Տրված է x պատահական փոփոխականի բաշխման խտությունը։ Շարունակական պատահական փոփոխականի ակնկալիք
………………………………………………………
Аn - պատահական X փոփոխականը վերցրել է An արժեքը:
Ակնհայտ է, որ իրադարձությունների գումարը A1 A2, . An-ը հուսալի իրադարձություն է, քանի որ պատահական փոփոխականը պետք է վերցնի x1, x2, xn արժեքներից առնվազն մեկը։
Հետեւաբար P (A1 È A2 È . È An) = 1:
Բացի այդ, A1, A2, ., An իրադարձությունները անհամապատասխան են, քանի որ մեկ փորձի ընթացքում պատահական փոփոխականը կարող է վերցնել միայն x1, x2, ., xn արժեքներից մեկը: Օգտագործելով գումարման թեորեմը անհամատեղելի իրադարձությունների համար՝ մենք ստանում ենք
P(A1)+P(A2)+ .+P(An)=1,
այսինքն p1+p2+. +pn = 1, կամ, կարճ ասած,
Հետևաբար, 1-ին աղյուսակի երկրորդ շարքում գտնվող բոլոր թվերի գումարը, որը տալիս է X պատահական փոփոխականի բաշխման օրենքը, պետք է հավասար լինի մեկի:
ՕՐԻՆԱԿ 1. Թող պատահական X փոփոխականը լինի զառ նետելիս ստացված միավորների թիվը: Գտեք բաշխման օրենքը (աղյուսակի տեսքով):
X պատահական փոփոխականը արժեքներ է ընդունում
x1=1, x2=2, …, x6=6
հավանականությունների հետ
р1= р2 = … = р6 =
Բաշխման օրենքը տրված է աղյուսակով.
աղյուսակ 2
ՕՐԻՆԱԿ 2.Երկանդամ բաշխում. Դիտարկենք X պատահական փոփոխականը՝ A-ի դեպքերի քանակը անկախ փորձերի շարքում, որոնցից յուրաքանչյուրում A-ն տեղի է ունենում p հավանականությամբ։
Պատահական X փոփոխականն ակնհայտորեն կարող է վերցնել հետևյալ արժեքներից մեկը.
0, 1, 2, ., k, ., n.
Իրադարձության հավանականությունը, որ X պատահական փոփոխականը կընդունի k-ին հավասար արժեք, որոշվում է Բեռնուլիի բանաձևով.
Рn(k)= որտեղ q=1- р.
Պատահական փոփոխականի այս բաշխումը կոչվում է երկանդամ բաշխում կամ Բեռնուլիի բաշխում։ Բեռնուլիի բաշխումն ամբողջությամբ որոշվում է երկու պարամետրով՝ բոլոր փորձերի n թիվը և p հավանականությունը, որով իրադարձություն է տեղի ունենում յուրաքանչյուր առանձին փորձի ժամանակ:
Երկանդամ բաշխման պայմանն ունի հետևյալ ձևը.
Այս հավասարության վավերականությունն ապացուցելու համար բավական է ինքնության մեջ
(q+px)n=
դնել x=1.
ՕՐԻՆԱԿ 3.Պուասոնի բաշխում. Սա ձևի հավանականության բաշխման անվանումն է.
Р(k)= .
Այն որոշվում է մեկ (դրական) պարամետրով ա. Եթե ξ-ը Պուասոնի բաշխմամբ պատահական փոփոխական է, ապա համապատասխան a պարամետրը այս պատահական փոփոխականի միջին արժեքն է.
a=Mξ=, որտեղ M-ը մաթեմատիկական ակնկալիքն է:
Պատահական փոփոխականը հետևյալն է.
ՕՐԻՆԱԿ 4.Էքսպոնենցիալ բաշխում.
Եթե ժամանակը պատահական փոփոխական է, եկեք այն նշանակենք τ-ով այնպես, որ
որտեղ 0<λ=const, t ³ 0, причем, если t=0, то P(t)=0.
t պատահական փոփոխականի միջին արժեքը հետևյալն է.
Բաշխման խտությունը ունի հետևյալ ձևը.
4) նորմալ բաշխում
Թող լինեն անկախ, նույնականորեն բաշխված պատահական փոփոխականներ և թող Եթե անդամները բավականաչափ փոքր են, և n թիվը բավականաչափ մեծ է, եթե n à ∞-ի համար Mξ պատահական փոփոխականի մաթեմատիկական ակնկալիքը և Dξ շեղումը հավասար է Dξ=M(ξ–Mξ)2-ին, այնպիսին են, որ Mξ~a, Dξ. ~ σ2, ապա
- նորմալ կամ գաուսյան բաշխում
.
5) երկրաչափական բաշխում. Եկեք ξ-ով նշենք առաջին «հաջողության» սկզբին նախորդող փորձությունների թիվը։ Եթե ենթադրենք, որ յուրաքանչյուր թեստ տևում է ժամանակի միավոր, ապա ξ կարող ենք համարել սպասման ժամանակը մինչև առաջին «հաջողությունը»: Բաշխումը նման է.
Р(k)=p(1-p)k, (k=0, 1, 2) p>0
6) Հիպերերկրաչափական բաշխում.
Կան N օբյեկտ, որոնցից n-ն «հատուկ օբյեկտներ» են։ Բոլոր օբյեկտներից պատահականորեն ընտրվում են k-օբյեկտները: Գտեք հավանականությունը, որ ընտրված օբյեկտների մեջ կան r-ին հավասար՝ «հատուկ օբյեկտներ»: Բաշխումը նման է.
7) Պասկալի բաշխում.
Թող x լինի r-րդ «հաջողության» ժամանումին նախորդող «ձախողումների» ընդհանուր թիվը: Բաշխումը նման է.
Բաշխման ֆունկցիան ունի հետևյալ ձևը.
Հավասար հավանականության բաշխումը ենթադրում է, որ պատահական x փոփոխականը կարող է ընդունել ցանկացած արժեք հավասար հավանականությամբ: Բաշխման խտությունը հաշվարկվում է որպես
Բաշխման խտության գրաֆիկները և բաշխման ֆունկցիան ներկայացված են ստորև:
Նախքան «սպիտակ աղմուկ» հասկացությունը բացատրելը, անհրաժեշտ է տալ մի շարք սահմանումներ.
