631- Статистика. Вероятность. Комбинаторика - Бродский Я.С - 2008 -544с PDF

ШКОЛЬНЫЙ КУРС МАТЕМАТИКИ
Я. С. Бродский
СТАТИСТИКА.
ВЕРОЯТНОСТЬ.
КОМБИНАТОРИКА
Москва
ОНИКС Мир и Образование
УДК 519.2(075.3)
ББК 22.17я72
Б88
Бродский Я. С.
Б88 Статистика. Вероятность. Комбинаторика / Я. С. Брод-
ский. — М.: ООО «Издательство Оникс»: ООО «Издатель-
ство «Мир и Образование», 2008. — 544 с.: ил. — (Школь-
ный курс математики).
ISBN 978-5-488-01369-8 (ООО «Издательство Оникс»)

ISBN 978-5-94666-423-3 (ООО «Издательство «Мир и Образование»)
В данном учебном пособии подробно излагаются основы опи-

сательной и математической статистики, элементы теории веро-
ятностей и комбинаторики. К каждому параграфу приводятся
контрольные вопросы и задачи для самостоятельного решения.
Кроме того, каждая глава содержит дополнительные задачи. В
конце книги даны ответы и указания ко всем задачам.
Пособие предназначено старшеклассникам, студентам тех -
никумов и младших курсов вузов, обучающихся на не матема-
тических специальностях.
УДК 519.2(075.3)
ББК 22.17я72
ISBN 978-5-488-01369-8(ООО «Издательство Оникс»)

ISBN 978-5-94666-423-3(ООО «Издательство «Мир и Образование»)
© Бродский Я. С., 2008

© Оформление переплета.
ООО «Издательство Оникс», 2008
Олавление
Предисловие . . . . . . . . . . . . . 7 § 1.6. Др#ие меры

центральной тенденции. . . . 68
Введение. . . . . . . . . . . . . . . . 10 1.6.1. Медиана . . . . . . . . . . . 68
Контрольные вопросы . . . . . 15 1.6.2. Мода . . . . . . . . . . . . . . 75
Задачи . . . . . . . . . . . . . . . . . 15 1.6.3. Неоторые виды
степенноо среднео . . . . . . . 82
Глава 1 Контрольные вопросы . . . . . 86
ОПИСАТЕЛЬНАЯ Задачи . . . . . . . . . . . . . . . . . 88
СТАТИСТИКА . . . . . . . . . . . . 17
§ 1.7. По азатели
§ 1.1. Классифи ация вариации . . . . . . . . . . . . . . . 90
данных и измерительные 1.7.1. Размах вариации . . . . 90
ш алы . . . . . . . . . . . . . . . . . 19
1.7.2. Дисперсия . . . . . . . . . 92
Контрольные вопросы . . . . . 27 1.7.3. Коэффициент
Задачи . . . . . . . . . . . . . . . . . 27 вариации . . . . . . . . . . . . . . . 98
§ 1.2. Первичная обработ а 1.7.4. Стандартизированные
резльтатов измерений . . . . 29 данные . . . . . . . . . . . . . . . . . 98
Контрольные вопросы . . . . . 38 Контрольные вопросы . . . . . 100
Задачи . . . . . . . . . . . . . . . . . 39 Задачи . . . . . . . . . . . . . . . . . 100
§ 1.3. Вариационные ряды . 40 § 1.8. Квантили . . . . . . . . . . 102

Задачи . . . . . . . . . . . . . . . . . 46 Задачи . . . . . . . . . . . . . . . . . 106
§ 1.4. Графичес ое Дополнительные задачи

изображение лаве 1 . . . . . . . . . . . . . . . 107
вариационных рядов . . . . . . 47
Контрольные вопросы . . . . . 51 Глава 2
Задачи . . . . . . . . . . . . . . . . . 53 СЛУЧАЙНЫЕ СОБЫТИЯ . . . 118
§ 1.5. Среднее § 2.1. Статистичес ая

арифметичес ое — вероятность . . . . . . . . . . . . . 119
по азатель центральной 2.1.1. Случайный опыт . . . . 119
тенденции. . . . . . . . . . . . . . . 54 2.1.2. Случайное событие. . . 122
Контрольные вопросы . . . . . 64 2.1.3. Относительная
Задачи . . . . . . . . . . . . . . . . . 65 частота события . . . . . . . . . . 124
4 Олавление
2.1.4. Статистичесая 2.6.4. Объединение,

устойчивость опытов . . . . . . 125 или сумма, событий . . . . . . . 187
2.1.5. Применение 2.6.5. Обобщение операций
статистичесой объединения и пересечения
вероятности . . . . . . . . . . . . . 132 событий . . . . . . . . . . . . . . . . 189
Задачи . . . . . . . . . . . . . . . . . 134 Задачи . . . . . . . . . . . . . . . . . 191
§ 2.2. Классичес ая § 2.7. Шансы в польз
вероятность . . . . . . . . . . . . . 137 события . . . . . . . . . . . . . . . . 191
2.2.1. Равновозможность . . . 137 Контрольные вопросы . . . . . 196
2.2.2. Вероятность события . 139 Задачи . . . . . . . . . . . . . . . . . 196
Контрольные вопросы . . . . . 149 § 2.8. Вероятность сммы
Задачи . . . . . . . . . . . . . . . . . 149 событий . . . . . . . . . . . . . . . . 197
§ 2.3. Сбъе тивная Контрольные вопросы . . . . . 204
вероятность . . . . . . . . . . . . . 152 Задачи . . . . . . . . . . . . . . . . . 205
Контрольные вопросы . . . . . 155 § 2.9. Условные
Задачи . . . . . . . . . . . . . . . . . 155 вероятности . . . . . . . . . . . . . 207
§ 2.4. Вероятностная модель Контрольные вопросы . . . . . 214
слчайно#о опыта . . . . . . . . 156 Задачи . . . . . . . . . . . . . . . . . 215
2.4.1. Пространство § 2.10. Независимые
элементарных исходов события . . . . . . . . . . . . . . . . 217
опыта . . . . . . . . . . . . . . . . . . 157
2.4.2. Вероятности Контрольные вопросы . . . . . 224
элементарных исходов . . . . . 161 Задачи . . . . . . . . . . . . . . . . . 225
Контрольные вопросы . . . . . 166 § 2.11. Формла полной
Задачи . . . . . . . . . . . . . . . . . 166 вероятности . . . . . . . . . . . . . 226
§ 2.5. Слчайные события Контрольные вопросы . . . . . 230
и их вероятности . . . . . . . . . 168 Задачи . . . . . . . . . . . . . . . . . 231
2.5.1. Случайное событие . . . 168 Дополнительные задачи
2.5.2. Вероятность лаве 2 . . . . . . . . . . . . . . . 232
случайноо события . . . . . . . 171
2.5.3. Классичесая Глава 3
вероятность и ее связь ЭЛЕМЕНТЫ
со статистичесой КОМБИНАТОРИКИ . . . . . . . 244
вероятностью . . . . . . . . . . . . 174
Контрольные вопросы . . . . . 178 § 3.1. Перебор возможных
Задачи . . . . . . . . . . . . . . . . . 178 вариантов. . . . . . . . . . . . . . . 245
Контрольные вопросы . . . . . 253
§ 2.6. Операции Задачи . . . . . . . . . . . . . . . . . 253
над событиями . . . . . . . . . . . 180
2.6.1. Достоверное § 3.2. Правила множения
и невозможное события . . . . 180 и сложения . . . . . . . . . . . . . 254
2.6.2. Противоположные 3.2.1. Комбинаторное
события . . . . . . . . . . . . . . . . 183 правило умножения . . . . . . . 254
2.6.3. Пересечение, 3.2.2. Комбинаторное
или произведение, событий . 184 правило сложения . . . . . . . . 259
Олавление 5
3.2.3. Перестанови . . . . . . . 262 § 4.5. Дисперсия

3.2.4. Зависит ли результат слчайной величины . . . . . . 344
выбора от поряда Контрольные вопросы . . . . . 353
следования элементов?. . . . . 265 Задачи . . . . . . . . . . . . . . . . . 353
3.2.5. Распределение
n одинаовых предметов § 4.6. Независимые
по m ячейам . . . . . . . . . . . . 268 слчайные величины. . . . . . 355
Задачи . . . . . . . . . . . . . . . . . 271 Задачи . . . . . . . . . . . . . . . . . 365
§ 3.3. Основные § 4.7. Числовые

омбинаторные схемы . . . . . 275 хара теристи и
биномиально#о
3.3.1. Упорядоченные распределения . . . . . . . . . . . 366
выбори (размещения) . . . . . 276
3.3.2. Перестанови . . . . . . . 278
Задачи . . . . . . . . . . . . . . . . . 369
3.3.3. Неупорядоченные
выбори (сочетания). . . . . . . 280 § 4.8. Неравенство
3.3.4. Свойства сочетаний . . 286 Чебышёва . . . . . . . . . . . . . . 370
Задачи . . . . . . . . . . . . . . . . . 289 Задачи . . . . . . . . . . . . . . . . . 376
§ 3.4. Бином Ньютона . . . . . 290 § 4.9. За он больших
Контрольные вопросы . . . . . 294 чисел . . . . . . . . . . . . . . . . . . 377
Задачи . . . . . . . . . . . . . . . . . 295 Контрольные вопросы . . . . . 381
Задачи . . . . . . . . . . . . . . . . . 382
Дополнительные задачи
лаве 3. . . . . . . . . . . . . . . . 295 § 4.10. Нормальное
распределение . . . . . . . . . . . 383
Глава 4 Контрольные вопросы . . . . . 394
СЛУЧАЙНЫЕ Задачи . . . . . . . . . . . . . . . . . 395
ВЕЛИЧИНЫ . . . . . . . . . . . . . 302 Дополнительные задачи
§ 4.1. Слчайная величина, лаве 4 . . . . . . . . . . . . . . . 396
за он ее распределения . . . . 303
Контрольные вопросы . . . . . 313 Глава 5
ЭЛЕМЕНТЫ
Задачи . . . . . . . . . . . . . . . . . 314
МАТЕМАТИЧЕСКОЙ
§ 4.2. Математичес ое СТАТИСТИКИ . . . . . . . . . . . 409
ожидание слчайной § 5.1. Генеральная
величины . . . . . . . . . . . . . . . 315 сово пность и выбор а . . . 411
Задачи . . . . . . . . . . . . . . . . . 322 Задачи . . . . . . . . . . . . . . . . . 423
§ 4.3. Свойства § 5.2. Оценивание
математичес о#о параметров . . . . . . . . . . . . . 424
ожидания . . . . . . . . . . . . . . . 323
Контрольные вопросы . . . . . 329 Задачи . . . . . . . . . . . . . . . . . 438
Задачи . . . . . . . . . . . . . . . . . 329
§ 5.3. Доверительные
§ 4.4. Формла Бернлли. . . 331 интервалы . . . . . . . . . . . . . . 440
Задачи . . . . . . . . . . . . . . . . . 343 Задачи . . . . . . . . . . . . . . . . . 447
6 Олавление
§ 5.4. Провер а Ответы и азания

статистичес их #ипотез . . . . 448 задачам . . . . . . . . . . . . . . . 495
Задачи . . . . . . . . . . . . . . . . . 458 Приложение. . . . . . . . . . . . . 521
Основные понятия, фаты,
§ 5.5. Провер а #ипотезы
формулы. . . . . . . . . . . . . . . . 521
о равенстве средне#о
Таблица П.1. Вероятности
#енеральной сово пности
для стандартноо
не отором заданном
нормальноо распределения 530
значению . . . . . . . . . . . . . . . 459
Таблица П.2. Случайные
Контрольные вопросы . . . . . 471 числа . . . . . . . . . . . . . . . . . . 534
Задачи . . . . . . . . . . . . . . . . . 472 Таблица П.3. Распределение
§ 5.6. Провер а #ипотез Cтьюдента . . . . . . . . . . . . . . 536
о биномиальной
вероятности . . . . . . . . . . . . . 474 Предметный азатель . . . . 538
Контрольные вопросы . . . . . 484 Именной азатель . . . . . . . 542
Задачи . . . . . . . . . . . . . . . . . 484
Дополнительные задачи Списо использованной
лаве 5. . . . . . . . . . . . . . . . 485 литератры . . . . . . . . . . . . . 543
Предисловие
Книа адресована широому руу читателей — старшелас-

сниам, студентам техниумов и младших урсов вузов, обучаю-
щихся на не математичесих специальностях.
Для старшелассниов ниа представляет интерес, та а ве-
роятностно-статистичесая, или, а ее еще называют, стохасти-
чес ая линия, сравнительно недавно стала полноправной состав-
ляющей шольной прораммы по математие. Учащиеся полу-
чают первые представления об элементах статистии, вероятности
и омбинатории. Заметим, что решения, оторые принимаются
осударственными оранами в образовании, медицине, техние,
бизнесе и друих отраслях, зависят от анализа имеющихся или
собранных данных. Поэтому анализ данных должен стать для стар-
шелассниов предметом более лубооо изучения в шоле. Ста-
тистичесая ультура человеа является неотъемлемой состав-
ляющей ео общей ультуры. Каждый челове будет тем успешнее
в жизни, чем полнее и лубже будет понимать статистичесую при-
роду оружающео мира и ео заоны. Надеемся, что данная ниа
поможет учащимся старших лассов лучше ориентироваться в та-
их областях деятельности, а эономиа, страхование, инвести-
ции, подверженных влиянию случая.
Комбинаториа, вероятность и статистиа вошли таже в про-
рамму по математие большинства техниумов. Студентам тех-
ниумов, безусловно, будет интересен современный взляд на эти
разделы математии и мноие приложения вероятностно-статис-
тичесих методов, о оторых идет речь в ние.
Студенты мноих высших учебных заведений изучают урс тео-
рии вероятностей и математичесой статистии. Для чео же им
адресовать данную ниу? Дело в том, что изучение в вузе анали-
тичесой еометрии или математичесоо анализа подотовлено
шольным урсом математии: из еометрии они знаомы с вето-
рами и методом оординат, а из урса алебры и начал анализа —
8 Предисловие
с фунциями, производной и интералом. Таая пропедевтичесая

подотова способствует более сознательному усвоению разделов
высшей математии, в том числе в области стохастии.
Пособие может быть использовано учителями общеобразова-
тельных шол в лассах с повышенной математичесой подотов-
ой, а таже для проведения фаультативных занятий в общеобра-
зовательных старших лассах, в лассах эономичесоо и друих
профилей.
Изложение учебноо материала отличается от принятоо в тра-
диционных вузовсих учебниах. Во-первых, в пособии допуса-
ются различные уровни обоснования:
— уровень здравоо смысла (на это направлены мноочислен-
ные примеры и сравнения);
— «приладной» уровень;
— и онечно, формально-лоичесий уровень.
Во-вторых, сделана попыта избежать рецептурноо стиля, осо-
бенно при изложении элементов математичесой статистии. Глав-
ная цель, оторую автор ставил перед собой, — довести до читате-
лей основные идеи статистии, а не рецепты их применения. По-
этому идеи математичесой статистии реализуются при помощи
сравнительно небольшоо математичесоо аппарата.
При написании нии автор придерживался следующих прин-
ципов:
— внедрение идеи математичесоо моделирования и формиро-
вание навыов применения вероятности и статистии описанию
реальных процессов и явлений;
— формирование навыов предварительной обработи статис-
тичесоо материала с применением современной вычислительной
технии;
— применение различных подходов решению омбинаторных
задач;
— использование различных определений понятия вероятно-
сти, позволяющих иметь различные источнии введения вероят-
ности события.
Книа состоит из введения, пяти лав, приложения, предметноо
и именноо уазателей. Первая лава посвящена описательной ста-
тистие. Наряду с обучением предварительной обработе эспери-
ментальных данных она ознаомит читателя с основными идеями
статистии — выборочным методом, оценой параметров, проверой
статистичесих ипотез. Автор стремился тому, чтобы при изуче-
нии этой лавы читатель пришел выводу о случайном харатере
мноих явлений и необходимости измерять эту случайность.
Предисловие 9
Во второй лаве начинается систематичесое изложение основ

теории вероятностей. Здесь рассматриваются различные определе-
ния вероятности, основные свойства вероятности события, ее при-
менение. В этой лаве читатель подводится необходимости иметь
в своем распоряжении специальные приемы для вычисления веро-
ятностей. Речь идет о омбинаторие, изложение оторой и содер-
жится в третьей лаве. В ней представлены три различных подхода
решению омбинаторных задач.
В четвертой лаве продолжается изучение элементов теории ве-
роятностей, а именно случайных величин и их числовых харате-
ристи.
Завершается ниа пятой лавой, посвященной элементам ма-
тематичесой статистии.
Изложение теоретичесоо материала сопровождается решением
типовых задач. Начало доазательства теорем, а таже решений при-
меров обозначено символом , а их оончание — символом . Таим
же знаом обозначен онец рассмотрения примеров, иллюстри-
рующих неоторое понятие или фат. Инода изложение прерывает-
ся вопросами читателю, цель оторых проверить, усвоено ли
изложение теоретичесоо материала, понятно ли решение примера.

