Вы находитесь на странице: 1из 34

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ

КОНТРОЛЬНАЯ РАБОТА
ПО ПРЕДМЕТУ «ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ
СТАТИСТИКА»
Вариант 15

Студента ЗО БГУИР
Специальности «ИСиТвЭ»
Группы 802302-43
Стецкий Петр Станиславович
РБ, г.Лида, пер.Новогодний, д.10

МИНСК, 2010
Задача 1.15.

Наудачу взяты два положительных числа x и y, причем x ≤ 5, y ≤ 2.


Найти вероятность того, что y + x – 5 ≤ 0 и y – 0,25x ≤ 0.

Решение.
По условию дано:
 y + x − 5 ≤ 0,
 (1.1)
y − 0,25 x ≤ 0.
Строим на рис. 1.1 оси координат и область, которая определяет
пространство элементарных событий Ω. Она задается неравенствами x ≤ 5, y
≤ 2 и на рисунке 1.1 отображается в виде прямоугольника.

y 6

5 y=5-x
4

1
y = 0,25x
0
0 1 2 3 4 5 6

Рис. 1.1.

Площадь прямоугольника S Ω = 2 ⋅ 5 = 10. Область благоприятствующих


исходов определяется неравенствами (1.1), поэтому строим на рисунке
прямые, которые задаются неравенствами (1.1). Заштрихованная на рисунке
1.1 область и описывает благоприятствующие исходы (с учетом всех
возможных значений), площадь этого заштрихованного треугольника равна
5 ⋅1 S 2,5
. Тогда вероятность события А равна p( A) = S = 10 = 0,25.
A
SA = = 2,5
2 Ω

Ответ: 0,25.

Задача 2.15.
В задаче приведена схема соединения элементов, образующих цепь с одним
входом и одним выходом. Предполагается, что отказы элементов являются
независимыми в совокупности событиями. Отказ любого из элементов
приводит к прерыванию сигнала в той ветви цепи, где находится данный
элемент. Вероятности отказа элементов 1, 2, 3, 4 соответственно равны
q1=0,1; q2=0,2; q3=0,3; q4=0,4. Найти вероятность того, что сигнал пройдет со
входа на выход.

Рис.2.1.

Решение.

Опишем через события работу элементов цепи. Пусть событие А1 состоит


в том, что работает элемент 1, событие А2 – элемент 2, событие А3 –элемент 3,
событие А4 –элемент 4. p ( A4 ) = p4 = 1 − q4 . Вероятности противоположных
событий (т.е. того, что элементы 1, 2, 3, 4 не работают и ток через них не
идет) равны:
p ( A1 ) = q1 , p ( A 2 ) = q2 , p ( A ) = q , p ( A4 ) = q4 .
3 3

Найдем вероятности событий А1, А2, А3, А4:


p ( A1 ) = p1 = 1 − q1 , p( A2 ) = p2 = 1 − q 2 , p ( A3 ) = p3 =1 − q3 .
Элементы цепи отказывают независимо друг от друга.
Анализируем заданную цепь и определяем участки цепи с
последовательным и параллельным соединением.
1 2 3

Рис.2.2.
На рис. 2.2 элементы 1, 2 и 3 соединены последовательно. А элемент 4
соединен параллельно с элементами 1, 2, 3.
Поэтому введем событие А состоящее в том, что ток пройдет из точки 1 в
точку 2, оно выполнится тогда, когда будет работать элементы и 1, и 2, и 3.
Учтем, что события А1, А2, А3 независимы. Найдем вероятность события А:
P ( A) = P ( A1 ⋅ A2 ⋅ A3 ) = P ( A1 ) ⋅ P ( A2 ) ⋅ P ( A3 ) = p1 ⋅ p 2 ⋅ p 3 .
Таким образом,
Р(А)=(1- 0,1)(1- 0,2)(1- 0,3) = 0,9 ∙ 0,8 ∙ 0,7 = 0,504.
Введем событие В, состоящее в том, что ток пройдет из точки 1 в точку 3;
оно произойдет тогда, когда выполнится или событие А, или событие А4.
Тогда событие В можно описать так: B = A + A4 .
Найдем вероятность события В:
P ( B ) = P ( A + A4 ) = 1 − P ( A ⋅ A 4 ) = 1 − P ( A) ⋅ P ( A 4 ).
Поскольку P ( A) =1 −P ( A) =1 −0,504 =0,496 , P ( A 4 ) = q 4 = 0,4 , то
Р(В) = 1- 0,496 ∙ 0,4 = 1- 0,1984 = 0,8016.
Таким образом, вероятность того, что сигнал пройдет со входа на
выход, равна 0,8016.

Ответ: 0,8016.

Задача 3.15.

Прибор состоит из трех блоков. Исправность каждого блока необхо-


дима для функционирования устройства. Отказы блоков независимы. Веро-
ятности безотказной работы блоков соответственно равны 0,6; 0,7; 0,8. Опре-
делить вероятность того, что откажет два блока.
Решение.
Обозначим события:
В – отказали два блока;
В1 – отказали только первый и второй блоки,
В2 – отказали только первый и третий блоки,
В3 – отказали только второй и третий блоки,
тогда события:
А1 – первый блок исправен,
А2 – второй блок исправен,
А3 – третий блок исправен,
а, следовательно, противоположные события:
A1 – первый блок отказал,
A 2 – второй блок отказал,
A 3 – третий блок отказал.
По условию, P ( A1 ) = 0,6 , P ( A2 ) = 0,7 , P ( A3 ) = 0,8 ,
а значит, P( A1 ) =1 − P( A1 ) =1 − 0,6 = 0,4 ; P ( A 2 ) =1 − P( A2 ) =1 − 0,7 = 0,3 ;
P ( A ) =1 − P ( A ) =1 − 0,8 = 0,2 .
3 3

События В1, В2 и В3 несовместны, поэтому чтобы найти вероятность


появления события В, применим теорему сложения:
Р(В) = Р(В1 + В2 + В3) = Р(В1) + Р(В2) + Р(В3) .
Таким образом, искомая вероятность равна:
P ( B ) = P ( A1 A 2 A3 ) + P ( A1 A2 A 3 ) + P ( A1 A 2 A 3 ) = 0,4 ⋅ 0,3 ⋅ 0,8 + 0,4 ⋅ 0,7 ⋅ 0,2 + 0,6 ⋅ 0,3 ⋅ 0,2 =
= 0,096 + 0,056 + 0,036 = 0,188 .
Ответ: 0,188.

Задача 4.15.

В результате многолетних наблюдений установлено, что вероятность


выпадения снега 12 октября в данном городе равна 1/3. Сколько лет должны
проводиться метеонаблюдения, чтобы наивероятнейшее число снежных дней
12 октября в данном городе было равно 20?

