Материал: 4040

Пример 4.1 Два автомата изготавливают одинаковые детали. Известно, что первый автомат производит 30% всей продукции. Вероятность изготовления детали, соответствующей стандарту, первым автоматом равна 0,99, вторым – 0,98. Все изготовленные за смену детали складываются вместе. Определите вероятность того, что взятая наудачу деталь не соответствует стандарту.

Решение. Пусть событие A - взятая наудачу деталь не соответствует стандарту.

Гипотезы:

H1 - взятая деталь изготовлена первым автоматом;

H2 - взятая деталь изготовлена вторым автоматом. События H1 , H2 - несовместны и образуют полную группу.

Вычислим вероятности гипотез.

P(H1 ) 10030 0,3; P(H2 ) 1 P(H1 ) 1 0,3 0,7.

Вероятность события A находим по формуле полной вероятности:

P(A) P(H1 ) PH1 (A) P(H2 ) PH2 (A) 0,3 0,01 0,7 0,02 0,017.

5. ФОРМУЛА БЕРНУЛЛИ

Пусть производится n независимых однотипных испытаний, в каждом из которых событие A может появиться с вероятностью p . Тогда вероятность

непоявления события A , т.е. P(A) , равна q 1 p .

Вероятность того, что событие A произойдет в этих n независимых испытаниях ровно k раз (безразлично в какой последовательности), можно вычислить по формуле Бернулли

Pn (k) Ckn pk qn k .

Вероятность того, что в n испытаниях событие наступит:

а) менее k раз: Pn (0) Pn (1) Pn (k 1) ;

б) более k раз: Pn (k 1) Pn (k 2) Pn (n) ;

13

в) не менее k раз: Pn (k) Pn (k 1) Pn (n) ; г) не более k раз: Pn (0) Pn (1) Pn (k).

Пример 5.1. Вероятность выигрыша по одному лотерейному билету равна 1/5. Вы купили 5 билетов. Найти вероятность того, что а) четыре билета выигрышные; б) хотя бы один билет выигрышный; в) более трех билетов выигрышные.

Решение. Пусть событие A - выигрыш по лотерейному билету. Число лотерейных билетов n 5 . P(A) - вероятность выигрыша по лотерейному

билету: p P(A) 15 . Тогда q 1 p 1 15 45 .

а) Вероятность того, что выигрышными будут четыре билета ( k 4 )

б) Пусть событие В – хотя бы один из купленных билетов выигрышный. Рассмотрим событие B , противоположное событию В:

B - среди купленных билетов нет выигрышных.

Теперь вычислим вероятность искомого события:

P(B) 1 P(B) 1 0,32768 0,67232.

в) Вероятность того, что выигрышными будут более трех билетов (т.е. или четыре, или пять)

6. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН

Случайной величиной называется величина, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.

Приведем некоторые примеры случайных величин.

1)Число очков, выпадающих на игральной кости. Эта величина может принимать одно из следующих значений: 1, 2, 3, 4, 5, 6.

14

2)Число родившихся мальчиков среди ста новорожденных есть случайная величина, которая имеет следующие возможные значения: 0, 1, 2, …, 100.

3)Расстояние, которое пролетит снаряд при выстреле из орудия. Возможные значения этой величины принадлежат некоторому промежутку (а, b).

Случайные величины в дальнейшем будем обозначать большими буквами X, Y, Z а их возможные значения – соответственно строчными буквами x, y, z. Например, X – число попаданий при трех выстрелах. Возможные значения этой случайной величины: x1 =0, x2 =1, x3 =2, x4=3.

Случайная величина называется дискретной, если еѐ возможные значения есть отдельные изолированные числа (т. е. между двумя соседними возможными значениями нет других значений). Дискретная случайная величина принимает эти значения с определенными вероятностями.

Из приведенных выше случайных величин дискретными являются случайные величины примеров 1, 2.

Бывают случайные величины, которые принимают значения из некоторого интервала.

К таким величинам относится случайная величина примера 3.

Чтобы охарактеризовать дискретную случайную величину X, следует указать еѐ возможные значения x1, x2, …, xn и вероятности событий, состоящих в том, что случайная величина X приняла значение xi:

pi = P( X = xi), (i =1, 2, …, n).

В результате испытания произойдет только одно из полной группы событий: X=x1, X=x2, …, X=xn. Поскольку сумма вероятностей полной группы попарно

n

несовместных событий равна 1, то pi 1.

i 1

Законом распределения дискретной случайной величины называют соответствие между возможными еѐ значениями и их вероятностями.

Для дискретной случайной величины закон распределения удобно записывать в виде таблицы, первая строка которой содержит возможные значения xi, а вторая – их вероятности pi:

Эта таблица называется рядом распределения.

Пусть x – некоторое действительное число. Вероятность события, состоящего в том, что X примет значение меньше x, обозначим через F(x), т. е.

F(x) P(X x) .

Функция F(x) называется функцией распределения случайной величины X. Случайная величина называется непрерывной, если еѐ функция

распределения непрерывна и кусочно-дифференцируема.

15

Функция распределения обладает следующими свойствами:

1. Значения функции распределения принадлежат отрезку [0; 1]:

0 F(x) 1.

2. Функция распределения есть неубывающая функция:

F(x2) F(x1), если x2 >x1.

3. Вероятность того, что случайная величина X примет значение, принадлежащее интервалу (a, b), равна приращению функции распределения на этом интервале:

P (a < X < b) = F (b) – F (a).

4.Справедливы следующие предельные соотношения:

Плотностью распределения вероятностей непрерывной случайной величины Х называют первую производную от функции распределения:

f(x) = F (x) .

Зная плотность распределения f(x), можно найти функцию распределения F(x) по формуле

x

F(x) f (t)dt .

Свойства плотности распределения:

1. Плотность распределения неотрицательна, т. е. f(x) 0.

2.Несобственный интеграл от плотности распределения в пределах от – ∞ до

∞равен единице:

f (x)dx 1 .

3. Вероятность того, что непрерывная случайная величина X примет значение, принадлежащее интервалу (a, b), определяется равенством

b

P (a < X < b) = f (x)dx .

a

Для решения многих практических задач совсем необязательно знать все возможные значения случайной величины и соответствующие им вероятности, а достаточно указать отдельные числовые параметры, которые позволяют отразить существенные особенности случайной величины.

Математическим ожиданием дискретной случайной величины называют сумму произведений всех еѐ возможных значений на соответствующие им

M(X) = xf (x)dx .

Математическое ожидание обладает следующими свойствами:

1. Математическое ожидание постоянной величины равно самой постоянной:

M (С) = С.

2. Постоянный множитель можно выносить за знак математического ожидания:

M (CX) = CM(X).

3. Математическое ожидание суммы (разности) двух случайных величин равно сумме (разности) математических ожиданий этих величин:

M(X Y) = M(X) M (Y).

4. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий:

M (X∙Y) = M(X) ∙ M(Y).

Дисперсией случайной величины X называют математическое ожидание квадрата отклонения случайной величины от еѐ математического ожидания:

D(X) =M(X– M(X))2.

Дисперсию удобно вычислять по формуле

D(X) =M(X2) – (M(X))2.

Если X является дискретной случайной величиной, то

Дисперсия обладает следующими свойствами: 1. Дисперсия постоянной величины равна нулю:

D(С) =0.

2.Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат:

D(CX) =C2D(X).

3.Дисперсия суммы или разности двух независимых случайных величин равна сумме их дисперсий:

D(X ± Y) = D(X) + D(Y).

Средним квадратическим отклонением случайной величины называют квадратный корень из дисперсии: (X) D(X) .

17