К аждому парарафу приводятся онтрольные вопросы, ориен-
тированные на ативное усвоение основных понятий, отношений и
фатов в их взаимосвязи, и задачи, помоающие усвоить материал на
основном уровне. В онце аждой лавы приведены дополнительные
задачи. Их назначение — обеспечить уровневую и профильную диф-
ференциацию обучения стохастие. Задания базовоо уровня отме-
чены знаом °. Наиболее сложные задачи обозначены звездочой *.
Остальные задачи (их большинство) не отмечены ниаим знаом.
Пособие содержит и материал, оторый можно опустить при
первом прочтении: это моут быть доазательства утверждений,
историчесие эсурсы, материал, направленный на расширение
и улубление основноо теста. Историчесие эсурсы отмечены
знаом и специальным шрифтом. Улубленный матери-
ал обозначен знаами .
В онце пособия приводятся ответы пратичеси о всем
задачам и уазания решению наиболее трудных задач.
Автор выражает лубоую блаодарность А. Л. Павлову за под-
держу при работе над ниой, за ценные замечания, способство-
вавшие ее улучшению.
Автор
Введение
На аждом шау мы встречаемся с явлениями и действиями,

исход оторых зависит от случая. Их обычно называют слчайны-
ми испытаниями. Рассмотрим соответствующие примеры.
Жребием определяют футбольную оманду, начинающую и-
ру ударом с центра поля; ео исход случаен.
Случайным испытанием является бросание иральноо
убиа; случаен выбор остей при ире в домино, результат разда-
чи арт при арточной ире, исход поупи лотерейноо билета;
случайно извлечение бочона при ире в лото и т. д.
Поупая булочу с изюмом, мы не можем заранее сазать,
сольо изюмино оажется в ней; их число случайно.
На ородсом перересте авария автотранспорта может про-
изойти, а может и не произойти; это явление случайно.
Мы посеяли на оороде аую-то ультуру; исход наших ожи-
даний случаен: мы не знаем, аим будет урожай этой ультуры,
это зависит от мноих фаторов, оторые мы не можем учесть.
Случайными являются и таие явления, а смертность и рож-
даемость в определенном реионе.
Невозможно точно на длительный период предсазать, аой
будет поода в определенном населенном пунте — метеоролоиче-
сие явления случайны.
Перечень таих примеров можно продолжить (сделайте это са-
мостоятельно!). Но и приведенных достаточно для обоснования ут-
верждения, с отороо начато изложение.
Анализ подобных ситуаций, попыт а обнаружить в них опре-
деленные за ономерности в большой степени стимулировали воз-
ниновение таой науи, а теория вероятностей и матема-
тичесая статистиа.
Теория вероятностей и математичесая статистиа — один из наи-
более увлеательных и вместе с тем доступных разделов матема-
тии. Он уже давно вошел в прорамму средней шолы во мноих
Введение 11
странах мира. Наонец, он получил «право ражданства» и в оте-

чественной шоле.
Истоами появления теории вероятностей а науи послужи-
ли задачи, поставленные ироами в азартные иры. Для основате-
лей теории вероятностей Б. Пасаля (1623—1662) и П. Ферма
(1601—1665) эти задачи служили а бы отдыхом от друих абс-
тратных занятий. Очевидно, первым, то осознал значение тео-
рии вероятностей в различных приладных науах, был С. Лаплас
(1749—1827). Это значение быстро усиливалось по мере расшире-
ния области применения теории вероятностей. В настоящее время
вероятности широо используются в современной физие, биоло-
ии, антрополоии, страховании, бизнесе и друих областях чело-
вечесой деятельности. Теория вероятностей стала чуть ли не са-
мой первой по приладному значению из всех математичесих
дисциплин. А если этому добавить, что теория вероятностей и-
рает важную роль в становлении мировоззрения (понимании связи
между «случайным» и «необходимым», понимании «детерминист-
сих» и «статистичесих» заономерностей и т. п.), то станет ясно,
что основы теории вероятностей должны входить в бааж аждоо
образованноо человеа.
Данная ниа прилашает вас в мир вероятности и статистии.
Этот мир необходим любому человеу, та а наилучшее решение
в любой жизненной ситуации можно принять тольо тода, ода
имеется необходимая информация. Каим бы делом не занимался
челове, он зачастую вынужден принимать решения с учетом мно-
их обстоятельств, не имея полной и точной информации. Любую
доступную информацию следует использовать а можно полнее.
Статистичесий анализ помоает получать информацию на ос-
нове данных и оценивать ачество этой информации. Вероятность
позволяет оценить риси, влияние случайности, обеспечивает прав-
доподобные оцени получения различных возможных результатов.
Статистиа занимается сбором, обработой и анализом данных.
Основное предназначение статистии состоит в том, чтобы помочь
людям лучше понять проблемы, с оторыми они сталиваются.
Пример 1. Вы решили в свободное от занятий время заняться

продажей азет. Этому вы можете посвятить тольо ораниченное
время в течение дня. Чтобы принять разумное решение, нужно об-
ладать определенной информацией. Желательно знать, аие азе-
ты пользуются спросом; в аое время суто торовля идет более
оживленно; в аих местах лучше оранизовать эту торовлю; а-
ая торовая нацена оажется разумной; велиа ли онуренция
со стороны друих продавцов азет и т. д.
12 Введение
Пример 2. Вы решили приобрести ачественный омпьютер и по

возможно невысоой цене. Чтобы принять разумное решение, нуж-
но обладать определенной информацией. Желательно знать, де про-
даются омпьютеры; на аих фирмах они собирались; аова их
стоимость; аово их ачество; аую арантию предоставляют
фирмы; аово ачество обслуживания омпьютеров фирмами-про-
давцами и т. д.
Пример 3. Вы выбираете вуз и специальность, по оторой плани-

руете продолжать образование. Вас должно интересовать, имеется
ли у вуза лицензия на подотову специалистов данноо профиля;
насольо эта специальность востребована в обществе; насольо
сложно поступить на данную специальность; аова стоимость обу-
чения; пользуются ли спросом специалисты, оанчивающие дан-
ный вуз, и т. д.
Перечень подобных примеров можно продолжить.
Статистичесий анализ осуществляется в несольо этапов.

1. Планирование исследования предусматривает составление
плана сбора данных. В частности, решается вопрос о том, есть ли
необходимость и возможность исследовать всю совоупность (ее
называют енеральной совопностью) или можно ораничиться
тольо ее частью, оторую называют выборой. Подробно о по-
строении выбори будет овориться в лаве 5. Планирование пред-
усматривает определение необходимоо объема данных: их должно
быть достаточно для получения обоснованных выводов. Но их не
должно быть слишом мноо: это приводит расточительному ис-
пользованию времени и средств. Этот этап влючает и подотову
специальных бланов для реистрации собранных данных.
Например, при подотове продаже азет можно спланиро-
вать наблюдение за бизнесом ваших друзей. В ходе наблюдения не-
обходимо выяснить, аие издания они продают, в аое время
есть наибольшее число поупателей, сольо времени они тратят
на эту работу, по аой цене они получают различные издания, а-
ова их торовая нацена, сольо времени затрачивается на полу-
чение азет и на сдачу выручи, а далео место продажи азет
от места вашео проживания, аовы транспортные расходы
и т. д.
2. Сбор и реистрация данных предполаает реализацию со-
ставленноо плана исследования. Этот этап предусматривает подбор
людей, занимающихся сбором данных, их инструтаж, обеспече-
ние их ответственности за своевременность и достоверность собран-
ной информации, правильное заполнение подотовленных бланов.
Введение 13
3. Предварительная обработа данных предусматривает рас-

смотрение данных с различных точе зрения: их описание, обоб-
щение, рафичесое представление, выяснение тоо, нет ли среди
них рубых ошибо, соответствуют ли они запланированным мето-
дам анализа.
После сбора информации, необходимой для оранизации про-
дажи азет, ее необходимо лассифицировать, упорядочить, чтобы
из хаотичноо набора данных она приобрела форму, удобную для
анализа и сравнения.
Предварительной обработе данных будет посвящена первая
лава.
4. Оцена неизвестной величины представляет собой наиболее
обоснованное, основанное на имеющихся данных, предположение
о возможном значении интересующей нас величины. Рассмотрим
неоторые примеры неизвестных величин для оценивания:
оличество азет, оторое реально продать за сути;
время работы омпьютера до выхода из строя;
шансы трудоустроиться по специальности после оончания
вуза.
Кроме тоо, есть возможность вычислить величину ошиби, о-
торая возниает при использовании оцени вместо истинноо, но
неизвестноо значения величины. Этой цели служат та называе-
мые доверительные интервалы, оторые позволяют с заданной ве-
роятностью утверждать, что значение неизвестной величины лежит
между двумя определенными числами.
5. Провера статистичесих ипотез залючается в исполь-
зовании данных для осуществления выбора одной из двух (или бо-
лее) различных возможностей при решении вопроса в неоднознач-
ной ситуации. Приведем примеры ипотез, оторые можно было
бы проверить с использованием данных:
для продажи азет удобно время с 18 до 19 часов;
уровень браованных омпьютеров определенной мари не
превышает 0,001;
на выбранную специальность поступает не менее 90% желаю-
щих.
Каждая из сформулированных ипотез может оазаться вер-
ной или нет. Результатом провери ипотезы является залючение
о том, что данные противоречат ипотезе или нет.
Оцена неизвестных параметров и провера статистичесих и-
потез подробно будут рассмотрены в лаве 5.
Статистиа помоает принимать решения. Она является одним
из омпонентов принятия решения. Но она не отверает опыт,
14 Введение
здравый смысл и интуицию. Если результаты статистичесоо ана-

лиза расходятся с вашей интуицией, нужно разобраться, в чем
причина. Статистичесий анализ может оазаться неорретным,
если он проведен на основе неточных данных, если в ео основу по-
ложены неверные допущения. С друой стороны, может подвести
и интуиция, если она не базируется на фатах.
Теория вероятностей изучает правила оперирования со слу-
чайными явлениями и заоны, оторые руоводят этими явления-
ми. Вероятность поазывает возможность наступления в будущем
аждоо из потенциально возможных событий. Она может рассчи-
тываться на основании информации о неоторой ситуации. Рас-
смотрим примеры различных ситуаций, де для принятия реше-
ния необходимо вычислить или оценить значение вероятности:
Вы решили в свободное от занятий время заняться продажей
азет. Вас интересует, аова вероятность получения прибыли в те-
чение месяца.
Вы решили упить омпьютер. Интерес представляет вероят-
ность тоо, что в течение пяти лет он не выйдет из строя.
Вы заончили университет. Каова вероятность тоо, что вы
трудоустроитесь по специальности?
Применение вероятности в неотором смысле обратно примене-
нию статистии. В то время а статистиа помоает переходить
от наблюдений обобщениям рассматриваемой ситуации, вероят-
ность позволяет, исходя из харатеристии ситуации, выяснить
шансы получения именно таих данных. Эта обратная связь может
быть рафичеси изображена следующим образом:
Вероятность
Харатеристиа Каое событие вероятнее
ситуации всео произойдет
Статистичесий
вывод
Каое событие Харатеристиа
произошло ситуации
В условиях неопределенности нельзя точно знать, аое событие

произойдет, вседа есть неоторая вероятность ошиби. Используя
понятие вероятности, можно добиться тоо, чтобы ошиба наблю-
далась не более чем в заданном проценте случаев.
Элементы теории вероятностей будут рассмотрены в лавах 2
и 4. Глава 3 посвящена изучению омбинатории, оторая в опре-
деленных случаях помоает вычислять вероятности событий.
Введение 15
Контрольные вопросы
1. Почему следует изучать ста- 4. С аими статистичесими

тистиу? данными вы встречались в азе-
2. В чем различие между теори- тах и друих средствах массо-
ей вероятностей и статистиой? вой информации?
3. На аих данных основыва- 5. Каова роль вероятности при
лось последнее решение, приня- принятии тоо или иноо реше-
тое вами? ния?
Задачи
1. Каой из этапов статистичесоо анализа представлен в аж-
дой из следующих ситуаций?
а)° Администрация шолы изучает вопрос об успеваемости уча-
щихся выпусноо ласса по математие.
б)° Происходит отбор андидатов для занятий в шоле олим-
пийсоо резерва. Учителями физультуры представлены оличе-
ственные данные о спортивных достижениях учащихся шолы.
в) Пронозируется объем маулатуры, оторая будет собрана
в шоле в следующем вартале. Высазывается неоторое предпо-
ложение.
)° Предстоит уомплетовать сборную шолы по леой атле-
тие для выступления на районных соревнованиях. У вас в распо-
ряжении имеются данные о спортивных достижениях потенциаль-
ных андидатов в сборную.
2. Шольная столярная мастерсая залючила доовор с ме-
бельной фабриой на изотовление отдельных деталей. Если в мас-
терсую привезут очень мноо древесины для выполнения зааза,
то нужно будет исать место для ее хранения, она может испор-
титься от длительноо хранения. Если привезут мало древесины,
то будут простаивать неоторые учащиеся, привлеченные выпол-
нению зааза, зааз может быть не выполнен в сро. Однао вы
точно не знаете, сольо необходимо древесины для обеспечения
бесперебойной работы мастерсой. Каой этап статистичесоо
анализа нужно реализовать для решения этой проблемы?
3. Проводится тендер на строительство неотороо объета, в о-
тором участвует несольо фирм. Собраны данные о ачестве ра-
бот, выполняемых этими фирмами, о сроах выполнения подоб-
16 Введение
ных строительных работ, об их стоимости, о материалах, исполь-

зуемых при строительстве этими фирмами, и друие поазатели.
Каой этап статистичесоо анализа реализуется при выборе
фирмы?
4. Собраны данные опроса будущих избирателей об их отноше-
нии двум партиям. Каой этап статистичесоо анализа предсто-
ит реализовать при выяснении вопроса, аой из партий отдают
предпочтение избиратели?
5. Вам предстоит поменять рубли на доллары. Вы выбираете
пунт обмена, де это выоднее всео сделать. Каой этап статисти-
чесоо анализа вам нужно реализовать?
6. Фирма решила провести широое реламирование своей про-
дуции. Исследуется эффетивность реламы.
а) В чем состоит планирование исследования?
б) Ка собрать необходимые данные?
в) Что собой представляет предварительная обработа данных?
) Каие величины нужно оценить?
д) Сформулируйте ипотезы, оторые должны быть проверены
в ходе исследования.
7. Опишите все этапы статистичесоо анализа для аждой из
следующих ситуаций.
а)° Исследуется ачество автомобильных шин.
б) С целью уменьшения объема браованной продуции, выпус-
аемой на неотором стане, проводится ео переналада. Иссле-
дуется ее эффетивность.
в) Расшифровывается древняя руопись.
) Исследуется прибыль, получаемая от иры на иральных ав-
томатах.
Глава 1
ОПИСАТЕЛЬНАЯ СТАТИСТИКА
О назначении описательной статистии можно судить по ее на-

званию: она имеет дело с числами, харатеризующими ту или
иную интересующую нас ситуацию. Вот примеры статистичесой
информации:
уровень преступности в реионе;
средняя зарплата в различных отраслях реиона;
уровень безработицы;
число несчастных случаев на шахтах;
число мобильных телефонов, проданных в теущем месяце;
таблицы продолжительности жизни;
уровень заболеваемости СПИДом;
уровень достижений учащихся по математие;
данные о доступности заданий единоо осударственноо эза-
мена по математие;
число раждан СНГ, обучающихся в Мосовсом осударст-
венном университете, и т. п.
Ценность описательной статистии залючается прежде всео
в том, что она дает сжатую и онцентрированную харатеристиу
изучаемоо явления. Рассмотрим следующий пример. Пусть на не-
отором предприятии работает 1500 челове. Бухалтерсая ведо-
мость на зарплату довольна большая. Информация о том, что сред-
няя месячная зарплата работниов этоо предприятия составляет
8200 р., дает определенное, хотя и неполное представление об уров-
не заработной платы на этом предприятии.
Предмет исследований во мноих сферах отличается ислючи-
тельной сложностью, изменчивостью, индивидуальным мноооб-
разием явлений и процессов. Эти процессы происходят неодно-
значно. Поэтому применение одинаовых подходов, средств, техно-
лоий дает в аждом онретном случае различные результаты
в зависимости от субъетивных фаторов, от обстоятельств, ото-
18 Глава 1. ОПИСАТЕЛЬНАЯ СТАТИСТИКА
рые нельзя онтролировать и оторые влияют на протеание про-

цесса. Неоднозначность протеания процесса порождается наличи-
ем присущео ему случайноо. Но это не означает отсутствие общих
заономерностей в изучаемых процессах и явлениях. Например,
невысоая сорость чтения у отдельноо учащеося является слу-
чайным событием, но у учениа, любящео читать, она встречает-
ся существенно реже, чем у тоо, то редо берет ниу в руи. Эта
устойчивость появления тех или друих случайных событий уже
является заономерностью.
Ка мы отмечали во введении, теория вероятностей изучает
правила оперирования со случайными явлениями и заоны, ото-
рые руоводят этими явлениями. Разработой методов изучения
свойств случайных событий и явлений занимается статистиа.
Статистиа имеет различные фунции: информационную, пронос-
тичесую и аналитичесую.
Информационная фнция статистии состоит из сбора, обоб-
щения и представления всем заинтересованным лицам достовер-
ной, своевременной информации об исследуемом явлении. В связи
с тем, что инода исследованию подлежат тысячи объетов (дета-
ли, избиратели, учащиеся и т. п.), необходимым является пере-
ход от сплошноо изучения выборочному по мноим поазате-
лям. Поэтому важное значение приобретают технолоии сбора,
обработи и анализа данных, оторые позволяют использовать
информационные возможности частичных первоначальных дан-
ных для разработи обобщенной информации о том или ином про-
цессе.
Проностичесая фнция статистии состоит в оценивании
вероятностей тех или иных случайных событий, оторые происхо-
дят в изучаемом процессе, поазателей тех или иных случайных
величин, связанных с этим процессом. Эта фунция служит осно-
вой для принятия управленчесих решений. С помощью этой фун-
ции можно получить синал о возможности появления ризисных
явлений в изучаемом процессе, если не внести аих-то изменений
в управление им.
Аналитичесая фнция статистии состоит, во-первых, в о-
личественном исследовании тенденций развития процесса; во-вто-
рых, в изучении этоо процесса в динамие; в-третьих, в измерении
связей между разными фаторами, влияющими на процесс, и ео
результатами.
В данной лаве начинается изложение вероятностно-статисти-
чесих методов, оторые используются при изучении объетивных
заономерностей явлений и процессов. В частности, будет рассмот-
рена первичная обработа статистичесоо материала, статистиче-
§ 1.1. Классифиация данных и измерительные шалы 19
сие харатеристии, рафичесие методы представления инфор-

