Решение. а) Вспомним теорему о полной вероятностиЕсли событие А может осуществляться только при выполнении одного из событий В 1, В 2 ,..., Bn, которые образуют полную группу несовместных событий, то P (A) вычисляется по формуле: . По условиям данной задачи, результат второго испытания (т.е. вынимание шаров из второй урны) зависит от того, какие шары были переложены из первой урны. Здесь возможны три случая: B1 = { оба шара белые }, B2 = { оба шара черные }, B3 = { один белый, один черный шар }. Очевидно, что события B1, B2 и B3 несовместны и образуют полную группу. Их вероятности равны , , . Условные вероятности события А={шары одного цвета}, равны , , . Применяя формулу полной вероятности, получим .
б) Вспомним формулу Байеса: . По условиям данной задачи, результат До стрельбы возможны следующие предположения (гипотезы):
Эти события образуют полную группу несовместных событий. Пусть А – поражение мишени одним попаданием, тогда ее вероятность можно найти по формуле полной вероятности: = 0,12×0+ 0,32×0+ 0,48×1+ 0,08×1 = 0,56. Здесь учтено, что при осуществлении событий В1 и В2 событие А – невозможно, при осуществлении событий В3 и В4 событие А – достоверное. В результате, по формуле Байеса находим: . Задание 4. Решить задачи, используя формулу Бернулли и теоремы Муавра-Лапласа. а) Вероятность изготовления на станке-автомате нестандартной детали равна 0,02. Какова вероятность того, что среди наудачу взятых шести деталей окажется более четырех стандартных? б) Вероятность того, что сошедшая с конвейера деталь стандартная равна 0,9. Найти вероятность того, что из 400 сошедших с конвейера деталей: 1) 356 окажутся стандартными; 2) более 350 деталей окажутся стандартными. Решение. а) Проведем n испытаний Бернулли, т.е. что все n испытаний независимы и вероятность появления события А в каждом отдельном взятом испытании постоянна и от испытания к испытанию не изменяется (т.е. испытания проводятся в одинаковых условиях). Обозначим вероятность P (A) появлений события А в отдельном испытании буквой p, т.е. P (A)= p, а вероятность противоположного события P () – буквой q, т.е. P () = 1– P (A) = 1– p = q. Вероятность Pn (m) того, что событие A появится ровно m раз в n испытаниях Бернулли равна . Это есть формула Бернулли. По условию задачи, вероятность того, что наудачу взятое изделие окажется нестандартным равна q =0,02. Вероятность того, что изделие окажется стандартным равна = 5×0,985×0,021 + 1×0,986×0,020» 0,9943. б) Применим к случаю 1 локальную теорему Муавра-Лапласа: если в схеме Бернулли число испытаний n велико (обычно nt50), при этом npq 1, то справедлива приближенная формула , где , . Ввиду важности функции j(x), которая называется плотностью стандартного нормального распределения, для нее составлены специальные таблицы. При использовании таблиц следует учитывать, что функция j(x) четная, т.е. j(– x)=j(x). Согласно условию задачи: n =400, m =356, p =0,9, q =0,1. Поскольку n >100 и npq =36>10, то можно применить теорему Муавра-Лапласа. Найдем . После этого находим значение функции j(–0,6667)=0,31945. В результате, получаем . Применим теперь к случаю 2 локальную теорему Муавра-Лапласа: если в схеме Бернулли число испытаний n велико, то для вероятности P n (k 1£ m £ k 2) того, что число успехов заключено в пределах от k 1 до k 2, справедливо приближенная формула , где , – функция Лапласа. Отметим, что функция Лапласа – нечетная функция, т.е. Ф(– x) = –Ф(x), для которой составлены специальные таблицы. Обратите внимание, что 0£Ф(x)£0,5. В нашем случае k 1=300, k 2=400: , , Задание 5. Найти закон распределения дискретной случайной величины. Дискретная случайная величина Х имеет только два возможных значения: x 1 и x 2, причем x 1 < x 2. Вероятность того, что Х примет значение x 1 равно 0,6. Найти закон распределения Х, зная математическое ожидание М[ X ] = 1,4 и дисперсию D[ X ] = 0,24. Решение. Сумма вероятностей всех возможных значений X равна единице, поэтому вероятность того p 2, что X примет значение x 2, равна 1–0,6=0,4. Запишем закон распределения дискретной случайной величины X:
Для отыскания x 1 и x 2 составим два уравнения. По определению M[ X ] = = x 1 p 1+ x 2 p 2+... + xnpn. Учитывая, что по условию М[ X ] = 1,4, запишем первое из уравнений: . Принимая во внимание, что по условию D[ X ] = 0,24, и используя равенство , напишем второе уравнение: , или . В результате получается следующая система уравнений: Выразив x 1 из первого уравнения и подставив его во второе, получим квадратное уравнение . Отсюда находим два решения: и (отсюда получаем также, что и ). По условию , поэтому задаче удовлетворяет только первое решение. Таким образом, искомый закон распределения имеет вид
Задание 6. Непрерывная случайная величина Х задана функцией распределения. Найти: а) параметр k; б) математическое ожидание; в) дисперсию. Решение. Найдем плотность распределения f(x)=F'(x): Параметр k определим из условия . В нашем случае . Таким образом, плотность распределения имеет вид Найдем теперь математическое ожидание . Найдем теперь дисперсию, для этого предварительно вычислим . Тогда . Задание 7. Известны математическое ожидание а =165 и среднее квадратичное отклонение s=5 нормально распределенной случайной величины Х. Найти вероятность: а) попадания этой величины в заданный интервал Решение. Плотность функции нормального распределения имеет вид . Функция нормального распределения имеет вид . Однако часто вместо функции нормального распределения используется функция Лапласа F(x): , где – функция Лапласа. Вероятность того случайная величина X, описываемая нормальным распределением, примет значение, принадлежащее интервалу (a,b), имеет вид . В нашем случае получим . Вероятность того, что отклонение случайной величины X от математического ожидания по абсолютной величине меньше заданного положительного числа d, вычисляется по формуле: В нашем случае получим Задание 8. Из генеральной совокупности извлечена выборка, которая представлена в виде интервального вариационного ряда:
а) Предполагая, что генеральная совокупность имеет нормальное распределение, построить доверительный интервал для математического ожидания отклонения с доверительной вероятностью g=0,95. б) Вычислить коэффициенты асимметрии и эксцесса, используя упрощенный метод вычислений, и сделать соответствующие предположения о виде функции распределения генеральной совокупности. в) Используя критерий Пирсона, проверить гипотезу о нормальности распределения генеральной совокупности при уровне значимости a=0,05. Решение. а) Вычислим основные числовые характеристики данного вариационного ряда, используя упрощенный метод расчета моментов. Для этого вместо интервального ряда введем дискретный, записав вместо интервалов только середины интервалов, а результаты занесем в таблицу. По упрощенному методу вводим новую переменную . Далее, в соответствии с данными таблицы получаем , . Однако выборочная дисперсия является смещенной оценкой, т.е. она дает заниженное значение дисперсии генеральной совокупности. Поэтому вместо выборочной дисперсии используют исправленную выборочную дисперсию . В данном случае . Тогда среднеквадратичное отклонение равно .
