ∙ 0,49+11 2 ∙ 0,17 = 50,84
D (Х ) = 50,84-6,72 2 = 5,6816.
4.4. Две игральные кости одновременно бросают два раза. Написать биномиальный закон распределения дискретной случайной величиныХ - числа выпадений четного суммарного числа очков на двух игральных костях.
Решение . Введем в рассмотрение случайное событие
А = {на двух костях при одном бросании выпало в сумме четное число очков}.
Используя классическое определение вероятности найдем
Р
(А
)=
,
где n - число всевозможных исходов испытания находим по правилу
умножения:
n = 6∙6 =36,
m - число благоприятствующих событиюА исходов - равно
m = 3∙6=18.
Таким образом, вероятность успеха в одном испытании равна
ρ = Р (А )= 1/2.
Задача решается с применением схемы испытаний Бернулли. Одним испытанием здесь будет бросание двух игральных костей один раз. Число таких испытаний n = 2. Случайная величинаХ принимает значения 0, 1, 2 с вероятностями
Р
2 (0)
=
,Р
2 (1)
=
∙
,Р
2 (2)
=
Искомое биноминальное распределение случайной величины Х можно представить в виде ряда распределения:
|
х n | |||
|
ρ n |
4.5 . В партии из шести деталей имеется четыре стандартных. Наудачу отобраны три детали. Составить распределение вероятностей дискретной случайной величиныХ – числа стандартных деталей среди отобранных и найти ее математическое ожидание.
Решение. Значениями случайной величиныХ являются числа 0,1,2,3. Ясно, чтоР (Х =0)=0, поскольку нестандартных деталей всего две.
Р
(Х
=1) =
=1/5,
Р
(Х=
2) =
= 3/5,
Р
(Х
=3) =
= 1/5.
Закон распределения случайной величины Х представим в виде ряда распределения:
|
х n | ||||
|
ρ n |
Математическое ожидание
М (Х )=1 ∙ 1/5+2 ∙ 3/5+3 ∙ 1/5=2.
4.6 . Доказать, что математическое ожидание дискретной случайной величиныХ - числа появлений событияА вn независимых испытаниях, в каждом из которых вероятность появления события равнаρ – равно произве-дению числа испытаний на вероятность появления события в одном испыта-нии, то есть доказать, что математическое ожидание биноминального распределения
М (Х ) =n . ρ ,
а дисперсия
D (X ) =np .
Решение. Случайная величинаХ может принимать значения 0, 1, 2…,n . ВероятностьР (Х = к) находится по формуле Бернулли:
Р
(Х
=к)=Р
n
(к)=
ρ
к
(1-ρ
) n-
к
Ряд распределения случайной величины Х имеет вид:
|
х n | |||||
|
ρ n |
q n |
|
|
|
ρq
n-
1
ρq
n-
2
ρ
n
где q = 1- ρ .
Для математического ожидания имеем выражение:
М
(Х
)=
ρq
n
-
1
+2
ρ
2
q
n
-
2
+…+.n
ρ
n
В случае одного испытания, то есть при n = 1для случайной величиныХ 1 –числа появлений событияА - ряд распределения имеет вид:
|
х n | ||
|
ρ n |
M (X 1)= 0 ∙ q+ 1 ∙ p = p
D (X 1) = p – p 2 = p (1- p ) = pq .
Если Х к – число появлений событияА в к-ом испытании, тоР (Х к )= ρ и
Х=Х 1 +Х 2 +….+Х n .
Отсюда получаем
М (Х )=М (Х 1 )+М (Х 2)+ … +М (Х n )= nρ ,
D (X )=D (X 1)+D (X 2)+ ... +D (X n )=npq.
4.7. ОТК проверяет изделия на стандартность. Вероятность того, что изделие стандартно, равна 0,9. В каждой партии содержится 5 изделий. Найти математическое ожидание дискретной случайной величиныХ -числа партий, в каждой из которых окажется равно 4 стандартных изделия – если проверке подлежит 50 партий.
Решение . Вероятность того, что в каждой произвольно выбранной партии окажется 4 стандартных изделия, постоянна; обозначим ее черезρ .Тогда математическое ожидание случайной величиныХ равноМ (Х )= 50∙ρ.