Պատահական ֆունկցիան t ոչ պատահական արգումենտի ֆունկցիա է, որը փաստարկի յուրաքանչյուր ֆիքսված արժեքի համար պատահական փոփոխական է։ Օրինակ, եթե U-ը պատահական փոփոխական է, ապա X(t)=t2U ֆունկցիան պատահական է։
Պատահական ֆունկցիայի խաչմերուկը պատահական փոփոխական է, որը համապատասխանում է պատահական ֆունկցիայի փաստարկի ֆիքսված արժեքին։ Այսպիսով, պատահական ֆունկցիան կարող է դիտվել որպես պատահական փոփոխականների բազմություն (X(t))՝ կախված t պարամետրից։
Պատահական փոփոխական փոփոխական է, որը կարող է որոշակի արժեքներ ընդունել՝ կախված տարբեր հանգամանքներից, և պատահական փոփոխականը կոչվում է շարունակական , եթե այն կարող է վերցնել ցանկացած արժեք ցանկացած սահմանափակ կամ անսահմանափակ միջակայքից: Շարունակական պատահական փոփոխականի համար անհնար է նշել բոլոր հնարավոր արժեքները, ուստի մենք նշում ենք այդ արժեքների միջակայքերը, որոնք կապված են որոշակի հավանականությունների հետ:
Շարունակական պատահական փոփոխականների օրինակները ներառում են. տրված չափի տրամագիծը, մարդու բարձրությունը, արկի թռիչքի տիրույթը և այլն:
Քանի որ շարունակական պատահական փոփոխականների համար ֆունկցիան Ֆ(x), ի տարբերություն դիսկրետ պատահական փոփոխականներ, ոչ մի տեղ թռիչքներ չունի, ապա շարունակական պատահական փոփոխականի ցանկացած անհատական արժեքի հավանականությունը զրո է։
Սա նշանակում է, որ շարունակական պատահական փոփոխականի համար անիմաստ է խոսել դրա արժեքների միջև հավանականության բաշխման մասին. դրանցից յուրաքանչյուրն ունի զրոյական հավանականություն։ Այնուամենայնիվ, ինչ-որ իմաստով, շարունակական պատահական փոփոխականի արժեքների թվում կան «ավելի ու քիչ հավանական»: Օրինակ, դժվար թե որևէ մեկը կասկածի, որ պատահական փոփոխականի արժեքը՝ պատահական հանդիպած մարդու հասակը, 170 սմ, ավելի հավանական է, քան 220 սմ, չնայած երկու արժեքներն էլ կարող են լինել գործնականում:
Շարունակական պատահական փոփոխականի բաշխման ֆունկցիա և հավանականության խտություն
Որպես բաշխման օրենք, որն իմաստ ունի միայն շարունակական պատահական փոփոխականների համար, ներկայացվում է բաշխման խտության կամ հավանականության խտության հասկացությունը։ Եկեք մոտենանք դրան՝ համեմատելով բաշխման ֆունկցիայի նշանակությունը շարունակական պատահական փոփոխականի և դիսկրետ պատահական փոփոխականի համար։
Այսպիսով, պատահական փոփոխականի բաշխման ֆունկցիան (ինչպես դիսկրետ, այնպես էլ շարունակական) կամ ինտեգրալ ֆունկցիակոչվում է ֆունկցիա, որը որոշում է պատահական փոփոխականի արժեքի հավանականությունը Xսահմանային արժեքից փոքր կամ հավասար X.
Դիսկրետ պատահական փոփոխականի համար իր արժեքների կետերում x1 , x 2 , ..., xես,...հավանականությունների զանգվածները կենտրոնացած են էջ1 , էջ 2 , ..., էջես,..., և բոլոր զանգվածների գումարը հավասար է 1-ի։ Եկեք այս մեկնաբանությունը տեղափոխենք շարունակական պատահական փոփոխականի դեպք։ Պատկերացնենք, որ 1-ին հավասար զանգվածը կենտրոնացած չէ առանձին կետերում, այլ շարունակաբար «քսվում» է աբսցիսայի առանցքի երկայնքով. Օ՜որոշ անհավասար խտությամբ: Պատահական փոփոխականի ցանկացած տարածքի մեջ ընկնելու հավանականությունը xկմեկնաբանվի որպես զանգված մեկ հատվածում, իսկ միջին խտությունը այդ հատվածում որպես զանգվածի և երկարության հարաբերակցություն: Մենք հենց նոր ներմուծեցինք հավանականության տեսության մի կարևոր հայեցակարգ՝ բաշխման խտությունը։
Հավանականության խտությունը զ(x) շարունակական պատահական փոփոխականի բաշխման ֆունկցիայի ածանցյալն է.
.
Իմանալով խտության ֆունկցիան՝ կարող եք գտնել այն հավանականությունը, որ շարունակական պատահական փոփոխականի արժեքը պատկանում է փակ միջակայքին [ ա; բ]:
շարունակական պատահական փոփոխականի հավանականությունը Xցանկացած արժեք կվերցնի միջակայքից [ ա; բ], հավասար է նրա հավանականության խտության որոշակի ինտեգրալին՝ սկսած անախքան բ:
.
Այս դեպքում ֆունկցիայի ընդհանուր բանաձեւը Ֆ(x) շարունակական պատահական փոփոխականի հավանականության բաշխում, որը կարող է օգտագործվել, եթե հայտնի է խտության ֆունկցիան զ(x) :
.
Շարունակական պատահական փոփոխականի հավանականության խտության գրաֆիկը կոչվում է դրա բաշխման կոր (ստորև նկարը):
Ֆիգուրի տարածքը (նկարում ստվերված) սահմանափակված կորով, կետերից գծված ուղիղ գծերով աԵվ բ x-առանցքին ուղղահայաց, իսկ առանցքը Օ՜, գրաֆիկորեն ցուցադրում է շարունակական պատահական փոփոխականի արժեքը X-ի սահմաններում է անախքան բ.