Решение.
По условию задачи m0 = 20? Вероятность выпадения снега 12 октября в
1
данном городе (событие А) равна p= . Вероятность противоположного
3
1 2
события A : p ( A) = q = 1 − p = 1 − = .
3 3
Наивероятнейшее число m0 определяется по формуле:
np − q ≤ m0 ≤ np + q ;
Тогда, чтобы определить сколько лет должны проводиться метеонаблюдения,
чтобы наивероятнейшее число снежных дней 12 октября в данном городе
было равно 20, найдем по формуле:
m0 − p m +q
≤n≤ 0 .
p p
1 1
20 − 20 +
3 ≤n≤ 3
Следовательно, 1 1 ,
3 3
59 ≤ n ≤ 62 .
Задача имеет четыре решения: п1 = 59, п2 = 60, п3 = 61, п4 = 62.

Ответ: 59, 60, 61, 62.


Задача 5.15.

Дискретная случайная величина Х может принимать одно из пяти


фиксированных значений х1 = 3, х2 = 4, х3 = 5, х4 = 6, х5 = 7 с вероятностями
р1 = 0,5, р2 = 0,1, р3 = 0,1, р4 = 0,1, р5 = 0,2 соответственно. Вычислить
математическое ожидание и дисперсию величины Х. Рассчитать и построить
график функции распределения.

Решение.

Ряд распределения имеет следующий вид


xi 3 4 5 6 7
pi 0,5 0,1 0,1 0,1 0,2

Условие ∑p
i =1
i = 1 выполняется, так как 0,5 + 0,1 + 0,1 + 0,1 +0,2 = 1.

Математическое ожидание дискретной СВ X определим по формуле:


n
M [ X ] = ∑ xi ⋅ p i .
i =1

M[X] = 3 ∙ 0,5 + 4 ∙ 0,1 + 5 ∙ 0,1 + 6 ∙ 0,1 + 7 ∙ 0,2 = 1,5 + 0,4 + 0,5 + 0,6 + 1,4 =
= 4,4.
Дисперсию дискретной СВ X определим по формуле:
n
D[ X ] = ∑ xi2 ⋅ pi − m X2 .
i =1

D[X] = 3 ∙ 0,5 + 4 ∙ 0,1 + 5 ∙ 0,1 + 6 ∙ 0,1 + 74 ∙ 0,2 = 1,5 + 1,6 + 2,5 + 3,6 +
2 2 2 2

+ 9,8 = 19.
Рассчитаем значения функции распределения для фиксированных
значений X = xi , взятых из ряда распределения.
1. x1 = 3, F (3) = ∑ p( X = xi ) = 0 .
xi <3

2. x2 = 4, F (4) = ∑ p ( X = xi ) = p ( X = 3) = 0,5.
xi <4

3. x3 = 5, F (5) = ∑ p( X = x ) = p( X = 3) + p( X = 4) = 0,5 + 0,1 = 0,6.


xi <5
i

4. x4 = 6,
F (6) = ∑ p ( X = xi ) = p ( X = 3) + p ( X = 4) + p ( X = 5) = 0,5 + 0,1 + 0,1 = 0,7.
xi <6

5. x5 = 7,
F (7) = ∑ p ( X = xi ) = p ( X = 3) + p ( X = 4) + p ( X = 5) + p ( X = 6) = 0,5 + 0,1 + 0,1 + 0,1 =
xi <7
6.
= 0,8.
При x5 = +∞ , согласно свойствам функции распределения, F ( +∞ ) = 1
Итак, функция распределения имеет вид:
 0 п р и х ≤ 3,

 0,5 п р и 3 < x ≤ 4,
 0,6 п р и 4 < x ≤ 5,

F ( x) = 
 0,7 п р и 5 < x ≤ 6,
 0,8 пр и 6 < x ≤ 7,

1 п р и x > 7.

Построим график этой функции:


F(x)

0,8
0,7
0,6
0,5

0 3 4 5 6 7 х

Опишем построение графика функции распределения F(x). Рассмотрим


первый промежуток по оси Х от −∞ до 3; согласно пункту 1 значение
F ( x) = 0 и линия идет по оси Х до 3 включительно. Второй промежуток по
оси Х от 3 до 4; согласно пункту 2 значение F(x) = 0,5, значит, проводим
ступеньку высотой 0,5. Третий промежуток от 4 до 5; согласно пункту 3
значение F(x) = 0,6, значит, проводим ступеньку высотой 0,6. Четвертый
промежуток от 5 до 6; согласно пункту 4 значение F(x) = 0,7, значит,
проводим ступеньку высотой 0,7. Пятый промежуток от 6 до 7; согласно
пункту 5 значение F(x) = 0,8, значит, проводим ступеньку высотой 0,8.
Шестой промежуток от 7 до +∞ ; согласно пункту 6 значение F ( x) = 1 ,
значит, проводим ступеньку высотой 1.

Ответ: M[X] = 4,4, D[X] = 19,


 0 п р и х ≤ 3,

 0,5 п ри 3 < x ≤ 4,
 0,6 п р и 4 < x ≤ 5,

F ( x) = 
 0,7 пр и 5 < x ≤ 6,
 0,8 п р и 6 < x ≤ 7,

1 п р и x > 7.
Задача 6.15.

Случайная величина Х задана плотностью вероятности


 0, x < − 2, x > 2,

f ( x) = 
 c x , − 2 ≤ x ≤ 2.

Определить константу С, математическое ожидание, дисперсию, функцию
распределения величины Х, а также вероятность ее попадания в интервал
[1,5; 2] .

Решение.

Вначале вычислим значение константы с из условия нормировки:


∫ f ( x) dx = p(−∞ ≤ X < +∞ ) = 1.
−∞
Условие нормировки представляет собой интегральное уравнение, из
которого можно определить неизвестный параметр плотности вероятности.
Для этого определим значение интеграла в левой части условия нормировки:
∞ 2 2
1 
⋅ ( 2 ⋅ 2 − ( − 2) ⋅ − 2 ) = ⋅ 8 = 4c.
1 2 c c
∫−∞ f ( x)dx = −∫2c x dx = c ⋅  2 ⋅ x ⋅ x  −2 = 2 c ⋅ x ⋅ x −2
=
2 2
Из
условия нормировки следует:
1
4c = 1 ⇒ c = .
4
Плотность вероятности примет вид:
 0, x < − 2,

 1
f ( x) =  x , − 2 ≤ x ≤ 2,
4
 0, x > 2.