мации, анализ информации, представленной в различных формах
(табличной, рафичесой и т. п.).
§ 1.1. Классифи
ация данных
и измерительные ш
алы
Статистичесие данные моут быть представлены в различных
формах. Набор данных содержит одно или несольо значений для
аждоо из отдельных объетов. В ачестве таих объетов моут вы-
ступать люди, орода, омпьютеры, нии или все, что представляет
интерес для изучения. Эти объеты называют элементарными еди-
ницами. Для аждоо объета реистрируют один и тот же призна
или признаи. Например, реистрируется рост и масса людей; чис-
ленность населения, уровень рождаемости и смертности для ородов;
объем памяти, быстродействие, стоимость омпьютеров; од изда-
ния, оличество страниц, издательство для ни и т. д. Призна, о-
торый реистрируется для аждоо из объетов, называют перемен-
ной. Наборы данных лассифицируют по следующим признаам:
по оличеству переменных (одномерные, двумерные или мно-
омерные наборы данных);
по типу данных (оличественные или ачественные);
по тому, важна ли упорядоченность данных во времени или нет.
Одномерные наборы данных содержат тольо один призна
для аждоо объета. Эти данные позволяют определить типичное
значение признаа, насольо значения отличаются дру от друа,
требуют ли отдельные данные особоо внимания. Примером одно-
мерных данных является информация о средней зарплате в реио-
не по отраслям. Она позволяет назвать отрасль с самым высоим
уровнем зарплаты, понять, насольо отличаются уровни средних
зарплат в различных отраслях дру от друа, обратить внимание на
отрасли, де уровень зарплаты самый низий.
Приведите пример одномерных данных.
Наборы двмерных данных содержат информацию о двух при-

знаах для аждоо из объетов. Кроме тоо, что они дают возмож-
ность получить два набора одномерных данных, двумерные данные
позволяют установить, существует ли связь между двумя перемен-
ными, насольо сильно связаны переменные, можно ли предса-
зать значение одной переменной по значению друой и если да, то
с аой надежностью. Например, данные опроса студентов о том,
удовлетворены ли они уровнем теоретичесой и пратичесой под-

отови, получаемой в вузе (значения обеих переменных записы-
ваются в виде да/нет, или 1/0), позволяют установить, есть ли связь
между уровнями теоретичесой и пратичесой подотови в вузе.
Приведите пример двумерных данных.
Мноомерные данные содержат информацию о трех или более

признаах для аждоо объета. В дополнение той информации,
оторую можно извлечь из одномерных и двумерных наборов, мно-
омерные данные можно использовать для получения информации
о том, существует ли простая зависимость между этими признаа-
ми, насольо они взаимосвязаны (речь идет не тольо о попарной
взаимосвязи признаов, но и о зависимости в совоупности), можно
ли предсазать значение одной переменной на основании значений
остальных. Примером мноомерных данных является число раж-
дан стран СНГ и Балтии, обучающихся в МГУ на 01.11.2003 .,
по странам, приведенное в таблице 1.11. Здесь содержатся данные
о числе студентов, маистрантов, стажеров и аспирантов из респуб-
ли бывшео СССР, обучающихся в МГУ.
Таблица 1.1
№ Ст- Ма#ист- Ста- Аспи-

Страна Все#о
п/п денты ранты жеры ранты
1 2 3 4 5 6 7
1 Азербайджан 57 2 0 4 63
2 Армения 32 2 0 1 36
3 Беларусь 89 0 1 1 91
4 Грузия 49 2 0 3 54
5 Казахстан 517 5 3 2 527
6 Кырызстан 27 2 0 1 30
7 Латвия 36 1 0 3 40
8 Литва 37 0 0 0 37
9 Молдова 83 0 0 1 84
10 Таджиистан 13 0 0 1 14
11 Турменистан 14 0 0 0 14
12 Узбеистан 59 2 1 0 62
13 Ураина 1134 7 1 7 1149
14 Эстония 21 1 1 1 24
Всео 2168 24 7 25 2224
1 Данные взяты из азеты «Мосовсий университет», № 39, 2003.

Даже белый взляд на данные, приведенные в таблице, позволяет

сделать неоторые выводы: число раждан стран СНГ и Балтии,
обучающихся в МГУ, не пропорционально численности населения
этих стран; наличие большоо числа раждан Казахстана и Ура-
ины, обучающихся в МГУ, объясняется наличием Казахстансоо
филиала МГУ и Черноморсоо филиала МГУ; не все страны быв-
шео СССР перешли на подотову баалавров и маистров и т. д.
Значения переменных, оторые реистрируются с помощью чи-
сел, имеющих содержательный смысл, называют оличественны-
ми данными. Данные, приведенные в столбцах 3—7 таблицы 1.1,
являются оличественными. В то же время числа, приведенные
в первом столбце этой таблицы, не являются оличественными
данными: они тольо уазывают на номер осударства при их ал-
фавитном расположении. Эти числа не имеют содержательной ин-
терпретации. С оличественными данными можно выполнять все
обычные операции над числами, таие, а вычисление среднео
(см. § 1.5) и оцену изменчивости (см. § 1.7).
В зависимости от тоо, аие значения может потенциально при-
нимать переменная, выделяют два типа оличественных данных:
дисретные и непрерывные.
Дисретная — это таая переменная, оторая может прини-
мать значения тольо из неотороо списа определенных чисел.
Примерами дисретной переменной являются число детей в семье;
число вызовов «сорой помощи», поступающих в больницу; число
отазов изделия; число лиентов, обратившихся в фирму за опре-
деленный промежуто времени, и т. д.
Является ли дисретной переменной длина почата ууру-

зы, выращенной на неотором участе?
Непрерывной будем считать любую переменную, не являю-

щуюся дисретной. Она принимает значения из неотороо проме-
жута. Примерами непрерывной переменной является рост взрос-
лоо человеа (например, от 140 до 230 см), фатичесая масса бу-
хани хлеба (например, от 750 до 830 ), дальность полета снаряда,
урожайность ультуры, выращенной в хозяйстве, и т. п.
Есть данные, оторые реистрируют определенное ачество, о-
торым обладает объет. Таие данные называют ачественными.
Даже если значениям этоо ачества можно приписать числа (на-
пример, полу человеа приписать соответственно числа 0 и 1), то
обрабатывать эти числа а оличественные данные нельзя. При-
мерами ачественных данных являются тип шолы, де обучается

ребено (лицей, имназия, специализированная физио-математиче-
сая шола); должность, оторую занимает сотрудни на предприя-
тии; названия азет, оторые читают в определенном ороде, и т. п.
Приведите пример ачественных данных.
Качественные данные бывают двух типов: порядовые, для о-

торых существует имеющий содержательный смысл порядо, и но-
минальные, для оторых нет содержательно интерпретируемоо
поряда.
Порядовые данные можно ранжировать и использовать это
ранжирование при проведении статистичесоо анализа. Приме-
ром порядовых данных являются ответы на вопросы анеты, со-
держащей следующие варианты ответов: да; больше да, чем нет;
больше нет, чем да; нет. Хоть и можно выразить эти ответы числа-
ми (например, 4, 3, 2, 1), но предложенная шала оцено носит
субъетивный харатер. Нельзя считать, что разница между отве-
тами 4 и 3 таая же, а и между ответами 2 и 1. Таже нельзя
считать, что ответ 3 в три раза лучше ответа 1.
Для номинальных данных нет числовых значений и нет основы
для ранжирования. Примерами номинальных данных являются
реионы России, из оторых приехали студенты МГУ; названия
фирм, изотавливающих моющие средства; пол работниов фирмы.
Оцени одноо учащеося по пяти различным предметам яв-

ляются порядовыми, номинальными или оличественными
данными?
Если порядо записи значений данных во времени имеет содер-

жательный смысл, то оворят, что эти данные представляют собой
временной ряд. Эти данные представляют информацию об объете
в различные моменты времени. Если порядо записи данных во
времени не существенен, то оворят об одном временном срезе.
Эти данные представляют информацию об объетах в определен-
ный момент времени. Примерами временноо ряда являются дан-
ные о преступности в реионе за несольо лет; об уровне безрабо-
тицы за несольо лет; динамиа успешности учащихся по мате-
матие и т. п. Примерами одноо временноо среза являются данные
о числе преступлений в районах области в определенный од; число
безработных среди различных возрастных рупп населения по дан-

ным на определенный день; данные о выполнении теста учащими-
ся ласса и т. п.
Табель учениа, де проставлены оцени за аждую четверть

и итоовые оцени за од, является носителем временноо сре-
за или временноо ряда? А аттестат о среднем образовании?
Инода данные лассифицируют таже по тому, собирались ли

они специально для запланированноо анализа или собирались ра-
нее для друих нужд. В первом случае их называют первичными
данными, а во втором — вторичными данными. Получение пер-
вичных данных сопряжено зачастую с большими затратами средств
и времени, но зато исследователь получает то, что ему нужно. Вто-
ричные данные, а правило, обходятся дешевле, их быстрее можно
получить, но при этом не вседа в них можно найти то, что нужно.
Мноие статистичесие данные получают в процессе измерений.
Целью измерений является получение информации о признаах
объетов, оранизмов, событий. Измеряется не сам объет, а толь-
о свойства или отличительные признаи объета. Например, из-
меряется не учени, а ео рост, масса, ео сорость чтения, достиже-
ния по математие, спортивные достижения и т. п. Измерения осу-
ществляются путем установления соответствия между числами
и объетами, оторые являются носителями подлежащих измере-
нию свойств. Измерения моут проводиться на разных уровнях.
Различным уровням измерений соответствуют различные шалы:
1) номинальная шала;
2) порядовая, или рановая, шала;
3) шала интервалов;
4) шала отношений, или шала пропорций;
5) лоарифмичесая шала.
Номинальная шала используется для реистрации самоо
низшео уровня измерений, предполаающео наличие минималь-
ных предпосыло для измерения. При измерениях на данном уров-
не пратичеси не используются числа. Здесь важно установить
подобие или различие объетов по неоторому признау, т. е. при
этом имеют дело с ачественными данными. Рассмотрим примеры.
Распределения учащихся по лассам, по половому признау,
по месту жительства, по видам спорта, оторыми они занимаются,
по числу детей в семье являются примерами величин номинальной
шалы. При этом возможно распределение учащихся по двум или
более признаам (двумерные или мноомерные данные).
Перечень фирм, занимающихся производством рузовых и ле-

овых автомобилей, автомобилей специальноо назначения, авто-
бусов; отличительные признаи автомобилей являются примерами
величин номинальной шалы.
С помощью подсчета можно установить частоту той или иной
атеории (число мальчиов и девоче в шоле; число учащихся,
проживающих в аждом мирорайоне; число учащихся в аждом
лассе; число учащихся, занимающихся тем или иным видом
спорта; оличество фирм, занимающихся производством автобу-
сов и т. д.). При этом можно определить наиболее часто встречаю-
щуюся величину (ласс, в отором учится наибольшее число уча-
щихся; вид спорта, пользующийся наибольшей популярностью у
учащихся; тип автомобиля, производством отороо занимается
наибольшее число фирм). Катеории данных номинальной шалы
обозначаются, а правило, словесно (вербально).
Порядовая, или рановая, шала уазывает лишь последова-
тельность носителей признаа или направление степени выра-
женности признаа.
Например, учащихся можно ранжировать по оличеству пра-
вильно выполненных тестовых заданий. Пусть учащиеся А, Б, В,
Г, Д правильно выполнили соответственно 21, 16, 12, 9 и 3 за-
дания. Графичеси это можно изобразить та, а поазано на
рис. 1. Эта порядовая шала имеет величины от 1 до 5, и учащие-
ся на ней размещены в зависимости от оличества правильно вы-
полненных заданий: А — первый, Д — пятый. Из рисуна видно,
что интервалы, разделяющие места в ряду, различны по величине.
По этой причине нецелесообразно сладывать, вычитать, умно-
жать и делить порядовые места.
Шала шольных оцено по одному предмету является порядо-
вой шалой, та а интервалы между отдельными баллами не от-
ражают разрыва между реальными результатами. Мы знаем толь-
о, что учени, получивший оцену «5» по аому-то предмету,
знает этот предмет лучше тоо, то получил «4». Но нельзя ут-
верждать, что различие в знаниях этих учащихся таое же, а
и в знаниях тех, то получил «4» и «3». Та а шала оцено яв-
Рис. 1
ляется порядовой шалой, то неорретно выставлять итоовую

оцену а среднюю арифметичесую теущих оцено.
Друим примером порядовой шалы является шала долж-
ностей, оторые занимают работнии на предприятии: диретор,
заместитель диретора, начальни отдела, заведующий лаборато-
рией, старший инженер, инженер, младший инженер, техни, стар-
ший лаборант, лаборант.
Является ли шала воинсих званий примером порядовой

шалы?
На шале интервалов равные интервалы отображают одинао-

вую меру величины измеряемоо признаа. Например, 1 см между
3-м и 4-м сантиметрами на шале измерений длин имеет таой же
смысл, а и 1 см между 82-м и 83-м сантиметрами. Друими сло-
вами, на шале интервалов расстояния между соседними деления-
ми равны. На интервальной шале вполне осмысленным является
вопрос «на сольо?». Но не вседа, пользуясь интервальной ша-
лой, можно формулировать вопрос «во сольо раз?». Дело в том,
что на шале интервалов устанавливаются произвольно начало от-
счета (нуль шалы), единица измерения и направление отсчета.
Примером интервальной шалы является температурная шала по
Цельсию. Разность между температурами воздуха +30 и +20 °С
столь же велиа, а и между –10 и –20 °С. Однао нельзя утверж-
дать, что при температуре воздуха +30 °С в полтора раза теплее,
чем при температуре +20 °С. Даже если температура воздуха равна
0 °С, нельзя утверждать, что тепла нет совсем: ведь начало отсчета
выбрано произвольно.
Шалы на большинстве физичесих приборов (амперметр, вольт-
метр и др.) являются интервальными. Шала оэффициента ин-
теллета IQ является шалой интервалов.
Шала интервалов является метричесой, с ее помощью можно
выполнять сложение и вычитание. Она имеет значительные пре-
имущества по сравнению с номинальной и порядовой шалами.
Шала отношений, или шала пропорций, дает возможность
устанавливать отношения значений измеряемоо признаа блао-
даря тому, что значению шалы «0» соответствует величина, для
оторой измеряемый призна отсутствует. Друими словами, на-
чало отсчета на этих шалах выбирают непроизвольно. Примера-
ми шалы отношений являются меры длины (м, см и т. д) и массы
(, и т. д.). Предмет длиной 100 см вдвое длиннее предмета дли-
ной 50 см.

Инода данные нуждаются в преобразованиях. В частности, по-
требность в этом возниает, ода в ряду данных одно или несоль-
о данных существенно превышают остальные. Если данные явно
несимметричны, то заменяют аждое значение приведенноо на-
бора данных лоарифмом этоо значения с целью упростить ста-
тистичесий анализ. Лоарифмирование преобразует «сошен-
ные» (асимметричные) данные в более симметричные, та а про-
исходит «растяивание» шалы возле нуля, малые значения,
сруппированные вместе, распределяются вдоль шалы. В то же
время лоарифмирование собирает вместе большие значения на
правом онце шалы. Наиболее часто применяют десятичные и на-
туральные лоарифмы. Равным расстояниям на лоарифмичесой
шале соответствует на исходной шале равные процентные уве-
личения, а не равные увеличения значений.
Пример. В таблице 1.2 представлена численность населения
(в тыс. чел.) в республиах бывшео СССР в 1976 .
Таблица 1.2
Азер-
У раи- Бело- Узбе- Казах-
Россия Грзия бай- Литва
на рссия истан стан
джан
134 650 49 075 9371 14 079 14 337 4954 5689 3315
Молда- Кир#и- Таджи- Арме- Тр - Эсто-
Латвия
вия зия истан ния мения ния
3850 2497 3368 3486 2834 2581 1438
Заменим все значения их десятичными лоарифмами. В табли-

це 1.3 вместо численности населения представлены их десятичные
лоарифмы.
Таблица 1.3
Азер-
У раи- Бело- Узбе- Казах-
Россия Грзия бай- Литва
на рссия истан стан
джан
8,13 7,69 6,97 7,15 7,16 6,69 6,76 6,52
Молда- Кир#и- Таджи- Арме- Тр - Эсто-
Латвия
вия зия истан ния мения ния
6,59 6,40 6,53 6,54 6,45 6,41 6,16
Ка мы видим, данные симметрично руппируются вору

среднео значения 6,81.
1. Верно ли, что двумерные дан- 7. Каой смысл имеют резуль-

ные представляют собой два от- таты арифметичесих действий
дельных набора данных? с переменной «номер» (№) в таб-
2. В чем различие между аче- лице 1.1?
ственными и оличественными 8. К аому виду данных — вре-
данными? менной ряд или один времен-
3. В чем различие между поряд- ной срез — относится цена раз-
овыми и номинальными дан- личных типов бензина на авто-
ными? заправочной станции?
4. Что лече анализировать — 9. Можно ли списо чисел, зна-
временные ряды или данные об чения из отороо может прини-
одном временном срезе? мать дисретная переменная, по-
5. В чем различие между первич- полнить промежуточными зна-
ными и вторичными данными? чениями?
6. Каие возможности для ана- 10. На аую величину моут
лиза содержат в себе одномер- отличаться дру от друа зна-
ные, двумерные и мноомерные чения непрерывной перемен-
данные? ной?
Задачи
8.° В таблице 1.4 содержатся рейтини ачества бритвенных
лезвий1.
Таблица 1.4
Удобство
Изделие Тип Цена, $
в использовании
Gillette Sensor Excel Бритвенный 4,50 Отличное
бло
Schick Tracer Бритвенный 3,34 Очень хорошее
бло
Bic Twin Select for Sensible Одноразовые 3,68 Хорошее
Skin
Gillette Sensor for Women Бритвенный 3,93 Отличное
бло
Schick Silk Effects for Бритвенный 4,64 Очень хорошее
Women бло
Bic Twin Pastel Одноразовые 2,03 Хорошее
1 Данные взяты из нии: Эндрю Ф. Сиел. Пратичесая бизнес-ста-
тистиа. — Мосва — Сант-Петербур — Киев, Вильямс, 2002.