Շարունակական պատահական փոփոխականի հավանականության խտության ֆունկցիայի հատկությունները
1. Հավանականությունը, որ պատահական փոփոխականը ցանկացած արժեք կվերցնի միջակայքից (և այն գործչի տարածքը, որը սահմանափակվում է ֆունկցիայի գրաֆիկով. զ(x) և առանցք Օ՜) հավասար է մեկի.
2. Հավանականության խտության ֆունկցիան չի կարող բացասական արժեքներ ընդունել.
իսկ բաշխման գոյությունից դուրս դրա արժեքը զրո է
Բաշխման խտությունը զ(x), ինչպես նաև բաշխման ֆունկցիան Ֆ(x), բաշխման օրենքի ձևերից մեկն է, բայց ի տարբերություն բաշխման ֆունկցիայի, այն ունիվերսալ չէ. բաշխման խտությունը գոյություն ունի միայն շարունակական պատահական փոփոխականների համար։
Եկեք նշենք գործնականում շարունակական պատահական փոփոխականի բաշխման երկու կարևորագույն տեսակները։
Եթե բաշխման խտության ֆունկցիան զ(x) շարունակական պատահական փոփոխական որոշ վերջավոր միջակայքում [ ա; բ] ընդունում է հաստատուն արժեք Գ, իսկ միջակայքից դուրս վերցնում է զրոյի հավասար արժեք, ապա սա բաշխումը կոչվում է միատեսակ .
Եթե բաշխման խտության ֆունկցիայի գրաֆիկը կենտրոնի նկատմամբ սիմետրիկ է, միջին արժեքները կենտրոնանում են կենտրոնի մոտ, իսկ կենտրոնից հեռանալիս հավաքվում են միջինից ավելի տարբերները (ֆունկցիայի գրաֆիկը նման է մի հատվածի. զանգ), ապա սա բաշխումը կոչվում է նորմալ .
Օրինակ 1.Շարունակական պատահական փոփոխականի հավանականության բաշխման ֆունկցիան հայտնի է.
Գտեք գործառույթը զ(x) շարունակական պատահական փոփոխականի հավանականության խտությունը. Կառուցեք երկու ֆունկցիաների գրաֆիկները: Գտեք հավանականությունը, որ շարունակական պատահական փոփոխականը ցանկացած արժեք կընդունի 4-ից 8-ի միջակայքում:
Լուծում. Մենք ստանում ենք հավանականության խտության ֆունկցիան՝ գտնելով հավանականության բաշխման ֆունկցիայի ածանցյալը.
Ֆունկցիայի գրաֆիկ Ֆ(x) - պարաբոլա.
Ֆունկցիայի գրաֆիկ զ(x) - ուղիղ:
Եկեք գտնենք հավանականությունը, որ շարունակական պատահական փոփոխականը ցանկացած արժեք կընդունի 4-ից 8-ի միջակայքում:
Օրինակ 2.Շարունակական պատահական փոփոխականի հավանականության խտության ֆունկցիան տրված է հետևյալ կերպ.
Հաշվել գործակիցը Գ. Գտեք գործառույթը Ֆ(x) շարունակական պատահական փոփոխականի հավանականության բաշխում. Կառուցեք երկու ֆունկցիաների գրաֆիկները: Գտեք հավանականությունը, որ շարունակական պատահական փոփոխականը ցանկացած արժեք կընդունի 0-ից 5 միջակայքում:
Լուծում. Գործակից ԳՄենք գտնում ենք, օգտագործելով հավանականության խտության ֆունկցիայի հատկությունը 1.
Այսպիսով, շարունակական պատահական փոփոխականի հավանականության խտության ֆունկցիան հետևյալն է.
Ինտեգրվելով՝ մենք գտնում ենք ֆունկցիան Ֆ(x) հավանականությունների բաշխումներ. Եթե x < 0 , то Ֆ(x) = 0. Եթե 0< x < 10 , то
.
x> 10, ապա Ֆ(x) = 1 .
Այսպիսով, հավանականության բաշխման ֆունկցիայի ամբողջական գրառումը հետևյալն է.
Ֆունկցիայի գրաֆիկ զ(x) :
Ֆունկցիայի գրաֆիկ Ֆ(x) :
Եկեք գտնենք հավանականությունը, որ շարունակական պատահական փոփոխականը ցանկացած արժեք կընդունի 0-ից 5-ի միջակայքում.
Օրինակ 3.Շարունակական պատահական փոփոխականի հավանականության խտությունը Xտրված է հավասարությամբ և . Գտեք գործակիցը Ա, հավանականությունը, որ շարունակական պատահական փոփոխական է Xցանկացած արժեք կվերցնի ]0, 5[ միջակայքից՝ շարունակական պատահական փոփոխականի բաշխման ֆունկցիան X.
Լուծում. Պայմանով մենք հասնում ենք հավասարության
Հետևաբար, որտեղից. Այսպիսով,
.
Այժմ մենք գտնում ենք շարունակական պատահական փոփոխականի հավանականությունը Xցանկացած արժեք կվերցնի ]0, 5[:
Այժմ մենք ստանում ենք այս պատահական փոփոխականի բաշխման ֆունկցիան.
Օրինակ 4.Գտե՛ք շարունակական պատահական փոփոխականի հավանականության խտությունը X, որն ընդունում է միայն ոչ բացասական արժեքներ, և դրա բաշխման ֆունկցիան .
Վարժություն 1. Շարունակական պատահական X փոփոխականի բաշխման խտությունը ունի հետևյալ ձևը.Գտնել.
ա) պարամետր A;
բ) բաշխման ֆունկցիա F(x) ;
գ) պատահական X փոփոխականի՝ միջակայքում ընկնելու հավանականությունը.