Определим функцию распределения F(x). Так как плотность вероятности


задана различными формулами на разных интервалах, то и ее первообразную
- функцию распределения – будем искать для каждого интервала в
отдельности по формуле:
x
F ( x ) = p{ X < x} = p{−∞ < X < x} = ∫ f (t )dt .
−∞

Для x < 2:
x x
F ( x) = ∫
−∞
f (t )dt =
−∞
∫ 0dt = 0,

для − 2 ≤ x ≤ 2 :
−2 x −2 x
1 1 1
F ( x) = ∫ f (t )dt + ∫ f (t )dt = ∫ 0dt + ∫ 4 t dt = tt
x
= ( x x − ( − 2) ⋅ − 2 ) =
−∞ −2 −∞ −2
8 −2
8
x x +4
= ,
8
−2 2 x −2 2 x
1
для x >2: F ( x) = ∫ f (t ) dt + ∫ f (t )dt + ∫ f ( t ) dt = ∫ 0dt + ∫ t dt + ∫ 0dt =
−∞ −2 2 −∞ −2
4 2

+ 0 = ( 2 ⋅ 2 − ( − 2) ⋅ − 2 ) = 1 .
1 2 1
=0+ tt −2
8 8
Окончательно имеем

 0, x < − 2,

 x x + 4
F ( x) =  , − 2 ≤ x ≤ 2,
 8
 1, x > 2.


Вычислим вероятность P (1,5 ≤ X ≤ 2) по формуле:


b
P (a ≤ X ≤ b) = ∫ f ( x)dx = F (b) − F (a ) ,
a

2 ⋅ 2 +4 1,5 ⋅ 1,5 + 4 25 7
P (1,5 ≤ X ≤ 2) = F ( 2) − F (1,5) = − =1 − = = 0,21875 .
8 8 32 32
Вычислим математическое ожидание СВ по формуле:

mX =
−∞
∫ x ⋅ f ( x)dx .
( )
2
1 1 1 1 2
2 2 − ( − 2 ) − 2 = 0.
2

2
mX = x ⋅ x dx = ⋅ x 2 ⋅ x −2
=
4 −2 4 3 12

Дисперсию случайной величины СВ вычислим по формуле:


∞ ∞

∫ (x − mX ) ∫x
2 2
Dx = D[ X ] = f ( x )dx = f ( x )dx − m X2
−∞ −∞
Таким образом,
( )
2
1 1 1 1 3
2 2 − ( − 2 ) − 2 = 2.
2
D X = ∫ x 2 ⋅ x dx − 0 2 = ⋅ x 3 ⋅ x
3
−2
=
4 −2 4 4 16

1
Ответ: c=
4
, m X = 0 , D X = 2 , P (1,5 ≤ X ≤ 2) = 0,21875 ,
 0, x < − 2,

 x x + 4
F ( x) =  , − 2 ≤ x ≤ 2,
 8
 1, x > 2.


Задача 7.15.
Случайная величина Х распределена равномерно на интервале [0;
0,75π]. Построить график случайной величины Y=ϕ (X)= sin(x) и определить
плотность вероятности g(y).

Решение.

1. Так как Х равномерно распределена в интервале [0; 0,75π], то ее


плотность вероятности равна
4
 , 0 ≤ x ≤ 0,75π ;
f ( x ) =  3π

 0, x < 0, x > 0,75π .

2. Построим график величины Y = sin(x) для x в интервале [0; 0,75π] и


определим диапазон значений Y: Y ∈[0; 1] .

у
х

Y=sin(x)

0 0,25π 0,5π 0,75π


f(x)

0 0,75π х

3. В зависимости от числа k обратных функций выделим следующие


интервалы для Y:
(−
∞ ;0) k1 =0,
 2 k 2 =1,
0; 
 2 

 2  k 3 = 2,
 ;1
 2 
(1;+∞ ) k 4 = 0.
4. На интервалах ( −∞;0 ) и (1;+
∞) обратные функции не существует.
 2 
В интервале 0;
 2



одна обратная функция ψ ( y ) = arcsin y.

Найдем производную ψ' ( y ) :


1
ψ' ( y) = .
1− y2
Найдем искомую плотность распределения по формуле:
g ( y ) = f [ψ( y )] ⋅ψ' ( y ) .

4 4 1
Учитывая, что f ( x) = (следовательно, f [ψ ( y )] = )и ψ' ( y ) = ,
3π 3π 1−y2
получим
4
g ( y) = .
3π 1 − y 2

 2 
В интервале  ;1 две обратных функции:
 2 
ψ1 ( y ) = arcsin y и ψ 2 ( y ) = π − arcsin y .
Найдем производные ψi ' ( y ) , где i =1,2 :
1 1
ψ1 ' ( y ) = и ψ2 ' ( y ) = − .
1− y 2
1− y2
Найдем искомую плотность распределения по формуле:
g ( y ) = f [ψ1 ( y )] ⋅ψ1 ' ( y ) + f [ψ2 ( y )] ⋅ψ2 ' ( y ) .
4 4
Учитывая, что f ( x) = (следовательно, f [ψ1 ( y )] = f [ψ 2 ( y )] = )и
3π 3π
1
ψ1 ' ( y ) = ψ2 ' ( y ) = , получим
1− y2
4 4 8
g ( y) = + = .
3π 1 − y 2
3π 1 − y 2
3π 1 − y 2

5. Получим плотность вероятности величины Y:


 0, y < 0,
 4 2
 , 0≤ y< ,
 3π 1 − y 2 2
g ( y) = 
 8 2
, ≤ y ≤ 1,
 3π 1 − y 2 2

 0, y > 1.
 0, y < 0,
 4 2
 , 0≤ y< ,
 3π 1 − y 2 2
Ответ: g ( y ) = 
 8 2
, ≤ y ≤ 1,
 3π 1 − y 2 2

 0, y > 1.
Задача 8.15.

Двухмерный случайный вектор (Х, У) равномерно распределен внутри


выделенной жирными прямыми линиями на рис. 8.1 области B. Двухмерная
плотность вероятности f(x,y) одинакова для любой точки этой области B:
 с, ( x, у ) ∈ В ,
f ( x, y ) = 
0, иначе .
Вычислить коэффициент корреляции между величинами X и Y.
x1 x2 x3 x4 x5 x6 y1 y2
0 2 4 4 1 4 1 2

Рис. 8.1

Решение.

Построим область B. Соединим последовательно точки с координатами


из таблицы данной в условии задачи согласно рис. 8.1:
– точку (x1;0) = (0;0) c точкой (x2; y2) = (2; 2),
– точку (x2; y2) = (2; 2) c точкой (x3; y2) = (4; 2),
– точку (x3; y2) = (4; 2) c точкой (x4; y1) = (4; 1),
– точку (x4; y1) = (4; 1) c точкой (x5; y1) = (1; 1),
– точку (x5; y1) = (1; 1) c точкой (x6; 0) = (4; 0) .
В результате получим следующую фигуру (рис. 8.2):
у

0 2 4 х
Рис.8.2.
Совместная плотность вероятности примет вид
с, 0 ≤ y ≤ 1, y ≤ x ≤ 4 − 3 y,

f ( x, y ) = c, 1 ≤ y ≤ 2, y ≤ x ≤ 3 y − 2,
0, иначе .