Найдем вероятность ρ по формуле Бернулли:
ρ=Р
5 (4)=
= 0,94∙0,1=0,32.
М (Х )= 50∙0,32=16.
4.8 . Бросаются три игральные кости. Найти математическое ожидание суммы выпавших очков.
Решение. Можно найти распределение случайной величиныХ - суммы выпавших очков и затем ее математическое ожидание. Однако такой путь слишком громоздок. Проще использовать другой прием, представляя случайную величинуХ , математическое ожидание которой требуется вычислить, в виде суммы нескольких более простых случайных величин, математическое ожидание которых вычислить легче. Если случайная величинаХ i – это число очков, выпавших наi – й кости (i = 1, 2, 3), то сумма очковХ выразится в виде
Х = Х 1 + Х 2 + Х 3 .
Для вычисления математического ожидания исходной случайной величины останется лишь воспользоваться свойством математического ожидании
М (Х 1 + Х 2 + Х 3 ) = М (Х 1 ) + М (Х 2) + М (Х 3 ).
Очевидно, что
Р (Х i = К )= 1/6, К = 1, 2, 3, 4, 5, 6, i = 1, 2, 3.
Следовательно, математическое ожидание случайной величины Х i имеет вид
М (Х i ) = 1/6∙1 + 1/6∙2 +1/6∙3 + 1/6∙4 + 1/6∙5 + 1/6∙6 = 7/2,
М (Х ) = 3∙7/2 = 10,5.
4.9. Определить математическое ожидание числа приборов, отказавших в работе за время испытаний, если:
а) вероятность отказа для всех приборов одна и та же равна р , а число испытуемых приборов равно n ;
б) вероятность отказа для i – го прибора равна p i , i = 1, 2, … , n .
Решение. Пусть случайная величина Х – число отказавших приборов, тогда
Х = Х 1 + Х 2 + … + Х n ,
X
i
=
Ясно, что
Р (Х i = 1)= Р i , Р (Х i = 0)= 1– Р i , i= 1, 2, … , n.
М (Х i )= 1∙Р i + 0∙(1–Р i )=Р i ,
М (Х )=М (Х 1)+М (Х 2)+ … +М (Х n )=Р 1 +Р 2 + … +Р n .
В случае «а» вероятность отказа приборов одна и та же, то есть
Р i =p , i= 1, 2, … , n .
М (Х )= np .
Этот ответ можно было получить сразу, если заметить, что случайная величина Х имеет биномиальное распределение с параметрами (n , p ).
4.10. Две игральные кости бросают одновременно два раза. Написать биномиальный закон распределения дискретной случайной величины Х – числа выпадения четного числа очков на двух игральных костях.
Решение. Пусть
А ={выпадение четного числа на первой кости},
В = {выпадение четного числа на второй кости}.
Выпадение четного числа на обеих костях при одном бросании выразится произведением АВ. Тогда
Р
(АВ
)
= Р
(А
)∙Р
(В
)
=
.
Результат второго бросания двух игральных костей не зависит от первого, поэтому применима формула Бернулли при
n = 2, р = 1/4, q = 1 – р = 3/4.
Случайная величина Х может принимать значения 0, 1, 2, вероятность которых найдем по формуле Бернулли:
Р (Х= 0) = Р 2 (0) = q 2 = 9/16,
Р
(Х=
1)
= Р
2
(1)
= С
,
р
∙q
=
6/16,
Р
(Х=
2)
= Р
2
(2)
= С
,
р
2
=
1/16.
Ряд распределения случайной величины Х:
4.11. Устройство состоит из большого числа независимо работающих элементов с одинаковой очень малой вероятностью отказа каждого элемента за время t . Найти среднее число отказавших за время t элементов, если вероятность того, что за это время откажет хотя бы один элемент, равна 0,98.
Решение. Число отказавших за время t элементов – случайная величина Х , которая распределена по закону Пуассона, поскольку число элементов велико, элементы работают независимо и вероятность отказа каждого элемента мала. Среднее число появлений события в n испытаниях равно
М (Х ) = np .