դ) մաթեմատիկական ակնկալիք MX և շեղում DX:
Գծե՛ք f(x) և F(x) ֆունկցիաների գրաֆիկը:
Առաջադրանք 2. Գտե՛ք ինտեգրալ ֆունկցիայի կողմից տրված պատահական X փոփոխականի շեղումը:
Առաջադրանք 3. Գտե՛ք X պատահական փոփոխականի մաթեմատիկական ակնկալիքը՝ հաշվի առնելով բաշխման ֆունկցիան:
Առաջադրանք 4. Որոշ պատահական փոփոխականի հավանականության խտությունը տրված է հետևյալ կերպ. f(x) = A/x 4 (x = 1; +∞)
Գտեք A գործակիցը, բաշխման ֆունկցիան F(x), մաթեմատիկական ակնկալիքը և շեղումը, ինչպես նաև հավանականությունը, որ պատահական փոփոխականը արժեք կընդունի միջակայքում: Գծե՛ք f(x) և F(x) գրաֆիկները:
Առաջադրանք. Որոշ շարունակական պատահական փոփոխականի բաշխման ֆունկցիան տրված է հետևյալ կերպ.
Որոշեք a և b պարամետրերը, գտեք f(x) հավանականության խտության արտահայտությունը, մաթեմատիկական ակնկալիքը և շեղումը, ինչպես նաև այն հավանականությունը, որ պատահական փոփոխականը արժեք կընդունի միջակայքում: Գծե՛ք f(x) և F(x) գրաֆիկները:
Գտնենք բաշխման խտության ֆունկցիան որպես բաշխման ֆունկցիայի ածանցյալ։
F′=f(x)=a
Իմանալով, որ մենք կգտնենք a պարամետրը.
կամ 3a=1, որտեղից a = 1/3
Մենք գտնում ենք b պարամետրը հետևյալ հատկություններից.
F(4) = a*4 + b = 1
1/3*4 + b = 1 որտեղից b = -1/3
Հետևաբար բաշխման ֆունկցիան ունի ձև՝ F(x) = (x-1)/3
Ցրվածություն.
1 / 9 4 3 - (1 / 9 1 3) - (5 / 2) 2 = 3 / 4
Գտնենք հավանականությունը, որ պատահական փոփոխականը արժեք կընդունի միջակայքում
P(2< x< 3) = F(3) – F(2) = (1/3*3 - 1/3) - (1/3*2 - 1/3) = 1/3
Օրինակ թիվ 1. Տրված է անընդհատ պատահական X փոփոխականի հավանականության բաշխման խտությունը f(x): Պահանջվում է:
- Որոշել գործակից Ա.
- գտնել բաշխման ֆունկցիան F(x) .
- Սխեմատիկորեն կառուցեք F(x) և f(x) գրաֆիկները:
- գտե՛ք X-ի մաթեմատիկական ակնկալիքը և շեղումը:
- գտե՛ք հավանականությունը, որ X-ը արժեք կվերցնի (2;3) միջակայքից:
Լուծում:
Պատահական X փոփոխականը նշվում է f(x) բաշխման խտությամբ.
Գտնենք Ա պարամետրը պայմանից.
կամ
14/3*A-1 = 0
Որտեղ,
A = 3/14
Բաշխման գործառույթը կարելի է գտնել բանաձևով.
Պատահական ՓՈՓՈԽԱԿԱՆՆԵՐ
Օրինակ 2.1.Պատահական արժեք Xտրված է բաշխման ֆունկցիայով
Գտեք հավանականությունը, որ թեստի արդյունքում Xկվերցնի արժեքներ, որոնք պարունակվում են միջակայքում (2.5; 3.6):
Լուծում: Xմիջակայքում (2.5; 3.6) կարելի է որոշել երկու եղանակով.
Օրինակ 2.2.Պարամետրերի ինչ արժեքներով ԱԵվ INֆունկցիան Ֆ(x) = A + Be - xկարող է լինել բաշխման ֆունկցիա պատահական փոփոխականի ոչ բացասական արժեքների համար X.
Լուծում:Քանի որ պատահական փոփոխականի բոլոր հնարավոր արժեքները Xպատկանում են միջակայքին, ապա որպեսզի ֆունկցիան լինի բաշխման ֆունկցիա X, գույքը պետք է բավարարվի.
.
Պատասխան. .
Օրինակ 2.3. X պատահական փոփոխականը նշվում է բաշխման ֆունկցիայի միջոցով
Գտե՛ք այն հավանականությունը, որ չորս անկախ թեստերի արդյունքում արժեքը Xուղիղ 3 անգամ կվերցնի միջակայքին պատկանող արժեք (0,25;0,75):
Լուծում:Արժեքին հարվածելու հավանականությունը Xմիջակայքում (0.25;0.75) մենք գտնում ենք՝ օգտագործելով բանաձևը.
Օրինակ 2.4.Մեկ հարվածով գնդակի զամբյուղին դիպչելու հավանականությունը 0,3 է։ Կազմեք բաշխման օրենք երեք նետումներով հարվածների քանակի համար:
Լուծում:Պատահական արժեք X– զամբյուղում երեք հարվածներով հարվածների քանակը – կարող է ընդունել հետևյալ արժեքները՝ 0, 1, 2, 3: Հավանականություններ, որոնք X
X:
Օրինակ 2.5.Երկու հրաձիգներից յուրաքանչյուրը կրակում է թիրախի վրա: Առաջին կրակողի կողմից դրան խոցելու հավանականությունը 0,5 է, երկրորդինը՝ 0,4։ Կազմեք բաշխման օրենք թիրախին հարվածների քանակի համար:
Լուծում:Գտնենք դիսկրետ պատահական փոփոխականի բաշխման օրենքը X- թիրախին հարվածների քանակը: Թող իրադարձությունը լինի թիրախին դիպչող առաջին կրակողը, և լինի թիրախը խոցող երկրորդը և համապատասխանաբար լինի նրանց բաց թողածը:
Կազմենք SV-ի հավանականության բաշխման օրենքը X:
Օրինակ 2.6.Փորձարկվում են երեք տարրեր, որոնք գործում են միմյանցից անկախ: Տարրերի առանց խափանումների շահագործման ժամանակի (ժամերով) տևողությունը ունի բաշխման խտության ֆունկցիա՝ առաջինի համար. Ֆ 1 (տ) =1-էլ. 0,1 տ, երկրորդի համար. Ֆ 2 (տ) = 1-էլ. 0,2 տ, երրորդի համար. Ֆ 3 (տ) =1-էլ. 0,3 տ. Գտեք հավանականությունը, որ 0-ից 5 ժամ ժամանակային միջակայքում միայն մեկ տարր կխափանվի. միայն երկու տարր չի հաջողվի. բոլոր երեք տարրերը ձախողվելու են:
Լուծում:Եկեք օգտագործենք հավանականության գեներացնող ֆունկցիայի սահմանումը.