а) Что является элементарной единицей в этом наборе данных?

б) Это одномерные, двумерные или мноомерные данные?
в) Это временной ряд или один временной срез?
) Переменная «тип» — оличественная, порядовая или номи-
нальная?
д) Переменная «цена» — оличественная, порядовая или но-
минальная?
е) Переменная «удобство в использовании» — оличественная,
порядовая или номинальная?
9.° В таблице 1.5 приведены минимальные наборы из пяти про-
дутов питания для основных рупп населения1. Нормы уазаны
в на 1 месяц.
Таблица 1.5
Прод т Дети Дети Пенсио-

Взрослые
питания до 6 лет 6—18 лет неры
Говядина 0,975 1,525 1,17 1,0
Гречневая рупа 0,2 0,28 0,17 0,17
Капуста 1,37 1,825 2,33 2,29
Картофель 6,08 7,81 7,92 9,0
Молоо 7,61 6,84 5,0 6,92

б) Определите вид данных — одномерные, двумерные или мно-
омерные?
в) Уажите ачественные переменные, если они имеются.
) Это временной ряд или один временной срез?
д) Есть ли в этих данных порядовая переменная?
10.° В отделе адров учет работниов ведется по следующей
форме.
Месячная
Стаж
Номер зара- Возраст, Образова-
Пол работы,
работни а ботная #оды ние
#оды
плата, р.

б) Определите вид данных — одномерные, двумерные или мно-
омерные.
1 Данные взяты из азеты «Комсомольсая правда. Ураина» от
09.06.2005 .
§ 1.2. Первичная обработа результатов измерений 29
в) Уажите ачественные и оличественные переменные, если

они имеются.
) Это временной ряд или один временной срез?
д) Переменная «Образование» является порядовой или номи-
нальной?
е) Можно ли выполнять арифметичесие действия с переменной
«Номер работниа»?
11. Для аждой переменной из данных, приведенных в зада-
че 10, определите, аие из уазанных ниже операций можно при-
менять этой переменной:
а) сложение и вычитание;
б) подсчет числа работниов в этой атеории;
в) ранжирование по поряду;
) вычисление процента работниов в данной атеории.
§ 1.2. Первичная обработ

а резльтатов измерений
Результаты измерения, а правило, реистрируют сначала в про-
извольном, хаотичном поряде, или в алфавитном поряде (напри-
мер, при провере сорости чтения учащихся вызывают в том по-
ряде, в аом они записаны в лассном журнале), или в том поряд-
е, в аом поступают результаты измерения (например, результаты
провери онтрольных работ или результаты тестирования посту-
пают в том поряде, в аом лежат онтрольные тетради или тало-
ны для тестирования). В таой форме полученные данные неудобны
для анализа и выявления заономерностей. Первичная обработа
статистичесих данных состоит в упорядочении данных (по воз-
растанию или убыванию), подсчете неоторых поазателей, хара-
теризующих эти значения, в руппировании данных.
В аом поряде поступают данные при измерении длины

прыжа учащихся ласса?
Проиллюстрируем все сазанное на онретном примере.
Пример. В таблице 1.6 представлены данные о сорости чтения

учащихся 3-о ласса, т. е. о оличестве слов, оторые учени про-
читывает за минуту.
Первый ша обработи этих данных – это упорядочение по воз-
растанию или убыванию сорости чтения. В данном случае это
удобно сделать по убыванию. В таблице 1.7 представлены те же
60 данных, но упорядоченные по убыванию от 110 до 27.
Таблица 1.6
№ чени а1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
С орость 53 49 90 27 64 58 34 53 85 72 30 90 45 34 25
чтения
№ чени а 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
С орость 61 49 39 45 56 72 34 82 47 64 29 78 58 32 64
чтения
№ чени а 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
С орость 110 35 78 29 65 42 38 83 57 71 68 49 82 37 57
Чтения
№ чени а 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
С орость 55 29 43 78 39 34 67 92 28 55 52 85 49 34 56
чтения
1 Номер учениа используется вместо ео фамилии.
Таблица 1.7
№ чени а 31 53 3 12 9 57 38 23 43 27
С орость 110 92 90 90 85 85 83 82 82 78
чтения
Ран# чени а 1 2 3,5 3,5 5,5 5,5 7 8,5 8,5 11
№ чени а 49 33 10 21 40 41 52 35 5 25
С орость 78 78 72 72 71 68 67 65 64 64
чтения
Ран# чени а 11 11 13,5 13,5 15 16 17 18 20 20
№ чени а 30 16 6 28 39 45 20 60 55 46
С орость 64 61 58 58 57 57 56 56 55 55
чтения
Ран# чени а 20 22 23,5 23,5 25,5 25,5 27,5 27,5 28,5 28,5
№ чени а 1 8 56 2 17 42 58 24 13 19
С орость 53 53 52 49 49 49 49 47 45 45
чтения
Ран# чени а 31,5 31,5 33 35,5 35,5 35,5 35,5 38 39,5 39,5
Оончание табл. 1.7
№ чени а 48 36 18 50 37 44 32 7 14 22
С орость 43 42 39 39 38 37 35 34 34 34
чтения
Ран# чени а 41 42 43,5 43,5 45 46 47 50 50 50
№ чени а 51 59 29 11 26 34 47 54 4 15
С орость 34 34 32 30 29 29 29 28 27 25
чтения
Ран# чени а 50 50 53 54 56 56 56 58 59 60
Эта таблица позволяет установить ран учениа, т. е. место, о-

торое он занимает среди проверявшихся учениов, по сорости чте-
ния. Чем меньше ран, тем больше сорость чтения учениа. Учени
с раном 1 имеет наибольшую сорость чтения. Посольу имеются
учении с одинаовой соростью чтения, то их рани целесообразно
считать одинаовыми, а именно — равными средним арифметиче-
сим соответствующих значений. Например, учении со соростью
чтения 90 слов/мин занимают 3-е и 4-е места, ран аждоо из них
3+4
равен ------------- = 3,5. Учении со соростью чтения 78 слов/мин занима-
2
10 + 11 + 12
ют 10-е, 11-е и 12-е места, ран аждоо из них равен --------------------------------- =
3
= 11. Учении со соростью чтения 49 слов/мин занимают 34-е,
34 + 35 + 36 + 37
35-е, 36-е и 37-е места, ран аждоо из них равен ----------------------------------------------- =
4
= 35,5.
Почему ран учениа со соростью чтения 55 слов/мин равен

28,5?
Разумеется, если исследуется оличество ошибо, допущенных

учениами в дитанте, то целесообразно расположить полученные
данные по возрастанию. Тода чем меньше ран, тем выше рамот-
ность учениа. Учени с раном 1 допустил наименьшее оличест-
во ошибо, ео можно считать самым рамотным.
Таблицу 1.7 можно соратить, заметив, что мноие значения
встречаются неодноратно. Число случаев, в оторых встречается
значение хі, называют частотой значения хі и обозначают пі. Со-
ращенную таблицу можно представить в виде таблицы 1.8.
Таблица 1.8
хі 110 92 90 85 83 82 78 72 71 68 67 65
пі 1 1 2 2 1 2 3 2 1 1 1 1
хі 64 61 58 57 56 55 53 52 49 47 45 43
пі 3 1 2 2 2 2 2 1 4 1 2 1
хі 42 39 38 37 35 34 32 30 29 28 27 25
пі 1 2 1 1 1 5 1 1 3 1 1 1
Упорядочение данных и подсчет их частот можно выполнять

с помощью редатора элетронных таблиц Microsoft Excel. Для
этоо используются оманды или и статистичесая фун-
ция (ЧАСТОТА).
Сумму п1 + п2 + ... + пk называют объемом совопности дан-
ных и обозначают п. Здесь k — число различных значений, ото-
рые принимает исследуемая величина. В рассмотренном примере
k = 36, п = 60.
Понятно, что частота значения величины является ее опреде-
ленной харатеристиой, но недостаточной: в ней не учтен объем
совоупности данных. Та, если сорость чтения 85 поазали два
учениа из 30 или из 60 учащихся, то эти поазатели являются
различными. В первом случае бXольшая доля учениов имеют при-
веденную сорость чтения. Поэтому целесообразно рассматривать
таой поазатель, а относительная частота значения.
Относительной частотой значения хі называют отноше-
ние частоты пі этоо значения объему п сово упности данных.
Будем обозначать относительную частоту значения хі через νі:
n
νі = -----i .
n
Для рассматриваемоо примера частоты и относительные часто-
ты соростей чтения приведены в таблице 1.9.
Относительная частота значения является ратой и содержа-
тельной харатеристиой рассматриваемой информации. Например,
если считать, что для учениа 3-о ласса нормой сорости чтения
является 50 слов/мин, то относительная частота значений, не мень-
33
ших нормы (т. е. от 110 до 52), в нашем примере равна ------ = 0,55.
60
Таблица 1.9
хі 110 92 90 85 83 82 78 72 71 68 67 65
пі 1 1 2 2 1 2 3 2 1 1 1 1
νi 1 1 1 1 1 1 1 1 1 1 1 1
------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------
60 60 30 30 60 30 20 30 60 60 60 60
хі 64 61 58 57 56 55 53 52 49 47 45 43
пі 3 1 2 2 2 2 2 1 4 1 2 1
νi 1 1 1 1 1 1 1 1 1 1 1 1
------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------
20 60 30 30 30 30 30 60 15 60 30 60
хі 42 39 38 37 35 34 32 30 29 28 27 25
пі 1 2 1 1 1 5 1 1 3 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1
νi ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------
60 30 60 60 60 12 60 60 20 60 60 60
Этот поазатель хорошо харатеризует положение со соростью чте-

ния в 3-м лассе: лишь немноо больше половины третьелассни-
ов достили нормы. И не надо тщательно изучать, а были до-
стинуты таие результаты, очевидно, что нужна дополнительная
работа для достижения нормы, или следует пересмотреть норму.
Чему равна относительная частота значений, не меньших
40 слов/мин?
Для большоо оличества данных на следующем этапе обработ-

и статистичесих данных целесообразно их обобщение. В нашем
примере можно не рассматривать в отдельности аждое значение
сорости чтения, а разбить их на руппы. Ведь сложно отличить со-
рость 32 от 33 слов/мин, но можно различить учащихся, сорость
чтения оторых находится в диапазоне от 30 до 40 и от 40 до
50 слов/мин. Тем самым приходим необходимости рппирова-
ния статистичесих данных. Имеются различные способы руппи-
рования. Рассмотрим неоторые из них.
Один из них реализуется в следующей последовательности дей-
ствий.
1. Определение оличества рпп k, на оторые подразделя-
ются все данные. Четоо правила выбора оличества рупп не су-
ществует. Они определяются содержанием рассматриваемой зада-
чи. Обычно оличество рупп выбирают не меньше 12, но не боль-

ше 15. Малое оличество рупп (< 12) может исазить результаты,
а большое оличество (> 15) затрудняет роботу с таблицей.
2. Вычисление размаха данных ω — разности между наиболь-
шим хmax и наименьшим хmin значениями, увеличенной на по-
решность измерения величины. Если значения являются целыми
числами, то ω = хmax – хmin + 1. Объясним, почему прибавляется 1.
Измерение любой величины приводит приближенным значени-
ям, ведь любой прибор имеет ораниченную точность; порешность
измерения, а правило, равняется половине значения деления при-
бора. В нашем примере сорость 110 фатичеси означает, что это
значение находится в интервале 109,5—110,5. Поэтому в этом при-
мере можно считать, что наибольшее значение равняется 110,5,
а наименьшее — 24,5. Разность между ними: 110,5 – 24,5 = 86.
Таой точно результат получим по формуле: ω = хmax – хmin + 1.
В самом деле, ω = 110 – 25 + 1 = 86.
В общем случае разности хmax – хmin добавляется число, рав-
ное порешности величины. Например, величина измеряется с точ-
ностью до десятых, ее наименьшее и наибольшее значения соответ-
ственно равны 3,2 и 6,7. Тода размах данных равен 6,7 – 3,2 +
+ 0,1 = 3,6.
3. Нахождение длины рппы. Для этоо частное от деления
размаха w на нижнюю раницу оличества рупп (12) оруляют
с недостатом, а частное от деления ω на верхнюю раницу оличе-
ства рупп (15) оруляют с избытом. Оруление проводят до
разряда, соответствующео порешности измерения. Если пореш-
ность не превышает 1, то оруление проводится до целых; если
порешность не превышает 0,1, то оруление проводится до деся-
тых и т. д. Длиной интервала удобнее выбирать нечетное число ве-
личин порешности, посольу в этом случае середина интервала
будет целым оличеством единиц порешности. Та, серединой
интервала от 30 до 34 длиной 34 – 29 = 5 (та же, а и при подсче-
те размаха, предполаается, что значения залючены в интервале
(29,5; 34,5), длина отороо равна 34,5 – 29,5 = 5) является число
30 + 34
-------------------- = 32. Это число можно получить и друим способом: 30 +
2
34 – 30
+ ------------------- = 32. Если длина интервала является четным числом, то
2
середина интервала будет дробным числом. Например, серединой
30 + 35
интервала от 30 до 35 длиной 6 является число -------------------- = 32,5 или
2
35 – 30
30 + ------------------- = 32,5. В нашем примере 86 : 12 d 7 (с недостатом),
2
86 : 15 d 6 (с избытом). В ачестве длины интервала можно при-
нять число 7.
4. Нахождение раниц рпп. В райние руппы должны по-
пасть наибольшее и наименьшее значения. Для этоо следует начи-
нать образовывать руппы с величины, ратной длине интервала,
причем нижняя руппа должна содержать наименьшее значение.
В нашем примере начинаем с числа 21. Тода интервал 21—27 со-
держит наименьшее значение 24. Следующий интервал 28—34,
дальше: 35—41, 42—48, и т. д., последний интервал 105—111. Все-
о получили 13 рупп, последняя руппа содержит наибольшее
значение 110.
5. Составление таблицы рппированных значений величи-
ны. Для этоо нет надобности в упорядочении данных (табл. 1.10).
В первой строе таблицы записывают полученные интервалы. По-
том рассматривают подряд все полученные значения из табли-
цы 1.6. Первое значение — 53. В соответствующем столбце (49—55)
ставят черточу. Следующее значение — 49. Черточу ставят в том
же столбце. Следующее значение 90 попадает в интервал 84—97.
Далее продолжают аналоично. Зна — —— (4 налонные черточ-
////
и, перечернутые оризонтальной черточой) означает, что в соот-
ветствующий интервал попало 5 значений. Таие обозначения об-
лечают дальнейшие подсчеты частот.
В третьей строе приводятся значения частот для аждой руп-
пы. Они определяются по данным второй строи: подсчитывается
оличество черточе. Например, частота 9 означает, что 9 учени-
ов имеют сорость чтения от 49 до 55 слов/мин.
В следующей строе приводятся значения та называемой наоп-
ленной частоты, т. е. число значений, оторые попали в этот ин-
тервал и все предшествующие. Значение наопленной частоты 21
означает, что 21 учени имеет сорость чтения, не меньшую 63.
В четвертой строе приводятся значения относительных частот
соответствующих интервалов, в последней — значения наоплен-
ных относительных частот, т. е. отношений наопленных час-
тот объему совоупности данных. Эти значения приведены с тре-
мя десятичными знаами. Может оазаться, что наопленная час-
тота последней руппы отличается от 1. Это объясняется наличием
порешности орулений.
Для первичной обработи статистичесих данных удобно исполь-
зовать специальные омпьютерные прораммы, например Microsoft
Excel.
Таблица 1.10
36
Сорость 105— 98— 91— 84— 77— 70— 63— 56— 49— 42— 35— 28— 21—
чтения 111 104 97 90 83 76 69 62 55 48 41 34 27
Количество / — / //// —
////
—— /// —
////
—— —
////
—— —
////
—— —
////
—— —
////
—— —
////
—— //
значений, / / // //// —
////
——
попавших /
в рпп
Частота 1 0 1 4 6 3 6 7 9 5 5 11 2
Наопленная 1 1 2 6 12 15 21 28 37 42 47 58 60
частота
Относительная 0,017 0 0,017 0,067 0,1 0,05 0,1 0,117 0,15 0,083 0,083 0,183 0,033
частота
Глава 1. ОПИСАТЕЛЬНАЯ СТАТИСТИКА
Наопленная 0,017 0,017 0,034 0,101 0,201 0,251 0,351 0,468 0,618 0,701 0,784 0,967 1,000
относительная
частота

Приведем несольо иной способ руппирования данных. Он
реализуется в следующей последовательности действий.
1. Выбирают оличество интервалов k, на оторые подразделя-
ются все данные.
2. Вычисляют длину h аждоо интервала по формуле
x max – x min
h= --------------------------------- ,
k–1
де хmах, xmin — соответственно наибольшее и наименьшее из на-

блюдаемых значений; [x] — ближайшее целое число х.
3. Левую и правую раницы статистичесих данных xmin и хmах
h
раздвиают на величину --- и получают соответственно x ′min = xmin –
2
h h
– --- , x ′max = xmax + --- .
2 2
4. Определяют раницы интервалов по формуле x′i = x′min + ih,
i = 0, 1, ..., k, x′0 = x ′min .