Поскольку вероятность отказа К элементов из n выражается формулой
Р
n
(К
)
,
где = np , то вероятность того, что не откажет ни один элемент за время t получим при К = 0:
Р n (0) = е - .
Поэтому вероятность противоположного события – за время t откажет хотя бы один элемент – равна 1 - е - . По условию задачи эта вероятность равна 0,98. Из уравнения
1 - е - = 0,98,
е - = 1 – 0,98 = 0,02,
отсюда = -ln 0,02 4.
Итак, за время t работы устройства откажет в среднем 4 элемента.
4.12 . Игральная кость бросается до тех пор, пока не выпадет «двойка». Найти среднее число бросаний.
Решение . Введем случайную величину Х – число испытаний, которое надо произвести, пока интересующее нас событие не наступит. Вероятность того, что Х = 1 равна вероятности того, что при одном бросании кости выпадет «двойка», т.е.
Р (Х= 1) = 1/6.
Событие Х = 2 означает, что при первом испытании «двойка» не выпала, а при втором выпала. Вероятность событияХ = 2 находим по правилу умножения вероятностей независимых событий:
Р (Х= 2) = (5/6)∙(1/6)
Аналогично,
Р (Х= 3) = (5/6) 2 ∙1/6, Р (Х= 4) = (5/6) 2 ∙1/6
и т.д. Получим ряд распределения вероятностей:
|
(5/6) к ∙1/6 |
Среднее число бросаний (испытаний) есть математическое ожидание
М (Х ) = 1∙1/6 + 2∙5/6∙1/6 + 3∙(5/6) 2 ∙1/6 + … + К (5/6) К -1 ∙1/6 + … =
1/6∙(1+2∙5/6 +3∙(5/6) 2 + … + К (5/6) К -1 + …)
Найдем сумму ряда:
К
g
К
-1
= (
g
К
)
g
.
Следовательно,
М (Х ) = (1/6) (1/ (1 – 5/6) 2 = 6.
Таким образом, нужно осуществить в среднем 6 бросаний игральной кости до тех пор, пока не выпадет «двойка».
4.13. Производятся независимые испытания с одинаковой вероятностью появления события А в каждом испытании. Найти вероятность появления события А , если дисперсия числа появлений события в трех независимых испытаниях равна 0,63.
Решение. Число появлений события в трех испытаниях является случайной величиной Х , распределенной по биномиальному закону. Дисперсия числа появлений события в независимых испытаниях (с одинаковой вероятностью появления события в каждом испытании) равна произведению числа испытаний на вероятности появления и непоявления события (задача 4.6)
D (Х ) = npq .
По условию n = 3, D (Х ) = 0,63, поэтому можно р найти из уравнения
0,63 = 3∙р (1-р ),
которое имеет два решения р 1 = 0,7 и р 2 = 0,3.
Случайной величиной называется переменная, которая может принимать те или иные значения в зависимости от различных обстоятельств, и в свою очередь, случайная величина называется дискретной , если множество её значений конечно или счётно.
Кроме дискретных случайных величин существуют также непрерывные случайные величины.
Рассмотрим более подробно понятие случайной величины. На практике часто встречаются величины, которые могут принимать некоторые значения, но нельзя достоверно предсказать, какое именно значение каждая из них примет в рассматриваемом опыте, явлении, наблюдении. Например, число мальчиков, которые родятся в Москве в ближайший день, может быть различным. Оно может быть равным нулю (не родится ни одного мальчика: родятся все девочки или вообще не будет новорождённых), одному, двум и так далее до некоторого конечного числа n . К подобным величинам относятся: масса корнеплода сахарной свеклы на участке, дальность полёта артиллерийского снаряда, количество бракованных деталей в партии и так далее. Такие величины будем называть случайными. Они характеризуют все возможные результаты опыта или наблюдения с количественной стороны.
Примерами дискретных случайных величин с конечным числом значений могут служить число родившихся детей в течение дня в населённом пункте, число пассажиров автобуса, число пассажиров, перевезённых московским метро за сутки и т. п.