Հավանականությունը, որ անկախ փորձարկումներում, որոնցից առաջինում՝ իրադարձության տեղի ունենալու հավանականությունը Ահավասար է , երկրորդում և այլն, իրադարձությանը Ահայտնվում է ուղիղ մեկ անգամ, հավասար է գեներացնող ֆունկցիայի ընդլայնման գործակցին . Եկեք գտնենք առաջին, երկրորդ և երրորդ տարրի, համապատասխանաբար, ձախողման և չխափանման հավանականությունը 0-ից 5 ժամ ժամանակային միջակայքում.
Եկեք ստեղծենք գեներացնող ֆունկցիա.
at գործակիցը հավասար է իրադարձության հավանականությանը Ակհայտնվի ուղիղ երեք անգամ, այսինքն, բոլոր երեք տարրերի ձախողման հավանականությունը. at գործակիցը հավասար է այն հավանականությանը, որ ճիշտ երկու տարր կխափանվեն. at գործակիցը հավասար է միայն մեկ տարրի ձախողման հավանականությանը:
Օրինակ 2.7.Հաշվի առնելով հավանականության խտությունը զ(x) պատահական փոփոխական X:
Գտեք բաշխման ֆունկցիան F(x):
Լուծում:Մենք օգտագործում ենք բանաձևը.
.
Այսպիսով, բաշխման ֆունկցիան ունի հետևյալ տեսքը.
Օրինակ 2.8.Սարքը բաղկացած է երեք անկախ գործող տարրերից. Մեկ փորձի ժամանակ յուրաքանչյուր տարրի ձախողման հավանականությունը 0,1 է: Կազմեք բաշխման օրենք մեկ փորձի ընթացքում ձախողված տարրերի քանակի համար:
Լուծում:Պատահական արժեք X- մեկ փորձի ընթացքում ձախողված տարրերի թիվը կարող է վերցնել հետևյալ արժեքները՝ 0, 1, 2, 3: Հավանականություններ, որոնք Xհաշվի առնելով այս արժեքները, մենք գտնում ենք, օգտագործելով Բեռնուլիի բանաձևը.
Այսպիսով, մենք ստանում ենք պատահական փոփոխականի հավանականության բաշխման հետևյալ օրենքը X:
Օրինակ 2.9. 6 մասից բաղկացած խմբաքանակում կա 4 ստանդարտ: Պատահականության սկզբունքով ընտրվել է 3 մաս։ Կազմեք բաշխման օրենք ընտրվածների մեջ ստանդարտ մասերի քանակի համար:
Լուծում:Պատահական արժեք X– ընտրվածների մեջ ստանդարտ մասերի քանակը – կարող է վերցնել հետևյալ արժեքները՝ 1, 2, 3 և ունի հիպերերկրաչափական բաշխում: Հավանականություններ, որ X
Որտեղ -- խմբաքանակի մասերի քանակը;
-- ստանդարտ մասերի քանակը խմբաքանակում;
– ընտրված մասերի քանակը;
-- ընտրվածների մեջ ստանդարտ մասերի քանակը:
.
.
.
Օրինակ 2.10.Պատահական փոփոխականն ունի բաշխման խտություն
և հայտնի չեն, բայց, ա և. Գտեք և.
Լուծում:Այս դեպքում պատահական փոփոխականը Xունի եռանկյուն բաշխում (Սիմփսոնի բաշխում) միջակայքում [ ա, բ]. Թվային բնութագրեր X:
Հետևաբար, . Այս համակարգը լուծելով՝ մենք ստանում ենք երկու զույգ արժեք՝ . Քանի որ, ըստ խնդրի պայմանների, վերջապես ունենք. .
Պատասխան. .
Օրինակ 2.11.Միջին հաշվով, պայմանագրերի 10%-ից ցածր, ապահովագրական ընկերությունը վճարում է ապահովագրական գումարներ՝ կապված ապահովագրական դեպքի առաջացման հետ: Հաշվարկեք նման պայմանագրերի թվի մաթեմատիկական ակնկալիքը և ցրվածությունը պատահականորեն ընտրված չորս պայմանագրերի միջև:
Լուծում:Մաթեմատիկական ակնկալիքը և շեղումը կարելի է գտնել՝ օգտագործելով բանաձևերը.
.
SV-ի հնարավոր արժեքները (պայմանագրերի քանակը (չորսից) ապահովագրական դեպքի առաջացման դեպքում՝ 0, 1, 2, 3, 4:
Մենք օգտագործում ենք Բեռնուլիի բանաձևը տարբեր թվով պայմանագրերի (չորսից) հավանականությունները հաշվարկելու համար, որոնց համար վճարվել են ապահովագրական գումարները.
.
IC բաշխման շարքը (ապահովագրված իրադարձության առաջացման պայմանագրերի քանակը) ունի ձև.
0,6561 | 0,2916 | 0,0486 | 0,0036 | 0,0001 |
Պատասխան՝ , .
Օրինակ 2.12.Հինգ վարդերից երկուսը սպիտակ են։ Կազմե՛ք պատահական փոփոխականի բաշխման օրենքը, որն արտահայտում է սպիտակ վարդերի քանակը միաժամանակ երկուսի միջև:
Լուծում:Երկու վարդերի ընտրության մեջ կարող է լինել կամ սպիտակ վարդ, կամ կարող է լինել մեկ կամ երկու սպիտակ վարդ: Հետևաբար, պատահական փոփոխականը Xկարող է արժեքներ վերցնել՝ 0, 1, 2. Հավանականություններ, որ Xվերցնելով այս արժեքները, մենք գտնում ենք այն բանաձևով.