Доверительным интервалом (a,b) для статистического параметра q называется интервал, который с заданной вероятностью g "накрывает" неизвестное значение параметра, т.е. . Доверительный интервал для математического ожидания a, в случае нормального распределения с неизвестным средним квадратичным отклонением (точнее, известна только его оценка), имеет вид , где t – коэффициент, связанный с распределением Стьюдента и определяемый объемом выборки n и доверительной вероятностью g. Коэффициент t обычно находится из таблиц по заданным степеням свободы k=n –1 и доверительной вероятности g (или уроню значимости a=1–g). В рассматриваемом случае n =90, следовательно k =89. Тогда, при g=0,95, по таблицам для распределения Стьюдента, находим, . В результате получаем . Отсюда . б) Найдем теперь выборочные значения начальных и центральныхмоментов: , . По упрощенному методу, сначала вычисляется центральный момент для новой переменной mk (u), а затем находят моменты для заданной переменной mk (x) по формуле . Между начальными и центральными моментами существует взаимосвязь: , . Здесь нужно иметь в виду, что , . Найдем начальные моменты по данным таблицы: , . Тогда , . Зная моменты 3-го и 4-го порядков, можно вычислить коэффициент асимметрии и эксцесс: , . Асимметрия положительна, следовательно, распределение характеризуется незначительной правосторонней асимметрией. Отрицательный эксцесс указывает на более плосковершинное распределение по сравнению с нормальным. Определим теперь значимость коэффициентов асимметрии и эксцесса. Для этого вычислим погрешность вычислений по формулам , . Посмотрим теперь, попадают ли найденные значения в "трехсигмовый" интервал: , . Из полученных неравенств следует, что коэффициент асимметрии и эксцесс не значимо отличаются от нуля и есть все основания полагать, что распределение генеральной совокупности является нормальным. в) Критерием согласия называется критерий поверки гипотезы о предполагаемом законе распределения. В соответствии с критерием Пирсона сначала вычисляется величина , где pi – вероятности, полученные по некоторому теоретическому закону распределения. Заметим, что c2-распределение можно применять только при достаточно большом объеме выборки (n t50) и достаточно больших частотах (ni ³5). Ту группу вариационного ряда, для которых последнее условие не выполняется, объединяют с соседней и, соответственно, уменьшают число интервалов. В рассматриваемом случае мы должны объединить интервалы 1 и 2, а также 9 и 10 (см. таблицу).
В предположении, что имеет место нормальное распределение, были оценены два параметра этого распределения: и . Если изучаемое распределение подчинено нормальному распределению, то вероятность того, что случайная величина X примет значение из интервала (xi < X < xi +1), находится по формуле , где – функция Лапласа, значения которой табулированы и приводятся в таблицах. Следует отметить, что функция Лапласа является нечетной функцией, т.е. F(– x)=–F(x). Из расчетной таблицы видно, что . Теперь найдем критическое значение . Поскольку у предполагаемой модели были неизвестны оба параметра, поэтому k =2; при расчете критерия использовались восемь интервалов r =8. Таким образом, число степеней свободы n= r –1– k =5. При заданном уровне значимости из таблиц для c2-распределения находим . Поскольку , то нет оснований отвергать нулевую гипотезу, т.е. что исходное распределение является нормальным. Задание 9. Методом наименьших квадратов подобрать функцию по табличным данным и сделать чертеж.
Решение. В соответствие с методом наименьших квадратов (МНК) следует подобрать коэффициенты a и b таким образом, чтобы функция приняла минимальное значение. Необходимым условием экстремума функции Q является равенство нулю всех частных производных по неизвестным параметрам. Чтобы упростить вычисления вместо искомой функции рассмотрим ее логарифм . Тогда функция Q будет иметь вид . Составляем систему уравнений Отсюда находим и . Далее, составим таблицу вычислений:
По данным таблицы находим , , Таким образом, искомая функция имеет вид . Изобразим на рисунке исходные данные (квадратики) и график искомой кривой:
|