Неизвестную константу c определим, используя условие нормировки


плотности вероятности:
∞ ∞ 1  4 −3 y  2  3 y −2  1 2
 cdx dy +  cdx dy = c ( 4 − 3 y − y ) dy + c ( 3 y − 2 − y ) dy =
∫ ∫ f ( x , y ) dxdy = ∫  ∫
0 y
 ∫1  ∫y  ∫0 ∫1
−∞−∞   
1 2
= c ∫ ( 4 − 4 y ) dy + c ∫ ( 2 y − 2 ) dy =c 4 y − 2 y 2 ( ) 1

0
(
+ c y2 − 2y ) 2

1
= c (4 − 2) + c(4 − 4 − 1 + 2) =
0 1
1
= 2c + c = 3c = 1 ⇒ c = .
3

Таким образом,
1
3 , 0 ≤ y ≤ 1, y ≤ x ≤ 4 − 3 y,

1
f ( x, y ) =  , 1 ≤ y ≤ 2, y ≤ x ≤ 3 y − 2,
3
 0, иначе .


Проверим геометрически полученный результат. Объем тела,
ограниченный поверхностью распределения и плоскостью xOy должен быть

1 1 1  1
равен единице, т.е. объем равен V = h ⋅ SB = c ⋅ SB = ⋅  ⋅ 1 ⋅ 4 + ⋅ 1 ⋅ 2  = ⋅ ( 2 + 1) = 1.
3 2 2  3

Вычислим математические ожидания по формулам:


∞ ∞ ∞ ∞

∫ ∫xy ∫ ∫x
1 0
mX = α1,0 ( x, y ) = f ( x, y )dxdy = f ( x, y )dxdy ,
−∞ −∞ −∞ −∞
∞ ∞ ∞ ∞

∫ ∫x ∫ ∫y
0 1
mY = α 0,1 ( x, y ) = y f ( x, y )dxdy = f ( x, y )dxdy.
−∞ −∞ −∞ −∞
2 4 −3 y 3 y −2
1   1  
1 4 −3 y 2 3 y −2 1 2 1
mX = ∫
3 0 ∫y xdx dy + 3 ∫1 
1 x
∫y xdx dy = 3 ∫0 2
1 x2
+ ∫
31 2
=
1
6 ∫0
(16 − 24 y + 9 y 2 − y 2 )dy +
    y y

2 1 2
1
(
+ ∫ 9 y 2 − 12 y + 4 − y 2 dy = ) 1 8 3 18 3 
16 y − 12 y + y  +  y − 6 y + 4 y  =
6
2

3 0 63
2

61 1
1 8 64 8  1  64  34 17
= 16 − 12 + + − 24 + 8 − + 6 − 4  =  − 10  = = .
6 3 3 3  6 3  18 9

1
1  4−3 y  2  3 y −2  1 2 1
 dx dy + 1 y  dx dy = 1 yx 4 −3 y 1 3 y −2 1
y ( 4 − 3 y − y )dy +
3∫  ∫  3∫  ∫  3∫ 3∫ 3∫
mY = y y
+ yx y
=
0  y  1  y  0 1 0

2 1 2 1
1 1
30
(
1
31
)
1
3
4
(
+ ∫ y ( 3 y − 2 − y )dy = ∫ 4 y − 4 y 2 dy + ∫ 2 y 2 − 2 y dy =  2 y 2 − y 3  +
31 3
)
0
2
1 2  1 4  1 16 2  1 2 1 5 2 5 7
+  y 3 − y 2  = 2 −  +  − 4 − +1 = ⋅ + ⋅ = + = .
33 1 3 3 3 3 3  3 3 3 3 9 9 9
Вычислим дисперсии по формулам:
∞ ∞
DX = α 2,0 ( x, y ) − m2X ∫ ∫x
2
= f ( x, y ) dxdy −m 2X ,
−∞ −∞
∞ ∞
DY = α 0,2 ( x , y ) − mY2 = ∫ ∫y
2
f ( x , y )dxdy − mY2.
−∞ −∞

4 −3 y 3 y −2
1   1  
1 4 −3 y 2 3 y −2 2 1 2 1
    17  1 x3 1 x3 289 1
DX = ∫ ∫ x dx dy + ∫ ∫ x dx dy −   = ∫
2 2
+ ∫ − = ∫ (64 −
3 0
 y

 31
 y

 9  30 3 y
31 3 y
81 90
2
− 144 y + 108 y 2 − 27 y 3 − y 3 )dy +
1
91∫ ( 27 y 3 − 54 y 2 + 36 y − 8 − y 3 )dy −
289
81
=
2

=
1
9
(
64 y −72 y 2 +36 y 3 −7 y 4 ) 1 1 13 4
+ 
9 2

y −18 y 3 +18 y 2 −8 y  −
289
81
1
= (64 −72 +
9
0
1
1 13 289 1 1 35 289
+ 36 − 7) + (104 − 144 + 72 − 16 − + 18 − 18 + 8) − = ⋅ 21 + ⋅ − =
9 2 81 9 9 2 81
7 35 289 115
= + − = .
3 18 81 162
1
1  4−3 y  1
2  3 y −2  7 
2
1
1
4 −3 y 1
2
3 y −2
DY = ∫ y 2  ∫ dx dy + ∫ y 2  ∫ dx dy −   = ∫ y 2 x + ∫ y2x =
30   3    9  3 y 3 y
 y  1  y  0 1
1 2 1 2
1 1
= ∫ y 2 ( 4 − 3 y − y )dy + ∫ y 2 ( 3 y − 2 − y )dy −
30 31
49 1
81 3 0
1
(
= ∫ 4 y 2 − 4 y 3 dy + ∫ 2 y 3 − 2 y 2 dy −
31
) ( )
1 2
49 1 4  1 1 2  49 1 4  1 16 1 2  49
− =  y3 − y4  +  y4 − y3  − =  −1 + 8 − − + − =
81 3 3 0 32 3 1 81 3 3  3 3 2 3  81
1 17 49 73
= + − = .
9 18 81 162
Корреляционный момент вычислим по формуле:
∞ ∞
K XY = M [ XY ] − m X mY = α1,1 ( x, y ) − m X mY = ∫ ∫x y f ( x, y ) dxdy −m X mY
−∞ −∞
4 −3 y 3 y −2
1 1 4 −3 y
 1 
2 3 y −2
17 7 1
1
x2 1
2
x2 119
K XY = ∫ y ∫y xdx dy + 3 ∫1 y

∫y xdx dy − 9 ⋅ 9 = 3 ∫0 y ⋅ 2 + ∫y⋅ − =
30    y
31 2 y 81
1 2 1
1
60
( 1
) (
= ∫ y 16 − 24 y + 9 y 2 − y 2 dy + ∫ y 9 y 2 − 12 y + 4 − y 2 dy −
61
119 1
81
)
= ∫ 16 y − 24 y 2 + 8 y 3 dy +
60
( )
2
+
1
61∫ ( 8 y 3 − 12 y 2 + 4 y ) dy − = ⋅ (8 y 2 − 8 y 3 + 2 y 4 ) + ⋅ ( 2 y 4 − 4 y 3 + 2 y 2 ) −
119 1
81 6
1

0
1
6
2

1
119
81
=

1 1 119 1 4 119 5 119 16


= ⋅ ( 8 − 8 + 2 ) + ⋅ ( 32 − 32 + 8 − 2 + 4 − 2 ) − = + − = − = .
6 6 81 3 3 81 3 81 81
После нормировки по формуле:

K XY
R XY =
D X DY
получаем коэффициент корреляции:
16
R XY = 81 = 0,349 .
115 73

162 162

Ответ: 0,349.
Задача 9.15.