Որտեղ -- վարդերի քանակը;
-- սպիտակ վարդերի քանակը;
– միաժամանակ վերցված վարդերի քանակը;
-- վերցվածների մեջ սպիտակ վարդերի թիվը.
.
.
.
Այնուհետև պատահական փոփոխականի բաշխման օրենքը կլինի հետևյալը.
Օրինակ 2.13.Հավաքված 15 միավորներից 6-ը պահանջում են լրացուցիչ քսում: Կազմեք բաշխման օրենք ընդհանուր թվից պատահականորեն ընտրված հինգ միավորների համար, որոնք լրացուցիչ քսելու կարիք ունեն:
Լուծում:Պատահական արժեք X– ընտրված հինգի մեջ լրացուցիչ քսում պահանջող միավորների թիվը – կարող է վերցնել հետևյալ արժեքները՝ 0, 1, 2, 3, 4, 5 և ունի հիպերերկրաչափական բաշխում: Հավանականություններ, որ Xվերցնելով այս արժեքները, մենք գտնում ենք այն բանաձևով.
Որտեղ -- հավաքված միավորների քանակը;
-- միավորների քանակը, որոնք պահանջում են լրացուցիչ քսում.
– ընտրված միավորների քանակը;
-- ընտրվածների մեջ լրացուցիչ քսում պահանջող միավորների քանակը:
.
.
.
.
.
.
Այնուհետև պատահական փոփոխականի բաշխման օրենքը կլինի հետևյալը.
Օրինակ 2.14.Վերանորոգման համար ստացված 10 ժամացույցներից 7-ը պահանջում են մեխանիզմի ընդհանուր մաքրում։ Ժամացույցները դասավորված չեն ըստ վերանորոգման։ Վարպետը, ցանկանալով գտնել մաքրման կարիք ունեցող ժամացույցներ, հերթով զննում է դրանք և, գտնելով այդպիսի ժամացույցներ, դադարեցնում է հետագա դիտումը։ Գտեք դիտված ժամերի թվի մաթեմատիկական ակնկալիքը և շեղումը:
Լուծում:Պատահական արժեք X– ընտրված հինգի մեջ լրացուցիչ քսելու կարիք ունեցող միավորների թիվը կարող է վերցնել հետևյալ արժեքները՝ 1, 2, 3, 4: Հավանականություններ, որոնք Xվերցնելով այս արժեքները, մենք գտնում ենք այն բանաձևով.
.
.
.
.
Այնուհետև պատահական փոփոխականի բաշխման օրենքը կլինի հետևյալը.
Հիմա եկեք հաշվարկենք քանակի թվային բնութագրերը.
Պատասխան՝ , .
Օրինակ 2.15.Բաժանորդը մոռացել է իրեն անհրաժեշտ հեռախոսահամարի վերջին թվանշանը, բայց հիշում է, որ այն կենտ է։ Գտեք այն թվի մաթեմատիկական ակնկալիքն ու շեղումը, թե քանի անգամ նա հավաքում է հեռախոսահամարը մինչև ցանկալի համարին հասնելը, եթե նա պատահականորեն հավաքում է վերջին թվանշանը և այնուհետև չի հավաքում հավաքած թվանշանը:
Լուծում:Պատահական փոփոխականը կարող է վերցնել հետևյալ արժեքները. Քանի որ բաժանորդը ապագայում չի հավաքում հավաքած թվանշանը, այդ արժեքների հավանականությունը հավասար է:
Եկեք կազմենք պատահական փոփոխականի բաշխման շարք.
0,2 |
Եկեք հաշվարկենք հավաքման փորձերի թվի մաթեմատիկական ակնկալիքը և շեղումը.
Պատասխան՝ , .
Օրինակ 2.16.Սերիայի յուրաքանչյուր սարքի հուսալիության փորձարկման ժամանակ ձախողման հավանականությունը հավասար է էջ. Որոշեք սարքերի քանակի մաթեմատիկական ակնկալիքը, որոնք ձախողվել են, եթե դրանք փորձարկվեն Նսարքեր.
Լուծում:Դիսկրետ պատահական X փոփոխականը ձախողված սարքերի թիվն է Նանկախ թեստեր, որոնցից յուրաքանչյուրում ձախողման հավանականությունը հավասար է p,բաշխված ըստ երկանդամ օրենքի. Երկանդամ բաշխման մաթեմատիկական ակնկալիքը հավասար է փորձությունների թվին, որը բազմապատկվում է մեկ փորձության ընթացքում իրադարձության տեղի ունենալու հավանականությամբ.
Օրինակ 2.17.Դիսկրետ պատահական փոփոխական Xվերցնում է 3 հնարավոր արժեք՝ հավանականությամբ ; հավանականությամբ և հավանականությամբ։ Գտեք և, իմանալով, որ M( X) = 8.
Լուծում:Մենք օգտագործում ենք մաթեմատիկական ակնկալիքի սահմանումները և դիսկրետ պատահական փոփոխականի բաշխման օրենքը.
Մենք գտնում ենք.
Օրինակ 2.18.Տեխնիկական հսկողության բաժինը ստուգում է արտադրանքի ստանդարտությունը: Արտադրանքի ստանդարտ լինելու հավանականությունը 0,9 է։ Յուրաքանչյուր խմբաքանակ պարունակում է 5 ապրանք: Գտեք պատահական փոփոխականի մաթեմատիկական ակնկալիքը X– խմբաքանակների քանակը, որոնցից յուրաքանչյուրը պարունակում է ուղիղ 4 ստանդարտ արտադրանք, եթե 50 խմբաքանակը ենթակա է ստուգման:
Լուծում:Այս դեպքում անցկացված բոլոր փորձերը անկախ են, և հավանականությունը, որ յուրաքանչյուր խմբաքանակ պարունակում է ճշգրիտ 4 ստանդարտ արտադրանք, նույնն են, հետևաբար, մաթեմատիկական ակնկալիքը կարող է որոշվել բանաձևով.
,
որտեղ է կուսակցությունների թիվը;
Հավանականությունը, որ խմբաքանակը պարունակում է ուղիղ 4 ստանդարտ արտադրանք:
Մենք գտնում ենք հավանականությունը՝ օգտագործելով Բեռնուլիի բանաձևը.