5. Группируют данные по интервалам, определяют оличество
значений пі, попавших в аждый интервал (значения, оторые
совпадают с раницами і-о и (і + 1)-о интервалов, считают прина-
длежащими в одинаовой мере обоим интервалам, т. е. часто-
1
там пі и пі + 1 прибавляют по --- ).
2
6. Определяют относительную частоту наблюдений для аждо-
о интервала.
Сруппируем таим образом статистичесие данные, приведен-
ные в нашем примере.
110 – 25 6
Пусть k = 15. Тода h = ----------------------- = 6, x ′min = 25 – --- = 22,
14 2
x′max = 110 + 3 = 113.
Далее: x ′0 = 22, x′1 = 28, x ′2 = 34, x′3 = 40, x′4 = 46, x ′5 = 52,
x′6 = 58, x′7 = 64, x′8 = 70, x′9 = 76, x′10 = 82, x ′11 = 88, x ′12 = 94,
x′13 = 100, x ′14 = 106, x′15 = 112.

Сруппированные данные представим в виде таблицы 1.11.
Таблица 1.11
хі 22—28 28—34 34—40 40—46 46—52 52—58 58—64 64—70
пі 2,5 8 7,5 4 5,5 9,5 3,5 4,5
νі 0,042 0,133 0,125 0,067 0,092 0,158 0,058 0,075
хі 70—76 76—82 82—88 88—94 94—100 100—106 106—112
пі 3 4 4 3 0 0 1
νі 0,05 0,067 0,067 0,05 0 0 0,017
Первый способ вылядит несольо более предпочтительным,

посольу позволяет не иметь дело с дробями.
Инода число рупп n приближенно определяют по та называе-
мой формуле Стерджесса: n = 1 + 3,322 lg N, де N — численность
совоупности. Тода длину интервала h вычисляют по формуле
x
max –x min
h = -------------------------------
-,
n
де xmax и xmin — масимальное и минимальное значения признаа.

Применяя эту формулу нашему примеру, получим: N = 60;
110 – 24
n = 1 + 3,322 lg 60 d 7; h = ----------------------- d 14. Получили результат, су-
7
щественно отличающийся от полученных при использовании дру-
их методов. При этом произойдет довольно большая потеря ин-
формации.
1. Определите, аим видам 3. Что поазывает частота зна-

относятся данные, приведен- чения?
ные в примере (табл. 1.6): одно- 4. Что поазывает относитель-
мерные, двумерные или мноо- ная частота значения?
мерные; ачественные или о- 5. Что поазывает наопленная
личественные; временной ряд частота значения?
или один временной срез. 6. Что поазывает относитель-
2. Каовы цели предваритель- ная наопленная частота зна-
ной обработи опытных данных? чения?
7. Для чео проводят руппиро- 10. Почему удобнее иметь дело

вание данных? с интервалами, длина оторых
8. Что поазывает ран объета? выражается нечетным целым
9. Ка подсчитывают ран объе- числом?
та, если частота признаа для это- 11. Верно ли, что при руппи-
о объета совпадает с частотами ровании данных происходит
этоо признаа у друих объетов? потеря информации?
Задачи
12.° Ниже приведены размеры проданной в маазине мужсой

обуви:
41 39 40 38 43 41 42 40 38 41 42 41 40
42 39 41 41 36 43 41 42 38 41 40 42 41
42 42 42 40 41 41 39 42 40 40 39 41 39
38 40 41 41 40 40 39 42 40 43 37 40 42
43 42 38 40 40 41 41 41 40 43 42 42 39
43 41 40 43 41 42 42 39 41 43 42 41 42
40 37
а) Определите, аим видам относятся данные, приведенные

в условии: одномерные, двумерные или мноомерные; ачествен-
ные или оличественные; временной ряд или один временной срез.
б) Упорядочьте эти данные по возрастанию, подсчитайте часто-
ты, относительные частоты значений.
в) Сруппируйте данные.
13.° Ниже представлена продолжительность работы элетрон-
ных ламп одноо типа (в часах):
13,4 14,7 15,2 15,1 13,0 8,8 14,0 17,9 15,1 16,5 16,6 14,2
16,3 14,6 11,7 16,4 15,1 16,6 14,1 18,8 11,6 13,9 18,0 12,4
17,2 14,5 16,3 13,7 15,5 16,2 8,4 14,7 15,4 11,3 10,7 16,9
15,8 16,1 12,3 14,0 17,7 14,7 16,2 17,1 10,1 15,8 18,3 17,5
12,7 20,7 13,5 14,0 15,7 21,9 14,3 17,7 15,4 10,9 18,2 17,3
15,2 16,7 17,3 12,1 19,2 8,3 14,0

б) Упорядочьте эти данные по убыванию, подсчитайте частоты,
относительные частоты значений.
14. Средняя температура июня в Мосве в течение 40 лет была
таой (в °C):
12,0 13,8 14,0 14,9 15,9 16,9 18,0 20,0 12,0 13,1
14,0 15,0 16,0 17,0 18,1 20,2 12,0 13,0 13,9 15,0
16,9 16,8 18,4 14,0 12,0 13,9 15,0 15,9 17,2 16,0
17,5 19,2 14,0 12,8 14,2 14,9 16,9 18,0 19,3 15,8
ты, относительные частоты значений.
15. Измерения чувствительности видеоанала у 50 телевизоров
дали следующие результаты (в мВ):
590 220 300 580 170 420 540 300 320 560
440 530 600 500 300 450 540 240 370 550
300 480 360 420 450 420 370 405 190 470
225 180 360 400 150 480 360 385 450 435
500 220 440 405 330 380 500 430 315 450
б) Упорядочьте эти данные по убыванию, подсчитайте частоты,
относительные частоты значений.
§ 1.3. Вариационные ряды

Во мноих исследованиях часто имеют дело с разнообразными
совоупностями вещей или явлений, оторые по одним признаам
представляют собой единое целое, а по друим подразделяются на
отдельные руппы. Таие совоупности рассматривались выше.
§ 1.3. Вариационные ряды 41
Та, в примере предыдущео парарафа учении 3-о ласса —

это определенная совоупность элементов (учениов), представ-
ляющих собой единое целое, посольу элементы (учении), ото-
рые ее составляют, объединены определенным признаом — все
они учатся в 3-м лассе. В то же время они подразделяются на от-
дельные руппы по друим признаам: полу, сорости чтения, ус-
пешности обучения и т. п.
Участнии областной олимпиады по математие образуют еди-
ное целое. В то же время они моут быть разделены на руппы: по
реионам, де они учатся; по успехам выступления на областной
олимпиаде; по лассам, в оторых они учатся; по харатеру мате-
матичесих способностей и т. п.
В задаче 12 § 1.2 приведены данные о размерах проданной муж-
сой обуви. Мужсая обувь — это определенная совоупность эле-
ментов, представляющих собой единое целое, посольу элементы
(обувь), оторые ее образуют, объединены определенным призна-
ом — все они предназначены для мужчин. В то же время они
подразделяются на отдельные руппы по друим признаам: раз-
меру, фасону, производителям и т. п.
Сово упность, состоящая из однородных элементов, имею-
щих ачественную общность, будем называть статистичесой
совопностью. Элементы, из оторых состоит данная сово-
упность, называют ее членами. Количество элементов в сово-
упности называют ео объемом. Объем совоупности будем обо-
значать через п.
Призна , по оторому сово упность подразделяют на руппы,
называют арментом. Призна (арумент) будем обозначать
прописными латинсими бувами X, Y, Z, ... . Отдельные числовые
значения арумента называют ео вариантами и обозначают
через х1, х2, ..., хk. (Сорость чтения — призна, ео значения —
х1 = 110, х2 = 92, ..., х36 = 25.) Количество элементов сово упнос-
ти, имеющих одина овое числовое значение, мы назвали часто-
той данной варианты; частоты обозначили через п1, п2, ..., пk;
п1 + п2 + ...+ пk = п. Отношение частоты варианты объему
сово упности мы назвали относительной частотой варианты
и обозначили через ν1, ν2, ..., νk; ν1 + ν2 + ... + νk = 1.
По аому арументу разделена на руппы совоупность,

представленная в задаче 13 § 1.2? Каов объем этой совоуп-
ности?
В исследованиях, изучая тот или иной призна, часто прихо-

дится сталиваться с таими совоупностями, члены оторых
принимают различные значения (наряду с одинаовыми). Таую
переменчивость значений признаа называют ео варьированием.
Например, варьирование мы наблюдаем, изучая успешность уча-
щихся по предмету, сформированность неотороо ачества лич-
ности и т. п.
Принимают ли члены совоупности, представленной в зада-

че 14 § 1.2, одинаовые значения или тольо различные?
Если две варианты признаа в данной совоупности моут от-

личаться одна от друой не менее чем на определенное число или
вообще совпадают, то таие данные называют дисретными (чис-
ло учениов в лассах шолы; оличество баллов, оторые наби-
рает учени при тестировании, и т. п.). Если же две варианты при-
знаа моут отличаться одна от друой на произвольно малую
величину, то таие данные называют непрерывными (процент уче-
ниов, оторые имеют достаточный уровень подотови по предме-
ту в разных лассах; время, за оторое учении пробежали 60 м на
соревнованиях; продолжительность работы элетронных ламп; тем-
пература воздуха и т. п.).
Ряд значений призна а, или вариант, полученных вследствие
массовоо обследования однородных вещей или явлений, разме-
щенных в поряд е возрастания или убывания их величин, вместе
с соответствующими частотами (или относительными часто-
тами) называют вариационным рядом. Примерами вариацион-
ноо ряда являются таблицы 1.8, 1.9, 1.11.
Если в вариационном ряде значения призна а (варианты) за-
даны в виде отдельных он ретных чисел, то та ой ряд назы-
вают дисретным (например, табл. 1.8).
Если в вариационном ряде значения призна а заданы в виде
интервалов, то та ой ряд называют интервальным (например,
табл. 1.10, 1.11).
Если в интервальном вариационном ряде в двух последователь-
ных интервалах верхнее предельное значение признаа одноо ин-
тервала равняется нижнему предельному значению второо, услов-
но будем считать, что это число принадлежит второму интервалу.
Разность между верхней и нижней раницами интервала назы-
вают шириной этоо интервала.
Рассматриваются еще та называемые млятивные вариаци-
онные ряды. В таих рядах вместо частот или относительных частот
определенных вариант (или интервалов) записаны наопленные

частоты или относительные частоты. Например, строи 1 и 4 или
1 и 6 в таблице 1.10 образуют умулятивный вариационный ряд.
Для анализа статистичесих данных, содержащихся в вариаци-
онном ряде, целесообразно ввести таую числовую харатеристи-
у, а плотность распределения.
Если в интервальном вариационном ряде ширина интервала от-
лична от единицы, то определяют абсолютную и относительную
плотности распределения.
Отношение частоты пi интервала ширине hi этоо интерва-
ла называют абсолютной плотностью распределения для і-о
n
интервала. Будем обозначать ее символом рі: pi = -----i . Абсолютная
hi
плотность распределения — это частота, приходящаяся на едини-
цу ширины интервала. Например, по данным таблицы 1.10 плот-
3
ность распределения в интервале (70; 76) равна p = --- = 0,5.
6
Относительной плотностью распределения πi для і-о ин-
тервала называют отношение относительной частоты интер-
ν
вала ео ширине: πi = -----i . По данным таблицы 1.10 относитель-
hi
ная плотность распределения для интервала (77; 83) равна π =
0,1
= --------- d 0,014.
7
Пример. Измерения диаметров 50 валиов, выточенных на стан-

е, дали следующие результаты (в мм):
14,51 14,42 14,56 14,47 14,46 14,35 14,48 14,53

14,21 14,31 14,35 14,68 14,56 14,28 14,36 14,21
14,52 14,23 14,41 14,46 14,69 14,54 14,36 14,15
14,37 14,51 14,25 14,55 14,51 14,36 14,62 14,55
14,38 14,33 14,40 14,52 14,48 14,51 14,55 14,39
14,54 14,58 14,48 14,37 14,38 14,51 14,36 14,15
14,24 14,32
а) Построить дисретный вариационный ряд.

б) Построить интервальный вариационный ряд.
в) Для интервальноо вариационноо ряда вычислить абсолют-
ные и относительные плотности распределения.
а) Объем совоупности равен 50. Выпишем все различные

значения диаметра валиа и вычислим их частоты и относитель-
ные частоты, наопленные частоты и относительные наопленные
частоты. Результаты представим в таблице 1.12.
Построен дисретный вариационный ряд.
Таблица 1.12
хі 14,15 14,21 14,23 14,24 14,25 14,28

пі 2 2 1 1 1 1
Наопленная частота 2 2 5 6 7 8
νі 0,04 0,04 0,02 0,02 0,02 0,02
Наопленная 0,04 0,08 0,10 0,12 0,14 0,16
относительная частота
хі 14,31 14,32 14,33 14,35 14,36 14,37
пі 1 1 1 2 4 2
νі 0,02 0,02 0,02 0,04 0,08 0,04
Наопленная 0,18 0,20 0,22 0,26 0,34 0,38
хі 14,38 14,39 14,40 14,41 14,42 14,46
пі 2 1 1 1 1 2
νі 0,04 0,02 0,02 0,02 0,02 0,04
Наопленная 0,42 0,44 0,46 0,48 0,50 0,54
хі 14,47 14,48 14,51 14,52 14,53 14,54
пі 1 3 5 2 1 2
νі 0,02 0,06 0,1 0,04 0,02 0,04
Наопленная 0,56 0,62 0,72 0,76 0,78 0,82
хі 14,55 14,56 14,58 14,62 14,68 14,69
пі 3 2 1 1 1 1
νі 0,06 0,04 0,02 0,02 0,02 0,02
Наопленная 0,88 0,92 0,94 0,96 0,98 1
б) Интервальный вариационный ряд можно построить руппи-

рованием членов дисретноо вариационноо ряда. В соответствии
с реомендациями число интервалов выбираем между 12 и 15. Оп-
ределяем размах данных по формуле ω = хmax – хmin + 0,01 (добав-
ляется единица наименьшео разряда, в оторых приведены дан-
ные). Получим ω = 14,69 – 14,15 + 0,01 = 0,55. Делим размах на 12
и результат оруляем с недостатом. Получим 0,045. Делим те-
перь 0,55 на 15 и результат оруляем с избытом. Получим 0,037.
В ачестве длины интервала можно принять число 0,05 (нечетное
число единиц последнео разряда). В ачестве нижней раницы
первоо интервала возьмем число 14,15 (число 1415 ратно 5). Ин-
тервалы ряда имеют вид: 14,15—14,19; 14,20—14,24; ... . Полу-
чим 11 интервалов. Найдем частоты и относительные частоты аж-
доо интервала.
в) Вычислим абсолютные плотности интервалов по формуле
n ν
pi = -----i и относительные плотности по формуле πi = -----i . Здесь ni —
hi hi
частота і-о интервала, hi — ширина і-о интервала, νі — относи-
тельная частота і-о интервала. Полученный ряд представлен в таб-
лице 1.13.
Таблица 1.13
хі 14,15— 14,20— 14,25— 14,30— 14,35— 14,40—

14,19 14,24 14,29 14,34 14,39 14,44
nі 2 4 2 3 11 3
νі 0,04 0,08 0,04 0,06 0,22 0,06
pі 40 80 40 60 220 60
πі 0,8 1,6 0,8 1,2 4,4 1,2
хі 14,45— 14,50— 14,55— 14,60— 14,65—
14,49 14,54 14,60 14,64 14,69
nі 6 10 6 1 2
νі 0,12 0,20 0,12 0,02 0,04
pі 120 200 120 20 40
πі 2,4 4 2,4 0,4 0,8

Ка получены значения 2; 0,04; 40; 0,8 для первоо интер-
вала?
1. Может ли наопленная час- совпадает с ео относительной

тота значения превышать объем частотой?
совоупности? 7. Чему равна сумма абсолют-
2. Может ли наопленная отно- ных плотностей всех интерва-
сительная частота значения лов, если все интервалы имеют
быть больше 1? одинаовую длину?
3. Для аоо значения наоп- 8. Чему равна сумма отно-
ленная частота равна объему со- сительных плотностей всех
воупности? интервалов, если все интер-
4. Для аоо значения наоп- валы имеют одинаовую дли-
ленная относительная частота ну?
равна 1? 9. Почему абсолютную и отно-
5. Для аоо значения наоп- сительную плотности распреде-
ленная частота совпадает с ео ления определяют для тех интер-
частотой? вальных вариационных рядов,
6. Для аоо значения наоп- у оторых длины интервалов
ленная относительная частота отличны от 1?
Задачи
16. Ниже представлено время химичесой реации (в с):
8,5 7,1 6,7 6,2 2,9 4,4 6,0 5,8 5,4 8,2 6,9
6,5 6,1 3,8 6,0 6,0 5,6 5,3 7,7 6,8 6,5 6,1
4,2 4,7 5,6 5,4 5,3 7,4 6,7 6,4 6,1 4,5 6,0
5,8 5,6 5,1
а)° Постройте дисретный вариационный ряд.