Вычислить математическое ожидание и дисперсию величин U и V, а


так же определить их коэффициент корреляции RUV :
U = 5 + 3 X 1 − 5 X 2 ; V = −3 − X 2 − 9 X 3 .
Величины X1 , X 2 , X 3 имеют следующие числовые характеристики:
m1 = 3; m 2 = −1; m3 = 4;
D1 = 4; D2 = 1; D3 = 1;
K 12 = 1; K 13 = 1; K 23 = 0,5.

Решение.
Вычислим математические ожидания U и V по формулам:
mU = a 0 + a1 m1 + a 2 m 2 ; mV = b0 + b1 m2 + b2 m3 .
mU = 5 + 3m1 − 5m2 = 5 + 3 ⋅ 3 − 5 ⋅ ( −1) =19 ;
mV = −3 − m2 − 9m3 = −3 − ( −1) − 9 ⋅ 4 = −38 .
Вычислим дисперсии DU и DV по формуле:
DY = a12 D1 + a22 D2 + 2a1a2K12 ,
где Di – дисперсия СВ Xi ,
K12 – корреляционный момент величин X1 и X2.
Таким образом,
DU = 3 2 ⋅ D1 + (−5) 2 ⋅ D2 + 2 ⋅ 3 ⋅ (−5) ⋅ K 12 = 9 ⋅ 4 + 25 ⋅ 1 − 30 ⋅ 1 = 31 ;
DV = (−1) 2 ⋅ D2 + (−9) 2 ⋅ D3 + 2 ⋅ (−1) ⋅ (−9) ⋅ K 23 = 1 ⋅1 + 81 ⋅1 + 18 ⋅ 0,5 = 91 .
Рассчитаем корреляционный момент KUV по формуле:
KUV = M [ UV ] − mU mV.
Для этого определим математическое ожидание произведения величин U и V:
M [UV ] = M [ ( 5 + 3X1 − 5 X 2 )( − 3 − X 2 − 9 X 3 ) ] = M [ − 15 − 9 X 1 + 15 X 2 − 5 X 2 − 3 X 1 X 2 + 5 X 2 X 2 −
− 45 X 3 − 27 X 1 X 3 + 45 X 2 X 3 ] .
Применяем формулы:
 n  n
mY = M  a0 + ∑ ai X i  = a0 + ∑ ai mi ;
 i =1  i =1
mY = a ⋅ ( m1m2 + K12 ) ;
где mi – математическое ожидание СВ Xi ,
K12 – корреляционный момент величин X1 и X2;
если Y = X ⋅ X , то математическое ожидание Y равно
mY = m X m X + K XX = m2X + D X ,
получаем:
M [UV ] = −15 − 9m1 +10 m2 − 45 m3 − 3M [ X 1 X 2 ] + 5M [ X 2 X 2 ] − 27 M [ X 1 X 3 ] + 45 M [ X 2 X 3 ] =
= −15 − 9 ⋅ 3 + 10 ⋅ (−1) − 45 ⋅ 4 − 3[ m1 m2 + K 12 ] + 5[m22 + D2 ] − 27[m1 m3 + K 13 ] + 45[m2 m3 + K 23 ] =
= −15 − 27 −10 −180 − 3(3 ⋅ ( −1) +1) + 5(( −1) 2 +1) − 27 (3 ⋅ 4 +1) + 45 ( −1 ⋅ 4 + 0,5] =
= −232 + 6 +10 −351 −157 ,5 = −724 ,5 .
Таким образом,
K UV = M [UV ] − mU mV = −724 ,5 −19 ⋅ (−38 ) = −2,5 .
Величину RUV определим по формуле:
K UV − 2,5
RUV = = − −0,047 .
DU DV 31 ⋅ 91

Ответ: mU = 19 , mV = −38 , DU = 31, DV = 91, RUV − 0,047 .

Задача 10.15.

По выборке одномерной случайной величины:


- получить вариационный ряд;
- построить на масштабно-координатной бумаге формата А4 график
эмпирической функции распределения F*(x);
- построить гистограмму равноинтервальным способом;
- построить гистограмму равновероятностным способом;
- вычислить точечные оценки математического ожидания и дисперсии;
- вычислить интервальные оценки математического ожидания и дисперсии (γ
= 0,95);
- выдвинуть гипотезу о законе распределения случайной величины и
проверить ее при помощи критерия согласия χ 2 и критерия Колмогорова (α
= 0,05). График гипотетической функции распределения F0(x) построить
совместно с графиком F*(x) в той же системе координат и на том же листе.

1.78 0.59 0.34 2.21 1.06 2.33 0.51 1.16 0.19 3.41 4.22 6.55 2.64 1.56
3.00 0.88 0.43 1.33 2.70 0.94 4.19 0.11 1.04 2.05 0.12 4.17 0.58 2.39 4.66
4.74 3.44 0.58 3.82 0.59 1.79 12.42 0.71 0.18 2.29 0.97 0.80 0.77 0.87
0.59 1.84 2.11 0.51 1.52 0.13 0.43 1.12 0.51 0.22 1.39 0.65 0.20 4.35 2.39
3.96 1.24 1.14 3.54 0.25 2.83 1.91 0.35 6.50 2.35 2.21 0.76 1.62 0.29 1.36
0.29 0.26 2.18 7.42 1.29 0.07 1.37 3.87 4.17 0.51 0.06 1.38 0.87 1.83 0.24
3.91 4.03 1.50 2.76 2.15 1.21 0.85 1.86 0.70 2.12 0.43 4.23

Решение.

По выборке одномерной случайной величины получим вариационный


ряд (n=100):
0,06 0,07 0,11 0,12 0,13 0,18 0,19 0,20 0,22 0,24
0,25 0,26 0,29 0,29 0,34 0,35 0,43 0,43 0,43 0,51
0,51 0,51 0,51 0,58 0,58 0,59 0,59 0,59 0,65 0,7
0,71 0,76 0,77 0,80 0,85 0,87 0,87 0,88 0,94 0,97
1,04 1,06 1,12 1,14 1,16 1,21 1,24 1,29 1,33 1,36
1,37 1,38 1,39 1,50 1,52 1,56 1,62 1,78 1,79 1,83
1,84 1,86 1,91 2,05 2,11 2,12 2,15 2,18 2,21 2,21
2,29 2,33 2,35 2,39 2,39 2,64 2,7 2,76 2,83 3,00
3,41 3,44 3,54 3,82 3,87 3,91 3,96 4,03 4,17 4,17
4,19 4,22 4,29 4,35 4,66 4,74 6,50 6,55 7,42 12,42

По формуле:
)
0, x ≤ x1,
M

i ) )
F * ( x ) = p* ( X < x) =  , xi < x ≤ xi +1
n
M
1, x > x) .
 n

построим график эмпирической функции распределения F * ( x) . Так как


F * ( x) является неубывающей функцией и все ступеньки графика F * ( x)
имеют одинаковую величину 1/n (или ей кратны – для одинаковых
значений), то таблицу значений эмпирической функции распределения F*(x)
можно не вычислять, а построить ее график непосредственно и по
вариационному ряду, начиная с его первого значения.