Число значений дискретной случайной величины может быть и бесконечным, но счётным множеством. Но в любом случае их можно в каком-то порядке пронумеровать, или, более точно - установить взаимно-однозначное соответствие между значениями случайной величины и натуральными числами 1, 2, 3, ..., n .
Внимание: новое, очень важное понятие теории вероятностей - закон распределения
.
Пусть X
может принимать
n
значений: .
Будем считать, что они все различны (в противном случае одинаковые должны быть
объединены) и расположены в возрастающем порядке. Для полной характеристики дискретной
случайной величины должны быть заданы не только все её значения, но и верояности
,
с которыми случайная величина принимает каждое из значений, т. е. 
.
Законом распределения дискретной случайной величины называется любое правило (функция, таблица) p (x ), позволяющее находить вероятности всевозможных событий, связанных со случайной величиной (например, вероятность того, что она пример какое-то значение или попадёт в какой-то интервал).
Наиболее просто и удобно закон распределения дискретной случайной величины задавать в виде следующей таблицы:
| Значение | ... | |||
| Вероятность | ... |
Такая таблица называется рядом распределения дискретной случайной величины . В верхней строке ряда распределения перечислены в порядке возрастания все возможные значения дискретной случайной величины (иксы), а в нижней - вероятности этих значений (p ).
События 
являются несовместимыми и единственно возможными: они образуют полную систему
событий. Поэтому сумма их вероятностей равна единице:
.
Пример 1. В студенческой группе организована лотерея. Разыгрывается две вещи стоимостью по 1000 руб. и одна стоимостью по 3000 руб. Составить закон распределения суммы чистого выигрыша для студента, который приобрёл один билет за 100 руб. Всего продано 50 билетов.
Решение. Интересующая нас случайная величина X может принимать три значения: - 100 руб. (если студент не выиграет, а фактически проиграет 100 руб., уплаченные им за билет), 900 руб. и 2900 руб. (фактический выигрыш уменьшается на 100 руб. - на стоимость билета). Первому результату благоприятствуют 47 случаев из 50, второму - 2, а третьему - один. Поэтому их вероятности таковы: P (X =-100)=47/50=0,94 , P (X =900)=2/50=0,04 , P (X =2900)=1/50=0,02 .
Закон распределения дискретной случайной величины X имеет вид
| Сумма выигрыша | -100 | 900 | 2900 |
| Вероятность | 0,94 | 0,04 | 0,02 |
Функция распределения дискретной случайной величины: построение
Ряд распределения может быть построен только для дискретной случайной величины (для недискретной он не может быть построен хотя бы потому, что множество возможных значений такой случайной величины несчётно, их нельзя перечислить в верхней строке таблицы).
Наиболее общей формой закона распределения, пригодной для всех случайных величин (как дискретных, так и недискретных), является функция распределения.
Функцией распределения дискретной случайной величины
или интегральной функцией
называется функция 
,
которая определяет вероятность, что значение случайной величины X
меньше или
равно граничному значению х
.
Функция распределения любой дискретной случайной величины есть разрывная ступенчатая функция, скачки которой происходят в точках, соответствующих возможным значениям случайной величины, и равны вероятностям этих значений.
Пример 2. Дискретная случайная величина X - число очков, выпавших при бросании игральной кости. Постоить её функцию распределения.
Решение. Ряд распределения дискретной случайной величины X имеет вид:
| Значение | 1 | 2 | 3 | 4 | 5 | 6 |
| Вероятность | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 |
Функция распределения F (x ) имеет 6 скачков, равных по величине 1/6 (на рисунке внизу).
Пример 3. В урне 6 белых шаров и 4 чёрных шара. Из урны вынимают 3 шара. Число белых шаров среди вынутых шаров - дискретная случайная величина X . Составить соответствующий ей закон распределения.
X может принимать значения 0, 1, 2, 3. Соответствующие им вероятности проще всего вычислисть по правилу умножения вероятностей . Получаем следующий закон распределения дискретной случайной величины:
| Значение | 0 | 1 | 2 | 3 |
| Вероятность | 1/30 | 3/10 | 1/2 | 1/6 |
Пример 4. Составить закон распределения дискретной случайной величины - числа попаданий в цель при четырёх выстрелах, если вероятность попадания при одном выстреле равна 0,1.