б) Постройте интервальный вариационный ряд.
в) Для интервальноо вариационноо ряда вычислите абсолют-
17. Получены следующие данные о плотности тани (в услов-
ных единицах):
197,4 192,7 193,6 191,1 191,3 188,3 194,3 195,4 196,6 177,7
197,8 196,7 190,8 191,7 195,2 182,7 200,2 196,1 189,9 184,8
190,3 198,6 190,2 183,5 187,2
§ 1.4. Графичесое изображение вариационных рядов 47

в) Для интервальноо вариационноо ряда подсчитайте абсолют-
18. Получены данные о прочности 50 образцов стальноо троса
(в условных единицах):
1800 1700 1740 1640 1780 1860 1600 1840 1880 1980
1540 1620 1860 1660 1840 1820 1840 1740 1780 1960
1840 1880 1740 1560 1740 1640 1740 1640 1660 1840
1940 1740 1800 1680 1800 1700 1640 1560 1740 1840
1740 1860 1740 1620 1740 1560 1600 1720 1840 1800

19. Имеются результаты измерения содержания ремния (в %)
в чууне:
0,27 0,42 0,28 0,37 0,32 0,38 0,40 0,52 0,40 0,51 0,33 0,54 0,47
0,53 0,52 0,43 0,55 0,48 0,49 0,45 0,98 0,35 0,27 0,43 0,32

§ 1.4. Графичесое изображение

вариационных рядов
Графичесое изображение зависимости между величинами дает
возможность представить эту зависимость налядно. Графии мо-
ут служить основой для отрытия новых свойств, соотношений и
заономерностей.
Наиболее употребительными рафиами для изображения ва-
риационных рядов, т. е. соотношений между значениями призна-
а и соответствующими частотами или относительными частота-
ми, являются полион, исторамма и умулята.
Полион чаще всео используют для изображения дисретных
рядов. Для построения полиона в прямоуольной системе оординат
на оси абсцисс в произвольно выбранном масштабе отладывают
значения арумента, т. е. варианты, а на оси ординат таже в произ-

вольно выбранном масштабе — значения частот или относительных
частот. Масштаб выбирают таой, чтобы была обеспечена необхо-
димая налядность, и чтобы рисуно имел желательный размер.
Далее в этой системе оординат строят точи, оординатами ото-
рых являются пары соответствующих чисел из вариационноо ря-
да. Полученные точи последовательно соединяют отрезами пря-
мой. Крайнюю «левую» точу соединяют с точой оси абсцисс, абс-
цисса оторой находится слева от рассматриваемой точи на таом
же расстоянии, а абсцисса ближайшей справа точи. Аналоично
райнюю «правую» точу таже соединяют с точой оси абсцисс.
Пример 1. Учебные достижения учащихся неотороо ласса по
математие харатеризуются данными, представленными в табли-
це 1.14.
Построить полион частот.
Таблица 1.14
Количество баллов x 1 2 3 4 5 6 7 8 9 10 11 12
Число чащихся n 1 1 2 3 4 4 6 5 3 3 2 1
Строим точи
(1; 1), (2; 1), (3; 2),
(4; 3), (5; 4), (6; 4),
(7; 6), (8; 5), (9; 3),
(10; 3), (11; 2), (12; 1).
Полученные точи со-
единяем отрезами
прямой. Обратите вни-
мание на точи (0; 0)
и (13; 0), расположен-
ные на оси абсцисс и
имеющие своими абс- Рис. 2
циссами числа, на 1
меньшее и большее, чем соответственно абсциссы самой левой и са-
мой правой точе. Полион частот изображен на рис. 21.
Если полион строят по данным интервальноо ряда, то в ачест-
ве абсцисс точе берут середины соответствующих интервалов.
Крайние левую и правую точи соединяют с точами оси абсцисс —
серединами ближайших интервалов, частоты оторых равны ну-
1 Здесь и далее полионы, истораммы и умуляты выполнены в про-
рамме Microsoft Excel.

лю. Конечно, в этом случае полион лишь приближенно отобража-

ет зависимость частот от значений арумента.
Гисторамм используют для изображения интервальных ря-
дов. Для построения истораммы по данным вариационноо ряда
с равными интервалами, а и для построения полиона, на оси
абсцисс отладывают значения арумента, а на оси ординат — зна-
чения частот или относительных частот. Далее строят прямоуоль-
нии, основаниями оторых служат отрези оси абсцисс, длины
оторых равны длинам интервалов, а высотами — отрези, дли-
ны оторых пропорциональны частотам или относительным часто-
там соответствующих интервалов.
В результате получают ступенчатую фиуру в виде сдвинутых
дру друу прямоуольниов, площади оторых пропорциональ-
ны частотам (или относительным частотам).
Если интервалы неравные, то на оси ординат следует отлады-
вать в произвольно выбранном масштабе значения плотности рас-
пределения (абсолютной или относительной). Таим образом, вы-
соты прямоуольниов, оторые мы строим, должны равняться
плотностям соответствующих интервалов.
При рафичесом изображении вариационноо ряда с помощью
истораммы плотность изображается та, а если бы она остава-
лась постоянной внутри аждоо интервала. На самом деле, а
правило, это не та. Если построить распределение по частям ин-
тервалов, то можно убедиться в том, что плотность распределения
на различных участах интервала не остается постоянной. Плот-
ность, полученная ранее, представляла лишь неоторую среднюю
плотность. Ита, исторамма изображает не фатичесое измене-
ние плотности распределения, а лишь средние плотности распреде-
ления на аждом интервале.
Если построена исторамма интервальноо распределения, то
полион тоо же распределения можно получить, если соединить
прямолинейными отрезами середины верхних оснований прямо-
уольниов.
Пример 2. По результатам тестирования по математие учащих-
ся 7-о ласса получены данные о доступности заданий теста (отно-
шение числа учащихся, правильно выполнивших задания, числу
тестировавшихся учащихся), представленные в таблице 1.15.
Тест содержал 25 заданий. Построить исторамму.
Таблица 1.15
Достпность 25—35 35—45 45—55 55—65 65—75 75—85 85—95

задания x, %
Количество 1 1 5 7 7 3 1
задач n
Отладываем на
оси абсцисс 7 отрезов
длиной 10. На них,
а на основаниях,
строим прямоуоль-
нии, высоты оторых
соответственно равны
1, 1, 5, 7, 7, 3, 1. По-
лученная ступенчатая
фиура и является ис-
омой истораммой
(рис. 3). Рис. 3
Пример 3. Данные,
приведенные в табли-
це 1.15, представлены
более подробно в таб-
лице 1.16 (интервалы
имеют длину не 10,
а 5). На рис. 4 по-
строена исторамма
по этим данным. По-
лучено изображение
более подробной ин-
формации о распре-
делении данных. Рис. 4
Таблица 1.16
Достпность 30—35 35—40 40—45 45—50 50—55 55—60

задачи x, %
Количество 1 1 0 3 2 2
задач n
Достпность 60—65 65—70 70—75 75—80 80—85 85—90
задачи x, %
Количество 5 3 4 0 3 1
задач n

По истораммам, изображенным на рис. 3 и 4, постройте по-
лионы частот.
Вычислите площади исторамм.

Кмлята служит для рафичесоо изображения умулятив-

ноо вариационноо ряда. Для ее построения на оси абсцисс отла-
дывают значения арумента, а на оси ординат — наопленные час-
тоты или наопленные относительные частоты. Масштаб на аж-
дой оси выбирают произвольно. Далее строят точи, абсциссы
оторых равны вариантам (в случае дисретных рядов) или верх-
ним раницам интервалов (в случае интервальных рядов), а орди-
наты — соответствующим частотам (наопленным частотам). Эти
точи соединяют отрезами прямой. Полученная ломаная и явля-
ется умулятой.
Если умуляту строят по наопленным относительным часто-

там, то чему равна ордината райней правой точи?
По данным, приве-
денным в таблице 1.14,
составим умулятив-
ный вариационный ряд
(табл. 1.17), для ото-
роо построим умуля-
ту (рис. 5).
Рис. 5
Таблица 1.17
Количество баллов 1 2 3 4 5 6 7 8 9 10 11 12
Частота 1 1 2 3 4 4 6 5 3 3 2 1
Наопленная частота n 1 2 4 7 11 15 21 26 29 32 34 35
1. На рис. 6 изображен полион рифных разрядов x, по оси ор-

частот, построенный по данным динат — число рабочих n.
о распределении рабочих цеха а) Каовы наименьший и наи-
по тарифным разрядам. По оси больший тарифные разряды ра-
абсцисс отложены значения та- бочих?
б) В аих пределах находится

прочность волоон, оторую име-
ет наибольшее число волоон?
в) Каую прочность — от 3 до 4
или от 5 до 6 — имеет большее
число волоон?
) Сольо примерно волоон
исследовалось на прочность?
д) Каов приближенно интерваль-
Рис. 6 ный вариационный ряд, по о-
торому построена исторамма?
б) Каой тарифный разряд име- 3. На рис. 8 изображена уму-
ет наибольшее число рабочих? лята, построенная по данным
в) Каой разряд — четвертый о распределении образцов воло-
или шестой — имеет большее он хлопа по прочности. По оси
число рабочих? абсцисс уазаны пределы про-
) Сольо примерно рабочих чности x, по оси ординат — на-
работает в цехе? опленные частоты образцов S.
д) Каов приближенно дисрет- а) Сольо примерно волоон
ный вариационный ряд, по о- исследовалось на прочность?
торому построен полион? б) Сольо примерно волоон
2. На рис. 7 изображена исто- имеет прочность от 7 до 8?
рамма, построенная по данным в) В аих пределах залюче-
о распределении образцов воло- ны наименьшая и наибольшая
он хлопа по прочности. По прочности волоон хлопа?
оси абсцисс отложены пределы 4. Ка, имея исторамму, по-
прочности x, по оси ординат — строить полион тоо же рас-
число образцов m. пределения?
а) В аих пределах залюче- 5. Ка меняется исторамма
ны наименьшая и наибольшая и полион при увеличении ши-
прочности волоон хлопа? рины интервалов?
Рис. 7 Рис. 8
Задачи
20.° Постройте полионы частот для дисретных вариацион-
ных рядов, составленных в заданиях 16—19 § 1.3.
21.° Постройте истораммы для интервальных вариационных
рядов, составленных в заданиях 16—19 § 1.3.
22. В таблице 1.18 приведено распределение числа взрослых
рабочих-мужчин цеха по росту.
а)° Постройте по этим данным исторамму и полион частот.
б) Опишите форму этоо распределения. В частности, уажите,
является это распределение симметричным или нет.
Таблица 1.18
Рост, см 143— 146— 149— 152— 155— 158— 161— 164—

146 149 152 155 158 161 164 167
Число 1 2 8 26 65 120 181 201
мжчин
Рост, см 167— 170— 173— 176— 179— 182— 185— Всео
170 173 176 179 182 185 188
Число 170 120 64 28 10 3 1 1000
мжчин
23.° В таблице 1.19 приведены данные о массе новорожденных

детей при рождении.
Таблица 1.19
Масса, 1000— 1500— 2000— 2500— 3000—

1500 2000 2500 3000 3500
Число детей 84 205 502 1723 3752
Масса, 3500— 4000— 4500— 5000— Всео
4000 4500 5000 5500
Число детей 2747 852 124 11 10 000
а)° Вычислите относительные частоты и наопленные относи-

тельные частоты.
б) Постройте по этим данным исторамму и умулятивную
ривую.
24.° Получены результаты измерения отлонений диаметров
детали от номинальноо размера (в м):
42 46 41 39 42 40 43 40 41 44
42 42 41 40 42 42 41 43 39 40
а) Постройте дисретный вариационный ряд.

б) Постройте полион частот.
25. Рассмотрите данные, представленные в таблице 1.2 § 1.1,
о численности населения республи бывшео СССР и их лоариф-
мы, представленные в таблице 1.3. Постройте истораммы по тем
и друим данным. Чем они отличаются?
§ 1.5. Среднее арифметичесое —

поазатель центральной тенденции
В результате исследований, связанных с массовыми явлениями,
получают мноо числовых данных. Возниает проблема — найти та-
ие харатеристии, оторые довольно полно харатеризовали бы
полученный числовой материал. Харатеристии, оторые базиру-
ются на данных массовых наблюдений, называют обобщающими
поазателями. Эти поазатели харатеризуют значения признаа,
ео вариацию. Их вычисляют с помощью вариант и соответствующих
частот (относительных частот). Важнейшие среди обобщающих по-
азателей — средние величины, т. е. таие значения признаа, во-
ру оторых руппируются отдельные наблюдаемые значения эле-
ментов. Отсюда и название — меры центральной тенденции.
В зависимости от харатера задачи пользуются тем или иным
видом средней величины. К ним принадлежат среднее арифмети-
чесое, мода, медиана, степенные средние (среднее армоничесое,
среднее еометричесое и т. п.).
Изучая и используя обобщающие поазатели, следует иметь в ви-
ду, что они тольо тода объетивно будут соответствовать своему на-
значению, если применяются однородным совоупностям. В про-
тивном случае можно получить неправильные выводы. Например,
едва ли правильно харатеризовать средние учебные достижения
учащихся одноо реиона, вычисленные по данным совоупности,
оторой относятся наряду с учащимися элитных учебных заведе-
ний (лицеев, имназий и т. п.) учении общеобразовательных шол,
специализированных шол для умственно отсталых детей и др.
Неправильное использование средних поазателей приводит
тому, что в ряде случаев за «блаополучным» поазателем ус-
пешности срываются проблемы, связанные с обучением отдель-
ных атеорий учащихся.
В настоящем парарафе будет рассмотрено среднее арифметиче-
сое и ео свойства.
С понятием среднео арифметичесоо вы уже знаомы с млад-
ших лассов. Напомним ео. Пусть имеется п объетов, для ото-
рых измерена неоторая харатеристиа, и получены значения х1,
§ 1.5. Среднее арифметичесое — поазатель центральной тенденции 55
х2, ..., хп. Среднее арифметичесое этих п значений обозначают

x + x + ... + x n
1 2 n 1
через x и определяют а x = --------------------------------------------
n
, или x = ---
n ∑ xi.
i=1
n
Символом ∑ ai с переменным индесом i (читается та: «сумма
i=1
n
по i от 1 до m») обозначают следующую сумму: ∑ ai = a1 + a2 + ... + an.
i=1
n n
Заметим, что выражение ∑ ak означает то же самое, что и ∑ ai,
k=1 i=1
т. е. переменный индес можно обозначать любой бувой.
Это соращенное обозначение суммы обладает следующими прос-
тыми свойствами, вытеающими из известных свойств сложения:
n
1. ∑a= a + a + ... + a = na.
i=1 n слааемых
n n
2. ∑ cai = c ∑ ai, та а общий множитель можно выносить
i=1 i=1
за зна суммы.
n m n
3. ∑ ai = ∑ ai + ∑ ai (m < n), та а для сложения
i=1 i=1 i = m+1
справедливо сочетательное свойство.
n n n
4. ∑ (ai + bi) = ∑ ai + ∑ bi на основе одновременноо примене-
i=1 i=1 i=1
ния сочетательноо и переместительноо свойств сложения.
Сущность среднео арифметичесоо состоит в следующем. Ес-
ли аждое наблюдение заменить средним, то общая сумма не из-
менится. Это среднее можно интерпретировать еще и та: если все
наблюдения будут равны между собой, а сумма наблюдений оста-
нется неизменной, то аждое наблюдение будет равно среднему.
Посольу среднее сохраняет неизменной сумму при равномерном
распределении значений, то оно наиболее полезно в ачестве обоб-
щающео поазателя при отсутствии резо выделяющихся наблю-
дений, или а их называют, выбросов, т. е. ода набор данных
представляет собой более менее однородную руппу.
Пример 1. Рассмотрим среднюю месячную зарплату работни-
ов неотороо предприятия. Пусть, например, в фирме работает
20 челове, зарплата 19 из них составляет 10 000 р., а зарплата
20-о, руоводителя, — 1 000 000 р. Тода средняя зарплата одноо
19 · 10 000 + 1 000 000
работниа на этой фирме будет равна ---------------------------------------------------------------- =
20
= 59 500. Хотя среднее и сохранило общую сумму заработной платы,

но оно является в данном случае плохим обобщающим поазателем:
оно плохо харатеризует зарплату одноо работниа на этой фир-
ме. Причина этоо роется в том, что набор данных содержит вы-
брос — 1 000 000 р. Среднее оазалось слишом большим для боль-
шинства работниов и слишом малым для высоооплачиваемоо
руоводителя.
Среднее арифметичесое, а уазывалось выше, является
обобщающим поазателем, сохраняющим общую сумму при заме-
не на нео аждоо значения. Это свойство особенно полезно в тех
ситуациях, ода необходимо планировать общую сумму для боль-
шой руппы. Сначала вычисляют среднее арифметичесое для мень-
шей выбори данных, хорошо представляющей большую руппу.
Затем полученное значение умножают на оличество элементов
в большой руппе. В результате получают приближенное значение
суммы для всей руппы. С помощью среднео арифметичесоо ре-
шается одна из задач статистии — оцен а неизвестноо парамет-
ра сово упности.
Пусть дан дисретный вариационный ряд:
х1 x2 ... xm
n1 n2 ... nm
Тода среднее арифметичесое вычисляют с учетом частот сле-

дующим образом:
m
x n + x n + ... + x n
1 1 2 2 m m
∑ x i ni m ni
- , или x = i-------------------- ∑ xi ----n- .
=1
x = ------------------------------------------------------------------- m
- , или x =
n 1 + n 2 + ... + n m
∑ ni i=1
i=1
Здесь m — оличество различных значений, оторые принима-

ет призна. Таую форму среднео арифметичесоо инода назы-
вают средним взвешенным.
Среднее взвешенное можно интерпретировать а среднюю вели-
чину для значений х1, х2, ..., хm, используемую в ситуациях, ода
одни значения более важны по сравнению с друими. Более важные
значения вносят больший влад в значение среднео взвешенноо.
n
Роль весов ирают отношения -----i : чем больше частота элемента,
n
тем больший влад вносит этот элемент в значение среднео взве-
шенноо. Сумма всех весов равна 1.
Пример 2. Вычислить среднее арифметичесое по данным о до-