Պատասխան. .
Օրինակ 2.19.Գտեք պատահական փոփոխականի շեղումը X- իրադարձության դեպքերի քանակը Աերկու անկախ փորձարկումներում, եթե այս փորձարկումներում տեղի ունեցող իրադարձության հավանականությունը նույնն է, և հայտնի է, որ Մ(X) = 0,9.
Լուծում:Խնդիրը կարող է լուծվել երկու ճանապարհով.
1) SV-ի հնարավոր արժեքները X 0, 1, 2: Օգտագործելով Բերնուլիի բանաձևը, մենք որոշում ենք այս իրադարձությունների հավանականությունը.
, , .
Հետո բաշխման օրենքը Xունի ձև.
Մաթեմատիկական ակնկալիքի սահմանումից մենք որոշում ենք հավանականությունը.
Գտնենք ՍՎ-ի ցրվածությունը X:
.
2) Դուք կարող եք օգտագործել բանաձևը.
.
Պատասխան. .
Օրինակ 2.20.Սովորաբար բաշխված պատահական փոփոխականի ակնկալիքը և ստանդարտ շեղումը Xհամապատասխանաբար հավասար է 20-ի և 5-ի.Գտե՛ք հավանականությունը, որ թեստի արդյունքում Xկվերցնի (15; 25) միջակայքում պարունակվող արժեքը:
Լուծում:Նորմալ պատահական փոփոխականին հարվածելու հավանականությունը X-ից մինչև հատվածի վրա արտահայտվում է Լապլասի ֆունկցիայի միջոցով.
Օրինակ 2.21.Տրված գործառույթ.
Պարամետրի ինչ արժեքով Գայս ֆունկցիան որոշ շարունակական պատահական փոփոխականի բաշխման խտությունն է X? Գտեք պատահական փոփոխականի մաթեմատիկական ակնկալիքը և շեղումը X.
Լուծում:Որպեսզի ֆունկցիան լինի որոշ պատահական փոփոխականի բաշխման խտությունը, այն պետք է լինի ոչ բացասական և պետք է բավարարի հատկությունը.
.
Հետևաբար.
Հաշվարկենք մաթեմատիկական ակնկալիքը՝ օգտագործելով բանաձևը.
.
Եկեք հաշվարկենք շեղումը բանաձևով.
T-ն հավասար է էջ. Անհրաժեշտ է գտնել այս պատահական փոփոխականի մաթեմատիկական ակնկալիքն ու շեղումը։
Լուծում:Դիսկրետ պատահական X փոփոխականի բաշխման օրենքը - անկախ փորձարկումներում իրադարձության դեպքերի թիվը, որոնցից յուրաքանչյուրում իրադարձության տեղի ունենալու հավանականությունը հավասար է, կոչվում է երկանդամ: Երկանդամ բաշխման մաթեմատիկական ակնկալիքը հավասար է փորձությունների քանակի և մեկ փորձության ընթացքում Ա իրադարձության առաջացման հավանականության արտադրյալին.
.
Օրինակ 2.25.Երեք անկախ կրակոց է արձակվում թիրախի ուղղությամբ։ Յուրաքանչյուր կրակոց խփելու հավանականությունը 0,25 է։ Որոշեք հարվածների քանակի ստանդարտ շեղումը երեք կրակոցով:
Լուծում:Քանի որ կատարվում են երեք անկախ փորձարկումներ, և յուրաքանչյուր փորձարկումում A իրադարձության (հարված) առաջանալու հավանականությունը նույնն է, մենք կենթադրենք, որ դիսկրետ պատահական X փոփոխականը՝ թիրախին հարվածների քանակը, բաշխվում է ըստ երկանդամ օրենք.
Երկանդամ բաշխման շեղումը հավասար է փորձարկումների քանակի և մեկ փորձության մեջ իրադարձության առաջանալու և չպատահելու հավանականության արտադրյալին.
Օրինակ 2.26. 10 րոպեում ապահովագրական ընկերություն այցելող հաճախորդների միջին թիվը երեքն է։ Գտեք հավանականությունը, որ առնվազն մեկ հաճախորդ կգա առաջիկա 5 րոպեների ընթացքում:
5 րոպեում ժամանող հաճախորդների միջին թիվը. . .
Օրինակ 2.29.Ծրագրի սպասման ժամանակը պրոցեսորի հերթում ենթարկվում է էքսպոնենցիալ բաշխման օրենքին, որի միջին արժեքը 20 վայրկյան է: Գտեք հավանականությունը, որ հաջորդ (պատահական) հարցումը կսպասի պրոցեսորին ավելի քան 35 վայրկյան:
Լուծում:Այս օրինակում մաթեմատիկական ակնկալիքը , և ձախողման մակարդակը հավասար է.
Այնուհետև ցանկալի հավանականությունը.
Օրինակ 2.30. 15 ուսանողներից բաղկացած խումբը հանդիպում է անցկացնում 20 շարքով 10-ական տեղանոց դահլիճում: Յուրաքանչյուր ուսանող պատահականորեն տեղ է գրավում դահլիճում: Որքա՞ն է հավանականությունը, որ շարքի յոթերորդ տեղում կլինի ոչ ավելի, քան երեք հոգի։
Լուծում:
Օրինակ 2.31.
Այնուհետև, ըստ հավանականության դասական սահմանման.
Որտեղ -- խմբաքանակի մասերի քանակը;
-- խմբաքանակում ոչ ստանդարտ մասերի քանակը.
– ընտրված մասերի քանակը;
-- ընտրվածների մեջ ոչ ստանդարտ մասերի քանակը:
Այնուհետև պատահական փոփոխականի բաշխման օրենքը կլինի հետևյալը.
Մաթեմատիկական ակնկալիքԴիսկրետ պատահական փոփոխականը կոչվում է.