Решение. Дискретная случайная величина X
может принимать пять различных
значений: 1, 2, 3, 4, 5. Соответствующие им вероятности найдём по формуле Бернулли
.
При
n = 4 ,
p = 1,1 ,
q = 1 - p = 0,9 ,
m = 0, 1, 2, 3, 4
получаем
Следовательно, закон распределения дискретной случайной величины X имеет вид
Если вероятности значений дискретной случайной величины можно определить по формуле Бернулли, то случайная величина имеет биномиальное распределение .
Если число испытаний достаточно велико, то вероятность того, что в этих испытаниях интересующее событие наступит именно m раз, подчиняется закону распределения Пуассона .
Функция распределения дискретной случайной величины: вычисление
Чтобы вычислить функцию распределения дискретной случайной величины F (х ), требуется сложить вероятности всех тех значений, которые меньше или равны граничному значению х .
Пример 5. В таблице данные о зависимости числа расторгнутых в течение года браков от длительности брака. Найти вероятность того, что очередной расторгнутый брак имел длительность менее или равную 5 годам.
| Длительность брака (лет) | Число | Вероятность | F (x ) |
| 0 | 10 | 0,002 | 0,002 |
| 1 | 80 | 0,013 | 0,015 |
| 2 | 177 | 0,029 | 0,044 |
| 3 | 209 | 0,035 | 0,079 |
| 4 | 307 | 0,051 | 0,130 |
| 5 | 335 | 0,056 | 0,186 |
| 6 | 358 | 0,060 | 0,246 |
| 7 | 413 | 0,069 | 0,314 |
| 8 | 432 | 0,072 | 0,386 |
| 9 | 402 | 0,067 | 0,453 |
| 10 и более | 3287 | 0,547 | 1,000 |
| Всего | 6010 | 1 |
Решение. Вероятности вычислены путём деления числа соответствующих расторгнутых браков на общее число 6010. Вероятность того, что очередной расторгнутый брак был длительностью в 5 лет, равна 0,056. Вероятность, что длительность очередного расторгнутого брака меньше или равна 5 годам, равна 0,186. Мы получили её, прибавив к значению F (x ) для браков с длительностью по 4 года включительно вероятность для браков с длительностью в 5 лет.
Связь закона распределения дискретной случайной величины с математическим ожиданием и дисперсией
Часто не все значения дискретной случайной величины известны, но известны некоторые значения или вероятности из ряда, а также математическое ожидание и (или) дисперсия случайной величины , которым посвящён отдельный урок.
Приведём здесь некоторые формулы из этого урока, которые могут выручить при составлении закона распределения дискретной случайной величины и разберём примеры решения таких задач.
Математическое ожидание дискретной случайной величины - сумма произведений всех возможных её значений на вероятности этих значений:
(1)
Формула дсперсии дискретной случайной величины по определению:
Часто для вычислений более удобна следующая формула дисперсии:
, (2)
где 
.
Пример 6. Дискретная случайная величина X может принимать только два значения. Меньшее значение она принимает с вероятностью p = 0,6 . Найти закон распределения дискретной случайной величины X , если известно, что её математическое ожидание и дисперсия .
Решение. Вероятность того, что случайная величина примет бОльшее значение x 2 , равна 1 − 0,6 = 4 . Используя формулу (1) математического ожидания, составим уравнение, в котором неизвестные - значения нашей дискретной случайной величины:
Используя формулу (2) дисперсии, составим другое уравнение, в котором неизвестные - также значения дискретной случайной величины:
Систему из двух полученных уравнений
решаем методом подстановки. Из первого уравнения получаем
Подставив это выражение во второе уравнение, после несложных преобразований получим квадратное уравнение
,
которое имеет два корня: 7/5 и −1 . Первый корень не отвечает условиям задачи, так как x 2 < x 1 . Таким образом, значения, которые может принимать дискретная случайная величина X по условиям нашего примера, равны x 1 = −1 и x 2 = 2 .