0,9 F*(x)
0,8
0,7

0,6
0,5

0,4
0,3
0,2

0,1
0
0,00 2,00 4,00 6,00 8,00 10,00 12,00 14,00

Рис. 10.1. Графики эмпирической F * ( x ) функции распределения

Построить на масштабно-координатной бумаге формата А4 график


эмпирической функции распределения F*(x).
Количество интервалов M, необходимое для построения гистограмм,
определим по объему выборки по формуле:

M ≈
 ( )
int n , n ≤ 100,

int ( ( 2 ÷ 4) ⋅ lg ( n ) ) , n > 100,


где int(x) – целая часть числа x .
т.е. M ≈ n = 100 = 10.

Для равноинтервальной гистограммы величины hj, Aj, Bj, pj*, fj*


рассчитаем по формулам:
) )
xn −x 1 )
h j =h = ∀, ⇒
j A=j +
x −1 j( h= j, 2,
1) M
M

Aj, Bj – левая и правая границы j-го интервала ( B j = A j +1 – интервалы


) )
примыкают друг к другу), причем A1 = x1 , BM = xn ;
h j = B j − A j – длина j-го интервала;
M
ν j −количество чисел в выборке, попадающих в j-й интервал, ∑ν j = n;
j =1
m
νj
p*j =
n
– частота попадания в j-й интервал; ∑ p*j = 1 .
j =1

p*j νj
f j* = = – статистическая плотность вероятности в j-м интервале.
hj nh j

и заполним все колонки интервального статистического ряда (таб. 10.1):

Таблица 10.1
j Aj Bj hj ν j p*j f j*
1 0,06 1,296 1,236 48 0,48 0,388
2 1,296 2,532 1,236 27 0,27 0,218
3 2,532 3,768 1,236 8 0,08 0,065
4 3,768 5,004 1,236 13 0,13 0,105
5 5,004 6,24 1,236 0 0 0,000
6 6,24 7,476 1,236 3 0,03 0,024
7 7,476 8,712 1,236 0 0 0,000
8 8,712 9,948 1,236 0 0 0,000
9 9,948 11,184 1,236 0 0 0,000
10 11,184 12,42 1,236 1 0,01 0,008
Σ 100 1

Равноинтервальная гистограмма имеет вид, согласно рис. 10.2:


f*(x)

0,4

0,3

0,2

0,1

0 0,06 1,296 2,532 3,768 5,004 6,24 7,476 8,712 9,948 11,184 12,42 x

Рис. 10.2. Равноинтервальная гистограмма


Для равновероятностной гистограммы величины ν j , p*j , hj, Aj, Bj,
рассчитаем по формулам:
) )
n * 1 x( j −1) ν +x( −j 1)ν+ 1
ν j =ν = , p= ∀ ⇒j =A = , j 2, M
M j M j
2 ,
Aj, Bj – левая и правая границы j-го интервала ( B j = A j +1 – интервалы
) )
примыкают друг к другу), причем A1 = x1 , BM = xn ;
h j = B j − A j – длина j-го интервала;
M
ν j −количество чисел в выборке, попадающих в j-й интервал, ∑ν j = n;
j =1
m
νj
p*j =
n
– частота попадания в j-й интервал; ∑ p*j = 1 .
j =1

p*j νj
f j* = = – статистическая плотность вероятности в j-м интервале.
hj nh j

и заполним все колонки интервального статистического ряда (таб. 10.2):

Таблица 10.2
j Aj Bj hi ν j p*j f j*
1 0,060 0,245 0,185 10 0,1 0,541
2 0,245 0,510 0,265 10 0,1 0,377
3 0,510 0,705 0,195 10 0,1 0,513
4 0,705 1,005 0,300 10 0,1 0,333
5 1,005 1,365 0,360 10 0,1 0,278
6 1,365 1,835 0,470 10 0,1 0,213
7 1,835 2,250 0,415 10 0,1 0,241
8 2,250 3,205 0,955 10 0,1 0,105
9 3,205 4,180 0,975 10 0,1 0,103
10 4,180 12,420 8,240 10 0,1 0,012
Σ 100 1

Равновероятностная гистограмма имеет вид, согласно рис. 10.3:


f*(x)

0,5

0,4

0,3

0,2

0,1

0 0,06 2,532 5,004 7,476 9,948 11,184 12,42 x

Рис. 10.3. Равновероятностная гистограмма

Вычислим точечную оценку математического ожидания по формуле:


1 n
mX = ∑ xi .
*
n i =1
190 ,94
m *X = = 1,9094 .
100
Вычислим точечную оценку дисперсии по формуле:
n
1 1 n 2 n 2
⋅ ∑ ( xi − x ) = ∑
* 2 2
DX = S0 = xi − x .
n − 1 i =1 n − 1 i =1 n −1
719 ,2902 100
⋅ (1,9094 ) = 3,58 .
2
D X* = −
100 −1 100 −1

Построим доверительный интервал для математического ожидания с


надежностью γ = 0,95 по формуле:
 S S 
I γ (m X ) =  x − z λ 0 ; x + z γ 0  .
 n n
Для этого в таблице функции Лапласа найдем значение, равное
γ 0,95
= = 0,475 , и определим значение аргумента, ему соответствующее:
2 2
S0 1,892
z0,95 = arg Φ(0,475) =1,96. Затем вычислим z 0.95 = 1,96 ⋅ = 0,371 и
n 10
получим доверительный интервал для математического ожидания:

I 0, 95 ( m X ) =[1,5384 ; 2,2804 ] .

Построим доверительный интервал для дисперсии с надежностью γ = 0,95 по


формуле:
 2 2 
I γ ( D X ) = S 02 − z γ S 02 ; S 02 + z γ S 02  .
 n −1 n −1 

2 2
Вычислим z 0,95 S 02 = 1,96 ⋅ ⋅ 3,58 = 0,997 и получим доверительный
n −1 100 −1
интервал для дисперсии:
I 0 , 95 ( D X ) =[ 2,583 ; 4,577 ] .