ступности заданий теста по математие для 7-о ласса. Эти дан-
ные приведены в таблице 1.20.
Таблица 1.20
№ задания 1 2 3 4 5 6 7 8 9
Достпность, % 69 81 62 59 71 70 52 61 61
№ задания 10 11 12 13 14 15 16 17 18
Достпность, % 69 73 72 60 31 36 63 87 80
№ задания 19 20 21 22 23 24 25
Достпность, % 47 82 48 50 56 49 66
Сумма вариант равна: 69 + 81 + 62 + 59 + 71 + 70 + 52 + 61 +

+ 61 + 69 + 73 + 72 + 60 + 31 + 36 + 63 + 87 + 80 + 47 + 82 + 48 +
+ 50 + 56 + 49 + 66 = 1555. Разделив это число на оличество
задач (25), получим x = 62,2. Ита, средняя доступность одноо
задания равна 62,2 %.
Пример 3. В таблице 1.21 представлены данные о оличестве
баллов, оторые набрали на олимпиаде представители одноо райо-
на. Вычислить по этим данным среднее арифметичесое.
Таблица 1.21
Варианта x 2 3 5 6 8 9 10 11 15 18
Частота п 1 2 4 3 2 2 2 3 1 1
Проведем вычисления по схеме, представленной в табли-

це 1.22.
Таблица 1.22
№ 1 2 3 4 5 6 7 8 9 10 Σ
хі 2 3 5 6 8 9 10 11 15 18
nі 1 2 4 3 2 2 2 3 1 1 21
хіnі 2 6 20 18 16 18 20 33 15 18 166
166
x = ---------- d 7,9.
21
В среднем, один представитель района набрал примерно
7,9 балла.
Таже вычисляют среднее арифметичесое по данным интерваль-

ноо вариационноо ряда. За значение признаа для всех элементов
в данном интервале берут середину интервала. При этом допуса-
ется определенная неточность, но обычно в различных интервалах
порешности будут разных знаов, а потому при большом оличе-
стве наблюдений они в значительной мере «асят» дру друа.
Пример 4. Вычислить среднее арифметичесое результатов онт-
рольной работы по математие, проведенной в 9-х лассах шол
неоторой области. Результаты представлены в первых двух столб-
цах таблицы 1.23 (работа оценивалась по 12-балльной шале).
Таблица 1.23
Количество баллов Число чащихся пі хі хіnі
1—3 26 2 52
4—6 478 5 2390
7—9 369 8 2952
10—12 127 11 1397
Σ 1000 6791
В последних двух столбцах таблицы 1.23 уазаны середины

интервалов и их произведения на частоты соответствующих интер-
валов. В результате получим
6791
x = ------------- d 6,8.
1000
В среднем, онтрольная работа одноо учащеося оценена
примерно на 6,8 балла.
Пример 5. Социолоичесая лаборатория интересуется, сольо
тратят жители орода N в месяц на молочные продуты. Население
этоо орода составляет 160 500 челове. Опросить таое оличест-
во жителей трудоемо. Опросили 400 челове. Оазалось, что в сред-
нем аждый из них в месяц на молочные продуты тратит 470 р.
Оценить, т. е. уазать приближенно, сольо тратят жители оро-
да N в месяц на молочные продуты.
Чтобы найти требуемую оцену, нужно среднее значение рас-
ходов одноо человеа из выбори умножить на численность насе-
ления орода N: 470 · 160 500 = 75 435 000 р. Этот проноз является
приемлемым (если выбора была представительной; см. подробнее об
этом в лаве 5) и полезным. Но это значение не является точным.
Рассмотрим неоторые свойства среднео арифметичесоо, о-

торые позволяют упростить ео вычисление и оторые понадобятся
при дальнейшем изучении математичесой статистии.
СВОЙСТВО 1. Среднее арифметичес ое постоянной величины
равно этой постоянной.
Пусть при исследовании признаа х он п раз принимал одно
и то же значение с. Тода
c + c + ... + c nc
x = ---------------------------------- = ------- = c.
n n
СВОЙСТВО 2. Если аждое значение призна а Z равно сумме

(разности) значений призна ов Х и Y, то среднее арифметиче-
с ое призна а Z равно сумме (разности) средних арифметиче-
с их призна ов Х и Y.
Обозначим і-е варианты признаов X, Y, Z через хі, уі, zi. По
условию хі + уі = zi. Тода
n n n n
1 1 1 1
z = ---
n ∑ zi = ---
n ∑ (xi + yi) = --n- ∑ xi + --n- ∑ yi = x + y .
i=1 i=1 i=1 i=1
Аналоично доазывается свойство и в случае разности.
Проведите доазательство этоо свойства в случае разности.
Верно ли, что средняя зарплата работниа цеха за два месяца
равна сумме средних зарплат работниа этоо цеха за аждый
из этих двух месяцев?
Например, из этоо свойства вытеает, что если онтрольная
работа по еометрии состоит из двух сюжетных задач, то среднее
время, оторое идет на выполнение онтрольной работы, равно
сумме средних времен, оторые расходуются на выполнение пер-
вой и второй задач.
СВОЙСТВО 3. Если о всем вариантам прибавить одно и то
же число, то и среднему арифметичес ому будет прибавлено
то же число.
Пусть x′i = хі + с — новые варианты, полученные после при-
бавления аждой первоначальной варианте хі одноо и тоо же
числа с. Тода
n n n n
1 1 1 1
x′ = ---
n ∑ xi′ = ---
n ∑ (xi + c) = ---
n ∑ xi + ---
n ∑ c=
i=1 i=1 i=1 i=1
nc
= x + ------- = x + c.
n
Рассмотренное свойство позволяет значительно упростить вы-

числение среднео арифметичесоо без использования вычисли-
тельных средств, особенно тода, ода варианты принимают боль-
шие значения.
Это свойство обосновывает произвольный выбор начала от-
счета.
Верно ли, что если зарплату всех работниов неоторой фир-

мы увеличить на одну и ту же сумму, то и средняя зарплата
работниа этой фирмы увеличится на ту же сумму?
СВОЙСТВО 4. Если все варианты умножить (разделить) на

одно и то же число, то среднее арифметичес ое умножится (раз-
делится) на то же число.
Пусть x ′i = хі · с — новые варианты, полученные после умно-
жения аждой первоначальной варианты хі на одно и то же чис-
ло с. Тода
n n n
1 1 1
x′ = ---
n ∑ x i′ = ---
n ∑ (xi · c) = c · ---
n ∑ xi = c · x .
i=1 i=1 i=1
На основании этоо свойства можно изменять единицы, в ото-

рых выражаются данные.
Ка изменится средняя зарплата в цехе, если заработная пла-

та аждоо работниа будет удвоена?
СВОЙСТВО 5. Если все частоты умножить (разделить) на

одно и то же число, то среднее арифметичес ое не изменится.
Пусть n ′i = nі · c — новые частоты, полученные после умноже-
ния аждой первоначальной частоты пі на одно и то же число с.
Тода
m m m
∑ xi · ( ni · c ) c ∑ ( x i · ni ) ∑ ( x i · ni )
x′ = i--------------------------------------
=1
m
i=1
- = i------------------------------
- = ---------------------------------
m
=1
m
- = x.
∑ ( ni · c ) c ∑ ni ∑ ni
i=1 i=1 i=1
На основании этоо свойства при вычислении среднео частоты

можно заменять, например, относительными частотами.
В фирме несольо отделов. Все сотруднии одноо отдела по-

лучают одну и ту же зарплату. Ка изменится средняя зарпла-
та одноо работниа фирмы, если численность работниов в
аждом отделе удвоить?
СВОЙСТВО 6. Сумма от лонений вариант от их среднео

арифметичес оо равна нулю.
Отлонение варианты хі от среднео арифметичесоо x рав-
но разности хі – x . Тода
n n n
∑ (xi – x ) = ∑ xi – ∑ x = n x – n x = 0.
i=1 i=1 i=1
СВОЙСТВО 7. Сумма вадратов от лонений вариант от их

среднео арифметичес оо меньше суммы вадратов от лонений
вариант от произвольноо числа c на величину (c – x )2n.
В самом деле,
n n n
∑ (xi – c)2 – ∑ (xi – x )2 = ∑ ((xi – c)2 – (xi – x )2) =
i=1 i=1 i=1
n 2 2
= ∑ ( xi – 2cxi + c2 – x i + 2xi x – x 2 ) =
i=1
= –2cn x + nc2 + 2n x 2 – n x 2 = n( x 2 – 2c x + c2) = n(c – x )2.
Разность оазалась положительной (при x − c), поэтому сумма

n n
∑ (xi – c)2 больше суммы ∑ (xi – x )2.
i=1 i=1
Что больше: сумма вадратов отлонений всех значений сово-

упности от среднео арифметичесоо этих значений или
сумма вадратов отлонений всех значений этой совоупнос-
ти от 1?
СВОЙСТВО 8. Среднее арифметичес ое, вычисленное по дан-

ным всех элементов сово упности, равно взвешенному среднему
для та называемых частичных средних, т. е. средних, найден-
ных для отдельных частей сово упности, причем частота для
аждоо частичноо среднео равна оличеству элементов в со-
ответствующей части сово упности.
Пусть совоупность состоит из таих элементов:
x1, x2, …, xk, y1, y2, …, yl, z1, z2, …, zm,
причем k + l + m = n.
Посольу частичные средние соответственно равны

l
1 k 1 1 m
x = ---
k ∑ xi; y = ---
l ∑ y i; z = -----
m
z i,∑
i=1 i=1 i=1
то общее среднее равно

k l m
∑ xi + ∑ yi + ∑ zi kx + ly + m z
i=1 i=1 i=1
- = ---------------------------------- .
---------------------------------------------------------
k+l+m n
Например, это свойство дает возможность упростить вычисле-

ние среднео арифметичесоо результатов тестирования учащих-
ся лассов одной параллели несольих шол. Для этоо достаточ-
но вычислить среднее прифметичесое для аждоо ласса, а затем
вычислить среднее этих частичных средних, приняв в ачестве их
частот оличество учащихся в соответствующих лассах.
Ка можно вычислить среднюю зарплату работниов трех це-

хов, если известны средние зарплаты и число работниов в аж-
дом цехе?
В примере 5 было поазано, а среднее арифметичесое можно

использовать для оцени неизвестных параметров совоупности.
Кроме тоо, среднее арифметичесое позволяет решать задачи,
связанные с проверой ипотез.
Пример 6. Два стрела сделали по 100 выстрелов. Первый выбил

8 очов 40 раз, 9 очов — 10 раз и 10 очов — 50 раз. Второй выбил
8, 9 и 10 очов соответственно — 10, 60 и 30 раз. Каой из стрелов
стреляет лучше?
Вычислим средние арифметичесие x и y числа очов, ото-
рые выбил при 100 выстрелах аждый из двух стрелов.
8 · 40 + 9 · 10 + 10 · 50
x = ---------------------------------------------------------------- = 9,1;
100
8 · 10 + 9 · 60 + 10 · 30
y = ---------------------------------------------------------------- = 9,2.
100
Среднее число очов, оторое выбивает из 100 выстрелов второй

стрело, несольо выше, чем тот же поазатель у первоо стрел-
а. Естественно признать второо стрела лучшим.
Пример 7. В онце ХVIII веа в америансой азете «The Fede-

ralist» была опублиована серия статей, подписанных псевдони-
мом «Публий». Было установлено, что их авторами моли быть
Алесандр Гамильтон и Джеймс Медисон, однао, то именно, не-
известно. Позиции, оторых придерживались в своих статьях Га-
мильтон и Медисон, не давали люча разаде тайны. Не помо-
ал и анализ общео стиля письма обоих авторов. Единственное,
за что можно зацепиться, та это частота, с оторой встречаются
те или иные предлои. В таблице 1.24 представлено число ста-
тей, в оторых предло «by» встречается с той или иной частотой
(в расчете на 1000 слов) для спорных статей и статей А. Гамильто-
на и Д. Медисона.
Таблица 1.24
Частота 1—3 3—5 5—7 7—9 9— 11— 13— 15— 17—

предлоа «by» 11 13 15 17 19
Статьи 2 9 12 18 4 5
Гамильтона
Статьи 5 7 8 16 6 5 3
Медисона
Спорные статьи 2 1 2 4 2 1
Подсчитать средние арифметичесие для частот предлоа «by»

в спорных статьях, в статьях Гамильтона и Медисона и высазать
свои соображения по поводу авторства спорных статей.
Обозначим средние частоты предлоа «by» в спорных стать-
ях, в статьях Гамильтона и Медисона соответственно через x , y , z .
Будем иметь:
6 · 2 + 8 · 1 + 10 · 2 + 12 · 4 + 14 · 2 + 16 · 1
x = ------------------------------------------------------------------------------------------------------------------------- = 11;
12
2 · 2 + 4 · 9 + 6 · 12 + 8 · 18 + 10 · 4 + 12 · 5
y = ------------------------------------------------------------------------------------------------------------------------- = 7,12;
50
6 · 5 + 8 · 7 + 10 · 8 + 12 · 16 + 14 · 6 + 16 · 5 + 18 · 3
z = --------------------------------------------------------------------------------------------------------------------------------------------------- = 11,9.
50
Средняя частота предлоа «by» в спорных статьях (11) значитель-

но ближе средней частоте этоо предлоа в статьях Медисона (11,9),
чем в статьях Гамильтона (7,12). Это оворит в пользу тоо, что авто-
ром спорных статей является Медисон. В пользу тоо же вывода о-
ворит и сравнение исторамм, построенных по приведенным дан-
Статьи Гамильтона ным (рис. 9). Распределения по-

азывают, что употребление пред-
лоа «by» в спорных статьях в
большей степени напоминает со-
ответствующее распределение Ме-
дисона, а не Гамильтона.
Для вычисления среднео
арифметичесоо с помощью эле-
тронных таблиц Excel можно ис-
пользовать фунцию (СРЗНАЧ).
Выбирают ячейу, уда помеща-
Статьи Медисона
ют среднее. В лавном меню вы-
бирают (Встава ^ фунция), за-
тем в ачестве атеории фун-
ции выбирают (Статистичесие) и
в ачестве названия фунции —
(СРЗНАЧ). Появится диалоовое
оно. Перетасивая урсор мы-
ши, выделяют необходимый спи-
со чисел, а затем нажимают
лавишу 〈Enter〉 для завершения
Спорные статьи процесса.
Чтобы найти среднее взвешен-
ное с помощью Excel, используем
оманду (Встава ^ Имя ^ Со-
здать) и нопу ОК. Далее исполь-
зуем фунцию (СУММПРОИЗВ),
оторая умножает значения на
соответствующие частоты и сла-
дывает результаты. Полученный
результат делим на сумму час-
тот, в итое имеем среднее взве-
Рис. 9 шенное.
1. Каой смысл имеет среднее 2. Что нужно знать, роме сред-

арифметичесое с точи зрения нео числа отазов прибора, что-
суммы всех значений набора бы оценить общее оличество
данных? отазов приборов?
3. Ка используют среднее ариф- ности при вычислении средне-

метичесое для оцени суммы о арифметичесоо?
значений большой совоупности? 7. Почему средняя зарплата
4. Достаточно ли знать сред- одноо работающео в Мосве
нее оличество браованных плохо харатеризует состоя-
изделий, выпусаемых рабочим ние с заработной платой в сто-
в аждом из трех цехов пред- лице?
приятия, чтобы найти среднее 8. Почему бессмысленным счи-
число браованных изделий, тается выражение «средняя тем-
выпусаемых рабочим на всем пература больноо по палате»?
предприятии, если на этом пред- 9. Есть ли смысл находить сред-
приятии три цеха? нее арифметичесое для поряд-
5. Ка, имея данные о оличе- овых данных?
стве заазов, поступающих в две 10. Требуется выяснить потреб-
мастерсие ежедневно в течение ность населения неотороо о-
месяца, сравнить заруженность рода в определенном товаре. Ка
этих мастерсих работой? может помочь среднее арифме-
6. Ка учитываются резо вы- тичесое в решении этой про-
деляющиеся значения совоуп- блемы?
Задачи
26. Число браованных изделий на неотором производстве в те-
чение 20 дней равнялось
24 28 5 10 22 5 19 0 3 18
20 4 0 1 21 17 10 20 4 7
а)° Найдите среднее арифметичесое дневноо выпуса брао-

ванных изделий.
б) Если бы реистрация числа браованных изделий продолжа-
лась еще три дня и если бы харатеристиа числа браованных из-
делий была таой же, а и в остальные дни, то аое число брао-
ванных изделий можно было бы ожидать за 23 дня?
27. В таблице 1.25 приведены данные о размере последних за-
азов потребителей фирмы (в десятах тыс. р.).
а)° Найдите средний размер зааза.
б) Если бы приведенным данным о 24 последних заазах по-
требителей фирмы добавили еще 6 предыдущих заазов и если бы
харатеристиа размера этих заазов была таой же, а и у по-

следующих 24 заазов, то аим бы примерно был суммарный раз-
мер последних 30 заазов?
Таблица 1.25
Размер зааза, 1—4 5—8 9—12 13—16 16—19 20—23 24—27 28—31
десяти тыс. р.
Число заазов 10 2 4 1 2 1 1 3
28. В таблице 1.26 представлено число статей, в оторых пред-

ло «on» встречается с той или иной частотой (в расчете на 1000
слов) для спорных статей и статей А. Гамильтона и Д. Медисона
(см. пример 7).
а) Подсчитайте средние арифметичесие для частот предлоа «on»
в спорных статьях, в статьях Гамильтона и Медисона и высажите
свои соображения по поводу авторства спорных статей.
б) Постройте истораммы по приведенным данным, сравните их.
Таблица 1.26
Частота 0,4 0,4—0,8 0,8—1,2 1,2—1,6 1,6—2,0 2—3

предлоа «on»
Статьи 2 3 6 11
Статьи 41 2 4 1 2
Медисона
Спорные 11 1
статьи
Частота 3—4 4—5 5—6 6—7 7—8
предлоа «on»
Статьи 11 10 3 1 1
Статьи
Медисона
Спорные
статьи
29°. Контрольная работа десяти учащихся проверялась двумя