Արժեքների անսահման բազմության դեպքում կա մի շարք (4.4-ի աջ կողմում), և մենք կդիտարկենք միայն X-ի այն արժեքները, որոնց համար այս շարքը բացարձակապես կոնվերգենտ է:
M(X)ներկայացնում է պատահական փոփոխականի միջին ակնկալվող արժեքը: Այն ունի հետևյալ հատկությունները.
1) M(C)=C, որտեղ C=կոնստ
2) M (CX)=CM (X) (4.5)
3) M (X+Y)=M(X)+M(Y), ցանկացած X-ի և Y-ի համար:
4) M (XY)=M (X)M(Y), եթե X-ը և Y-ն անկախ են:
Պատահական փոփոխականի արժեքների ցրման աստիճանը գնահատել իր միջին արժեքի շուրջ M(X)= Ա ներկայացվում են հասկացություններ շեղումներD(X)և միջին քառակուսի (ստանդարտ) շեղում: Տարբերությունկոչվում է քառակուսի տարբերության մաթեմատիկական ակնկալիք (X-),դրանք. :
D(X)=M(X-) 2 = p i,
Որտեղ =M (X);սահմանվում է որպես շեղման քառակուսի արմատ, այսինքն. .
Տարբերությունը հաշվարկելու համար օգտագործեք բանաձևը.
(4.6)
Դիսպերսիայի և ստանդարտ շեղման հատկությունները.
1) D(C)=0, որտեղ C=կոնստ
2) D(CX)=C 2 D(X), (CX)= çCç (X) (4.7)
3) D(X+Y) =D(X)+D(Y),
եթե X-ը և Y-ն անկախ են.
Մեծությունների չափը և համընկնում է պատահական X փոփոխականի չափի հետ, իսկ D(X)-ի չափը հավասար է X պատահական փոփոխականի չափման քառակուսուն։
4.3. Մաթեմատիկական գործողություններ պատահական փոփոխականների վրա:
Թող պատահական X փոփոխականը վերցնի արժեքներ հավանականություններով, իսկ պատահական Y փոփոխականը՝ X պատահական փոփոխականի արտադրյալը և K հաստատունը նոր պատահական փոփոխական է, որը նույն հավանականություններով է, ինչ պատահականը: X փոփոխականը, ընդունում է X պատահական փոփոխականի K արժեքներով արտադրյալներին հավասար արժեքներ: Հետևաբար, դրա բաշխման օրենքը ունի Աղյուսակ 4.2 ձևը.
Աղյուսակ 4.2
... | ||||
... |
Քառակուսիպատահական X փոփոխական, այսինքն. , նոր պատահական փոփոխական է, որը նույն հավանականությամբ, ինչ X պատահական փոփոխականը, վերցնում է արժեքներ, որոնք հավասար են իր արժեքների քառակուսիներին:
Գումարպատահական X և Y փոփոխականները նոր պատահական փոփոխական է, որը վերցնում է ձևի բոլոր արժեքները հավանականություններով, որոնք արտահայտում են հավանականությունը, որ X պատահական փոփոխականը կվերցնի արժեքը, իսկ Y-ն արժեք է, այսինքն.
(4.8)
Եթե X և Y պատահական փոփոխականները անկախ են, ապա.
X և Y պատահական փոփոխականների տարբերությունը և արտադրյալը որոշվում են նույն կերպ:
Տարբերությունպատահական փոփոխականներ X և Y - սա նոր պատահական փոփոխական է, որը վերցնում է ձևի բոլոր արժեքները, և աշխատանքը- ձևի բոլոր արժեքները հավանականություններով որոշված բանաձևով (4.8), և եթե X և Y պատահական փոփոխականները անկախ են, ապա (4.9) բանաձևով:
4.4. Բեռնուլիի և Պուասոնի բաշխումները.
Դիտարկենք n նույնական կրկնվող փորձարկումների հաջորդականությունը, որը բավարարում է հետևյալ պայմանները.
1. Յուրաքանչյուր թեստ ունի երկու արդյունք, որոնք կոչվում են հաջողություն և ձախողում:
Այս երկու արդյունքները փոխադարձաբար անհամատեղելի և հակադիր իրադարձություններ են:
2. Հաջողության հավանականությունը, որը նշվում է p, մնում է հաստատուն փորձարկումից փորձություն: Անհաջողության հավանականությունը նշվում է q-ով:
3. Բոլոր n թեստերն անկախ են: Սա նշանակում է, որ n կրկնվող փորձարկումներից որևէ մեկում իրադարձության տեղի ունենալու հավանականությունը կախված չէ այլ փորձարկումների արդյունքներից:
Հավանականությունը, որ n անկախ կրկնվող փորձարկումներում, որոնցից յուրաքանչյուրում իրադարձության տեղի ունենալու հավանականությունը հավասար է , դեպքը տեղի կունենա ճշգրիտ m անգամ (ցանկացած հաջորդականությամբ), հավասար է.
(4.10)
Արտահայտությունը (4.10) կոչվում է Բեռնուլիի բանաձև։
Իրադարձության տեղի ունենալու հավանականությունը.
ա) m-ից պակաս անգամ,
բ) ավելի քան m անգամ,
գ) առնվազն մ անգամ,
դ) ոչ ավելի, քան m անգամ - հայտնաբերվում են համապատասխանաբար ըստ բանաձևերի.
Binomial-ը դիսկրետ պատահական X փոփոխականի բաշխման օրենքն է. իրադարձության դեպքերի թիվը n անկախ փորձարկումներում, որոնցից յուրաքանչյուրում իրադարձության տեղի ունենալու հավանականությունը հավասար է p-ի; X = 0,1,2,..., m,...,n հնարավոր արժեքների հավանականությունները հաշվարկվում են Բեռնուլիի բանաձևով (Աղյուսակ 4.3):
Աղյուսակ 4.3
Հաջողությունների թիվը X=m | ... | մ | ... | n | |||
Հավանականություն Պ | ... | ... |
Քանի որ (4.10) բանաձևի աջ կողմը ներկայացնում է երկանդամների ընդլայնման ընդհանուր տերմինը, բաշխման այս օրենքը կոչվում է. երկանդամ. Երկանդամ օրենքի համաձայն բաշխված պատահական X փոփոխականի համար մենք ունենք.