По виду графика эмпирической функции распределения F * ( x) и


гистограмм выдвигаем двухальтернативную гипотезу о законе распределения
случайной величины:
H 0 – величина Х распределена по экспоненциальному закону:
 0, x < 0,
f ( x ) = f 0 ( x ) =  −λx ,
λe , x ≥ 0
 0, x < 0,
F ( x) = F0 ( x ) =  −λx .
1 − e , x ≥ 0

H1 – величина Х не распределена по экспоненциальному закону:


f ( x) ≠ f 0 ( x), F ( x ) ≠ F0 ( x ),
Определим оценки неизвестных параметров λ гипотетического
(экспоненциального) закона распределения по формулам:
1 1
m* =
λ
, S 02 = ,
λ2
Поскольку m * = x =1,9094 ; σ * = S 02 = S 0 = 1,892 ,
тогда λ = 0,52 .
Таким образом, получаем полностью определенную гипотетическую
функцию распределения:

 0, x < 0,
F0 ( x) =  −0 , 52 x .
1 − e , x ≥0
Проверим гипотезу о экспоненциальном законе с помощью критерия χ2 .
Вычислим значение критерия χ
2
на основе равноинтервального
статистического ряда (см. таб. 10.1) по формуле:

χ = 100 ∑
2
10 (p j − p *j )
2

.
j =1 pj

Теоретические вероятности pi попадания в интервалы


равноинтервального статистического ряда нормальной случайной величины
с параметрами m = x =1,9094 вычислим по формуле:
*

− Aj −Bj

p j = F0 ( A j ) − F0 ( B j ) = e x
−e x .

−0 , 52 A j −0 , 52 B j
pj =e −e .
При этом A1 = 0 , Bm = +∞ .
Результаты расчета можно свести в таблицу:
Таблица 10.3
( p*j − p j ) 2
j Aj Bj F0 (A j) F0 (B j) pj p*j
pj
1 0 1,296 1 0,523 0,477 0,48 0,00002

2 1,296 2,532 0,523 0,282 0,241 0,27 0,00346

3 2,532 3,768 0,282 0,152 0,130 0,08 0,01922

4 3,768 5,004 0,152 0,082 0,070 0,13 0,05128

5 5,004 6,24 0,082 0,044 0,038 0 0,03776

6 6,24 7,476 0,044 0,024 0,020 0,03 0,00457

7 7,476 8,712 0,024 0,013 0,011 0 0,01097

8 8,712 9,948 0,013 0,007 0,006 0 0,00591

9 9,948 11,184 0,007 0,004 0,003 0 0,00319

10 11,184 +∞ 0,004 0 0,004 0,01 0,01055

Сумма: 1 1 0,14694

Проверяем выполнение контрольного соотношения для p j :


10
1 − ∑ p j = 0 < 0,01 .
j =1

В результате получаем χ2 =100 ⋅ 0,14694 =14 ,694 .


Вычислим число степеней свободы по формуле
k = M − 1 − s = 10 − 1 − 1 = 8 и по заданному уровню значимости α =0,05 из
таблицы распределения χ2 выбираем критическое значение
χα;8 = χ0 , 05 ;8 =15 ,51 .
2 2

Так как χ =14 ,694 < χ0,05 ;8 =15 ,51, то гипотеза H 0 о экспоненциальном
2 2

законе распределения принимается (нет основания ее отклонить).


Проверим гипотезу о экспонециальном законе с помощью критерия
Колмогорова. Построим график F0 ( x) в одной системе координат с графиком
эмпирической функции распределения F * ( x) .
Таким образом, получаем полностью определенную гипотетическую
функцию распределения:

 0, x < 0,
F0 ( x) =  −0, 52 x
1 − e , x ≥0

В качестве опорных точек для графика F0 ( x) используем 10 значений F0 ( A j )


из таб. 10.3.
По графику определим максимальное по модулю отклонение между
функциями F * ( x) и F0 ( x) :
n
Z = m axF * ( xi ) − F0 ( xi ) =
i =1
Вычислим значение критерия Колмогорова по формуле:
λ = n ⋅ Z = 100 ⋅ 0,04 =10 ⋅ 0,04 = 0,4 .

Из таблицы Колмогорова по заданному уровню значимости α =0,05


выбираем критическое значение λγ = λ1−α = λ0,95 = 1,36 .
Так как λ = 0,4 ≤ λ0,95 = 1,36 , то гипотезу H 0 о экспоненциальном законе
распределения отвергать нет основания.
Задача 11.15.

По выборке двухмерной случайной величины:


- вычислить точечную оценку коэффициента корреляции;
- вычислить интервальную оценку коэффициента корреляции (γ = 0,95);
- проверить гипотезу об отсутствии корреляционной зависимости;
- вычислить оценки параметров a0 и a1 линии регрессии y ( x ) =â0 + â1х;
- построить диаграмму рассеивания и линию регрессии.

(3.56; 4.06) (4.35; 4.57) (3.67; 1.58) (6.40; 3.14) (4.34; 6.40) (3.80;6.53)
(4.95;5.19) (4.02; 3.87) (4.61; 2.76) (4.17; 2.96) (2.87; 7.32) (4.59; 4.67)
(3.77; 5.34) (6.21; 5.54) (4.38; 4.54) (3.45; 5.19) (5.21; 6.25) (3.87; 2.30)
(1.76; 4.49) (6.17; 2.83) (2.90; 6.39) (3.38; 4.09) (5.66; 4.26) (4.85; 4.99)
(4.65; 2.89) (5.11; 5.48) (4.69; 5.04) (4.54; 5.95) (3.64; 5.00) (6.23; 5.39)
(4.49; 5.13) (4.13; 4.06) (3.36; 5.22) (3.75; 2.62) (4.99; 4.62) (4.77; 5.75)
(3.83; 3.89) (2.69; 2.33) (4.02; 5.13) (4.77; 7.23) (2.14; 7.36) (5.08; 3.81)
(3.29; 6.53) (3.74; 3.57) (4.76; 5.45) (5.66; 4.11) (5.01; 4.31) (4.01; 5.77)
(5.47; 6.21) (4.84; 4.64) .

Решение.

Для решения задачи удобно воспользоваться приведенной ниже


таблицей. Значения в 3-ем, 4-ом и 5-ом столбцах вычисляются по формулам,
приведенными в первой строке таблицы. В последней строке таблицы
приведены средние арифметические значений каждого из столбцов. Таким
образом получены:
- оценки математических ожиданий по каждой переменной (см. табл.11.1):
1 n
m X =x = ∑xi= 4,332 (см. столбец 2),
*
n i =1
1 n
mY* = y = ∑yi=
n i =1
4,735 (см. столбец 3);

- оценки начальных моментов второго порядка по каждой переменной:


1 n 2
α 2* ( x) = ∑ xi = 19,7663 (см. столбец 4),
n i =1
1 n
α 2* ( y ) = ∑ yi2 = 24,2646 (см. столбец 5);
n i =1
- оценка смешанного начального момента второго порядка:
1 n
α 2* ( x, y ) = ∑ xi yi = 20,3899 (см. столбец 6).
n i =1

Таблица 11.1
№ x y x2 y2 x*y
1 3,56 4,06 12,67 16,48 14,4536
2 4,35 4,57 18,92 20,88 19,8795
3 3,67 1,58 13,47 2,50 5,7986
4 6,40 3,14 40,96 9,86 20,096
5 4,34 6,40 18,84 40,96 27,776
6 3,80 6,53 14,44 42,64 24,814
7 4,95 5,19 24,50 26,94 25,6905
8 4,02 3,87 16,16 14,98 15,5574
9 4,61 2,76 21,25 7,62 12,7236
10 4,17 2,96 17,39 8,76 12,3432
11 2,87 7,32 8,24 53,58 21,0084
12 4,59 4,67 21,07 21,81 21,4353
13 3,77 5,34 14,21 28,52 20,1318
14 6,21 5,54 38,56 30,69 34,4034
15 4,38 4,54 19,18 20,61 19,8852
16 3,45 5,19 11,90 26,94 17,9055
17 5,21 6,25 27,14 39,06 32,5625
18 3,87 2,30 14,98 5,29 8,901
19 1,76 4,49 3,10 20,16 7,9024
20 6,17 2,83 38,07 8,01 17,4611
21 2,90 6,39 8,41 40,83 18,531
22 3,38 4,09 11,42 16,73 13,8242
23 5,66 4,26 32,04 18,15 24,1116
24 4,85 4,99 23,52 24,90 24,2015
25 4,65 2,89 21,62 8,35 13,4385
26 5,11 5,48 26,11 30,03 28,0028
27 4,69 5,04 22,00 25,40 23,6376
28 4,54 5,95 20,61 35,40 27,013
29 3,64 5,00 13,25 25,00 18,2
30 6,23 5,39 38,81 29,05 33,5797
31 4,49 5,13 20,16 26,32 23,0337
32 4,13 4,06 17,06 16,48 16,7678
33 3,36 5,22 11,29 27,25 17,5392
34 3,75 2,62 14,06 6,86 9,825
35 4,99 4,62 24,90 21,34 23,0538
36 4,77 5,75 22,75 33,06 27,4275
37 3,83 3,89 14,67 15,13 14,8987
38 2,69 2,33 7,24 5,43 6,2677
39 4,02 5,13 16,16 26,32 20,6226
40 4,77 7,23 22,75 52,27 34,4871
41 2,14 7,36 4,58 54,17 15,7504
42 5,08 3,81 25,81 14,52 19,3548
43 3,29 6,53 10,82 42,64 21,4837
44 3,74 3,57 13,99 12,74 13,3518
45 4,76 5,45 22,66 29,70 25,942
46 5,66 4,11 32,04 16,89 23,2626
47 5,01 4,31 25,10 18,58 21,5931
48 4,01 5,77 16,08 33,29 23,1377
49 5,47 6,21 29,92 38,56 33,9687
50 4,84 4,64 23,43 21,53 22,4576
Средние 4,3320 4,7350 19,7663 24,2646 20,3899

На основе этих данных легко вычислить оценки дисперсий:


1 n 2 n 2 n * n 2
* 2
D ( x ) = S0 ( x ) = ∑
n − 1 i =1
xi −
n −1
x =
n −1
α 2 ( x) −
n −1
x =

= 20,1697 – 19,1492 = 1,0205;


1 n 2 n 2 n * n 2
DY* = S02 ( y ) = ∑
n − 1 i =1
yi −
n −1
y =
n −1
α2 ( y) −
n −1
y =

= 24,7598 – 22,8778 = 1,882


и оценку корреляционного момента:
1 n n n n
*
K XY = ∑
n − 1 i =1
xi yi −
n −1
x⋅y=
n −1
*
α1,1 ( x, y ) −
n −1
x⋅y=

= 20,8060 – 20,9306 = - 0,1246.


Вычислим точечную оценку коэффициент корреляции по формуле :
* K *XY
RXY = = -0,0899.
2 2
S0 ( x ) ⋅ S 0 ( y )

Вычислим интервальную оценку коэффициента корреляции с


надежностью γ = 0,95 по формуле:
 e 2 a − 1 e 2b − 1
I γ ( R XY ) =  2 a ; 2b ,
 e + 1 e + 1
 1 + R *XY  zγ
где a = 0,5 ⋅ ln  − ;
 1 − R XY
*
 n−3
 1 + R XY*
 zγ
b = 0,5 ⋅ ln * 
+ ;
 1 − R XY  n−3
γ  γ
z γ = arg Ф  – значение аргумента функции Лапласа, т.е. Ф( z γ ) = 2 .
2

Для этого в таблице функции Лапласа найдем значение, равное


γ
Ф( z γ ) = =0,475 и определим значение аргумента, ему соответствующее:
2
z0,95 = arg Φ(0,475) =1,96. Вычислим вспомогательные значения a, b:
 1 + R *XY  zγ  0,9101  1,96
a = 0,5 ⋅ ln * 
− = 0,5 ⋅ ln − = −0,0901 − 0,2859 =
 1 − R XY  n−3  1,0899  47
= −0,376;
 1 + R *XY  zγ  0,9101  1,96
b = 0,5 ⋅ ln * 
+ = 0,5 ⋅ ln + = −0,0901 + 0,2859 =
 1 − R XY  n−3  1,0899  47
= 0,1958.

Таким образом, доверительный интервал для коэффициента корреляции


имеет вид
 e 2 a −1 e 2 b −1 
I γ ( R XY ) =  2 a ; 2b [ ]
 = 0.3596 ; 0,1932 .
 e +1 e +1

Проверим гипотезу об отсутствии корреляционной зависимости:


H 0 : RXY = 0;
H1 : RXY ≠ 0.
Так как объем выборки велик (n ≥ 50 ), то вычислим значение критерия
по формуле :
R*XY n
Z=
( )
2
1 − R*XY ,
0,0899 ⋅ 50 0,6357
Z = = = 0,6409 .
1 − ( − 0,0899 )
2
0,9919

Определим значение Zα из таблицы функции Лапласа:


z0,95 = arg Φ(0,475) =1,96
Так как Z < Z α , то гипотеза H0 принимается, т.е. величины X и Y
некоррелированны.
Вычислим оценки параметров â0 и â1 линии регресии y ( x ) =â0 + â1х
по формулам:
*
K XY − 0,1246
â1 = 2 = = −0,122,
S 0 ( x) 1,0205

â0= y - â1 x =4,735 + 0,122 ∙ 4,332 = 5,264.


Уравнение линии регрессии имеет вид:
y ( x ) =5,264 - 0,122х.

Построим диаграмму рассеивания, изобразив значения исходной


двумерной выборки {( х1, у1), ( х2, у2 ), …,( х50, у50)}. в виде точек с
координатами ( хi , уi ) на плоскости в декартовой системе координат, и
линию регрессии (рис. 11.1).
y 8

0
0 1 2 3 4 5 6 7

Рис. 11.1 Диаграмма рассеивания и линия регрессии