преподавателями и оценивалась ими по 12-балльной шале. Резуль-
таты оценивания представлены в таблице 1.27.
Каой из преподавателей строже?
Таблица 1.27
№ чащеося 1 2 3 4 5 6 7 8 9 10
1-й преподаватель 7 11 6 8 3 10 8 5 7 10
2-й преподаватель 5 12 6 7 2 11 9 3 6 10
30. В ряде америансих университетов средний балл резуль-

татов обучения студента вычисляют а взвешенное среднее.
Это связано с тем, что неоторые урсы оцениваются бXольшим
оличеством баллов по сравнению с друими. Пусть система оце-
но в неотором университете влючает оцени от 1,0 (незачет)
до 5,0 (отлично). Вес аждой оцени пропорционален оличеству
баллов, присвоенных урсу. Карточа студента N имеет вид табли-
цы 1.28.
а) Найдите среднюю оцену студента N.
б) Оцена по аому предмету внесла наибольший влад в сред-
нюю оцену?
в) Существенно ли повлияла на среднюю оцену оцена по спец-
урсу?
Таблица 1.28
Крс Баллы Оцена

Статистиа 6 4,5
Эономиа 6 4,3
Математиа 5 4,7
Маретин 5 3,8
Спецурс 2 2,2
Итоо 24
31. В двух бриадах насчитывается по 7 челове. В первой бри-

аде месячная зарплата двух рабочих составляет по 12 600 р., трех
рабочих — по 14 400 р., один рабочий зарабатывает 15 300 р. и один
рабочий — 16 200 р. Во второй бриаде трое рабочих зарабатывают
по 12 600 р., один — 14 580 р., двое — по 15 300 р. и один — 15 390 р.
В аой бриаде выше оплата труда?
32. В результате испытаний двух однотипных приборов А и В
установили число помех, оторые оценивались по трехбалльной
системе (табл. 1.29).
Меньшему уровню помех соответствует меньшее оличество

баллов. В случае отсутствия помех их уровень считался равным ну-
лю. Каой из приборов более чувствителен помехам?
Таблица 1.29
Уровень помех в баллах 1 2 3

Число появлений помех данноо ровня А 20 6 4
в 100 испытаниях приборов
В 7 3 10
§ 1.6. Др!ие меры центральной тенденции

В предыдущем парарафе была рассмотрена наиболее широо
используемая мера центральной тенденции — среднее арифмети-
чесое. Оно применяется в том случае, ода оличественные дан-
ные имеют содержательный смысл. Кроме среднео арифметиче-
соо мерой центральной тенденции может служить:
1) медиана, или срединная точ а, оторую можно вычислять
а для порядовых, та и для оличественных данных;
2) мода — наиболее часто встречающаяся атеория, оторую
можно вычислять для номинальных данных, упорядоченных ате-
орий и оличественных данных.
1.6.1. Медиана
В предыдущем парарафе при рассмотрении примера 1 мы уже
видели, что среднее арифметичесое плохо харатеризует состоя-
ние с заработной платой на предприятии. Средний арифметиче-
сий заработо оазался слишом высоим для работниов пред-
приятия. Более правильную артину даст то значение, оторое де-
лит данные на две равные части. Таим значением является
медиана.
Если все элементы сово упности размещены в поряд е воз-
растания или убывания числовых значений призна а, то медиа-
на — это та ое значение призна а, оторое делит всю сово уп-
ность пополам.
Ита, оличество элементов совоупности, имеющих значение
признаа, меньшее медианы, равно оличеству элементов со зна-
чением признаа, большим медианы. Будем обозначать медиану
символом Ме.
При нахождении медианы дисретноо вариационноо ряда
следует различать два случая:
§ 1.6. Друие меры центральной тенденции 69
1) объем совоупности нечетный;

2) объем совоупности четный.
Если объем совоупности нечетный и равен 2п + 1, и варианты
размещены в поряде возрастания их значений:
x 1 , x 2 , ..., x n , xn + 1, xn + 2 , ..., x2n + 1 ,

n значений n значений
то Ме = хп + 1.
Если же оличество элементов четное и равно 2п, то нет вариан-
ты, оторая бы делила совоупность на две равные по объему части:
x 1 , x 2 , ..., x n , xn + 1 , ..., x 2n .
n значений n значений
Поэтому в ачестве медианы условно берется полусумма вариант,

находящихся в середине вариационноо ряда:
n x +x n+1
Me = --------------------------
-.
2
Пример 1. Вычислить медиану по данным таблицы 1.30, в о-

торой приведена информация об успеваемости по математие
100 учащихся 7-х лассов (успеваемость оценивается по 12-балль-
ной шале).
Таблица 1.30
Число чащихся 3 4 4 9 11 12 18 14 9 8 6 2
Посольу совоупность содержит 100 элементов (учащихся),

упорядоченных по значению признаа, и оличество элементов
четно, то надо найти полусумму числовых значений 50-о и 51-о
элементов. Сладывая последовательно частоты, находим наоп-
ленные частоты (табл. 1.31).
Таблица 1.31
Количество 1 2 3 4 5 6 7 8 9 10 11 12
баллов
Наопленные 3 7 11 20 31 43 61 75 84 92 98 100
частоты
Устанавливаем первую наопленную частоту, большую полови-

ны общео оличества элементов. В данном примере это 61. Ита,
и 50-му и 51-му элементам отвечает значение 7, поэтому и Ме = 7.
Полученное значение медианы означает, что примерно полови-
на семилассниов по математие учатся на 7 и меньше баллов,
а половина — на 7 и больше баллов.
Обращаем внимание на ошибу, часто встречающуюся при вы-

числении медианы. Инода не учитывают ни частоты вариант, ни
общео оличества элементов и в ачестве медианы берут полусум-
му средних вариант. В примере 1 это полусумма 6-й и 7-й вариант,
т. е. 6,5, что не верно.
Рассмотрим вычисление медианы интервальноо упорядоченно-
о вариационноо ряда. Интервал, в отором находится медиана,
назовем медианным. Вывод формулы для вычисления медианы
базируется на предположении, что плотность распределения при-
знаа на медианном интервале является постоянной.
Введем обозначения:
хп — начало медианноо интервала;
h — ширина медианноо интервала;
пМе — частота медианноо интервала;
SМе – 1 — сумма частот интервалов, предшествующих медиан-
ному;
п — объем совоупности;
n
--- — наопленная частота до значения медианы;
2
n
--- – SМе – 1 — частота интервала от хп до Ме, ширина отороо
2
равна Ме – хп.
Абсолютная плотность распределения на медианном интервале
n Me
равна ---------
- . Абсолютная плотность распределения на интервале
h
n
--- – S Me – 1
2
от хп до Ме равна --------------------------- . По условию эти плотности равны дру
Me – x n
друу, поэтому
n
--- – S Me – 1
n Me 2
---------- = --------------------------- .
h Me – x n
Отсюда
n
--- – S Me – 1
2
Me = xn + --------------------------- h.
n Me
Если плотность распределения на медианном интервале не яв-

ляется постоянной, то полученная формула будет приближенной.
Пример 2. Вычислить медиану по данным таблицы 1.23 из пре-

дыдущео парарафа.
Из таблицы имеем:
хп = 4, h = 6 – 4 = 2, nMe = 478, SМе – 1 = 26, n = 1000;
1000
------------- – 26
2
Me = 4 + --------------------------- · 2 d 5,98.
478
Полученный результат означает, что примерно половина девя-

тилассниов области написали онтрольную работу на 6 и мень-
ше баллов, а половина — на 6 и больше баллов.
Ка в примере 2 установлен медианный интервал?
Медиана обладает важными свойствами, оторые в неоторых

случаях дают ей преимущество перед друими средними величи-
нами. Например, если при упорядоченном размещении неотороо
признаа «райние» значения сомнительные и тому же резо от-
личаются от основной массы данных, то в ачестве меры централь-
ной тенденции целесообразно использовать медиану, посольу на
ее величину эти «райние» значения ниаоо влияния не оазы-
вают, и в то же время они моут существенным образом повлиять
на значение среднео арифметичесоо.
В предыдущем парарафе рассматривался пример с зарплатой
работниов неоторой фирмы, в оторой работает 20 челове, за-
рплата 19 из них составляет 10 000 р., а зарплата 20-о, руово-
дителя, — 1 000 000 р. Ка мы видели, средняя зарплата одноо
работниа на этой фирме составляет 59 500 р. Среднее арифмети-
чесое явилось в данном случае плохой мерой центральной тенден-
ции. Медиана данной совоупности равна 10 000 руб. Она лучше
харатеризует совоупность, состоящую из размеров зарплат ра-
ботниов фирмы.
Что означает значение медианы в этом примере?
Медиана обладает следующим важным СВОЙСТВОМ.

Сумма модулей от лонений вариант призна а от медианы
не больше суммы модулей от лонений от любоо друоо числа:
m m
∑ |xi – Me|ni m ∑ |xi – a|ni.
i=1 i=1
В случае нечетноо объема совоупности n = 2l + 1 при а − Ме

имеет место строое неравенство, а в случае четноо n = 2l равенст-
во имеет место для любоо значения а, находящеося между двумя
средними значениями xl и xl + 1 и тольо при этих значениях.

Доажем это утверждение.
Пусть x1 m x2 m ... m xn — упорядоченный набор данных. Рас-
смотрим сначала случай, ода n — нечетное число, n = 2l + 1.
Заметим, что из неравенства треуольниа вытеает, что для лю-
бых трех чисел х, х1, х2 выполняется неравенство |x – x1| + |x – x2| l
l |x2 – x1|, причем равенство имеет место тода и тольо тода, о-
да x1 m x m x2. Поэтому для произвольноо числа a имеем
|a – x1| + |a – x2| + … + |a – x2l| + |a – x2l + 1| =

= (|a – x1| + |a – x2l + 1|) + (|a – x2| + |a – x2l|) + ...
... + (|a – xl| + |x – xl + 2|) + |a – xl + 1|) l
l |x1 – x2l + 1| + |x2 – x2l| + ... + |xl – xl + 2| + |a – xl + 1|.
Та а медиана Ме = хl + 1 находится между аждой парой зна-

чений x1 и х2l + 1, x2 и x2l, ..., xl и xl + 2, то при a = хl + 1 предыдущее
неравенство обращается в равенство. Если же a − хl + 1, то будет
иметь место строое неравенство. Ита, сумма |a – x1| + |a – x2| + ...
... + |a – x2l| + |a – x2l + 1| принимает наименьшее значение при a =
= Ме = хl + 1.
Аналоично доазывается утверждение и в случае, ода имеет-
ся четное число значений n = 2l. При этом наименьшее значение
сумма |a – x1| + |a – x2| + ... + |a – x2l| принимает при любом зна-
чении a, лежащем между двумя средними значениями xl и xl + 1,
l x +x l+1
-.
в частности при a = Ме = -----------------------
2

Пример 3. Семеро друзей живут вдоль шоссе, оторое проложено

в лесу. Расположение их домов поазано на рис. 10. Они являются
членами луба туристов. Стоимость бензина оплачивается из аз-
ны луба. В аом месте шоссе им необходимо собраться на пи-
ни, чтобы израсходовать на путешествие минимальное оличест-
во дене на бензин? Любое место в лесу у шоссе является прерас-
ным местом для пиниа.
Рис. 10
Нужно выбрать на шоссе таую точу, чтобы сумма расстоя-

ний от точе А, Б, В, Г, Д, Е и Ж до этой точи была минимальной.
Введем оординатную прямую, направив ее вдоль прямой, изобра-
жающей шоссе, приняв за начало точу А, направление — в сторо-
ну точи Б, единицей масштаба будем считать 1 м. Тода имеем сле-
дующие оординаты отмеченных точе: А(0), Б(8), В(11,2), Г(19,2),
Д(22,4), Е(24), Ж(25,6). Соласно приведенному свойству сумма рас-
стояний от всех точе до точи с оординатой, равной медиане
оординат всех точе, является наименьшей. Медианой является
точа Г(19,2) (четвертая из семи точе, оординаты оторых рас-
положены в возрастающем поряде). В этом месте друзьям целесо-
образно собраться на пини.
В этом случае сумма расстояний, оторую должны проехать
друзья, равна 19,2 + 11,2 + 8 + 0 + 3,2 + 4,8 + 6,4 = 52,8 (м). Для
сравнения найдем среднее арифметичесое оординат и подсчита-
ем сумму расстояний до соответствующей точи. Имеем
0 + 8 + 11,2 + 19,2 + 22,4 + 24 + 25,6
x = ------------------------------------------------------------------------------------------------------ d 15,8.
7
Сумма расстояний от всех точе до точи с оординатой 15,8

равна 15,8 + 7,8 + 3,4 + 3,4 + 6,6 + 8,2 + 9,8 = 55 (м). Ка и сле-
довало ожидать, эта сумма оазалась больше предыдущей.
Возьмите любую точу на оординатной прямой и найдите

сумму расстояний от всех точе А, Б, В, Г, Д, Е и Ж до этой
точи. Сравните эту сумму с суммой расстояний до точи Г.
Изменится ли результат решения примера 3, если начало о-

ординат выбрать в точе Б?
Что больше — сумма модулей отлонений вариант признаа

от медианы или сумма модулей отлонений вариант признаа
от среднео арифметичесоо?
Медиану определяют и для порядовых ачественных дан-

ных. Рассмотрим в ачестве примера совоупность пяти военно-
служащих, имеющих воинсие звания: рядовой, ефрейтор, млад-
ший сержант, сержант, старший сержант. Эти данные упорядоче-
ны по возрастанию званий рядовоо и сержантсоо состава. В этой
совоупности 5 элементов. Медианой является среднее, третье,
т. е. «младший сержант».
Если же в подобной совоупности четное число данных, причем
средние данные различны, то считают, что медианой является па-
ра средних данных: ведь найти их среднее арифметичесое нельзя.
Если перечисленным военнослужащим добавить одноо с воин-
сим званием старшина, то медианой совоупности, состоящей из
6 элементов, является пара «младший сержант и сержант».
Пример 4. В таблице 1.32 представлено распределение личноо

состава подразделения по приведенным воинсим званиям.
Найти медиану приведенной совоупности.
Объем совоупности
Таблица 1.32 равен 57. Этот набор дан-
Звание Число
ных является порядовым,
военнослжащих та а для военнослужа-
щих существует естествен-
Рядовой 25 ный порядо — старшинство
Ефрейтор 18 воинсоо звания. Медианой
будет среднее значение —
Младший сержант 7
29-е. В подразделении 25 ря-
Сержант 5 довых, поэтому медиана бу-
Старший сержант 2 дет находиться за предела-
ми этоо звания. Рядовых
и ефрейторов в подразделе-
нии 25 + 18 = 43. Таим образом, медиана находится между военно-
служащими с номерами 26 и 43, т. е. медианой этоо подразделения
является «ефрейтор». Это означает, что ооло половины личноо
состава подразделения имеют воинсое звание ефрейтор и ниже ео,
и примерно половина — ефрейтор и выше этоо звания.
Медиану можно определить и в терминах ранов (см. § 1.2).

В предыдущем примере можно подсчитать ран аждоо военно-
служащео. Все рядовые имеют один и тот же ран, равный
1 + 2 + ... + 25 1 1 + 25
--------------------------------------- = ------ · ---------------- · 25 = 13
25 25 2
(мы применили формулу суммы первых п членов арифметичесой

прорессии). Все ефрейторы имеют ран, равный
26 + 27 + ... + 43 1 26 + 43
---------------------------------------------- = ------ · -------------------- · 18 = 34,5.
18 18 2
Ран медианы равен 29, поэтому медианой является «ефрейтор».

Для вычисления медианы в Excel можно использовать фун-
цию (МЕДИАНА).
1.6.2. Мода
Напомним, что среднее арифметичесое является хорошей ме-
рой центральной тенденции для оличественных данных, не имею-
щих выбросов; медиана — для порядовых данных и для оличе-
ственных данных, в том числе и при наличии выбросов. Подобная
харатеристиа нужна и для номинальных данных. Таой хара-
теристиой является мода. Она применяется а для неупорядо-
ченных атеорий, та и для упорядоченных, и для оличествен-
ных данных. При этом для оличественных данных может иметь
место и неоторая неопределенность.
Мода — это та ое значение призна а, оторое встречается
наиболее часто. В случае дисретных рядов вычислить моду не-
трудно. Достаточно найти варианту, оторая имеет наибольшую
частоту или относительную частоту, это и будет мода. Будем обо-
значать моду символом Мо.
Пример 5. Во время выборов подсчитывают число олосов, отдан-

ных за ту или иную партию, за тоо или иноо андидата. У аж-
доо избирателя, у аждоо политолоа может быть свое мнение по
поводу упорядочения андидатов. Та а общео мнения нет, то
списо андидатов или партий можно считать неупорядоченным.
В таблице 1.33 представлены данные о результатах выборов пяти
партий, условно обозначенных бувами А, Б, В, Г и Д.
Уазать моду этоо распределения.
Таблица 1.33
Число полченных
Название партии Процент
олосов
А 7515 15
Б 14 028 28
В 3507 7
Г 17 034 34
Д 8016 16
Итоо 50 100 100
Ясно, что модой в этом наборе данных будет партия Г: она на-
брала больше всех олосов.
Пример 6. Важным приемом при обучении решению задач яв-

ляется анализ ошибо, допущенных на различных этапах реше-
ния. Сбор и анализ таой информации является важным моментом
в процессе обучения. В таблице 1.34 представлены результаты ре-
истрации причин ошибо, приведших неправильному решению
задачи.
Уазать моду этоо распределения.
Таблица 1.34
Причина ошиби Число слчаев

Построение модели 42
Преобразования 16
Решение уравнений 12
Вычисления 18
Провера решения 12
Ясно, что модой в этом наборе является построение модели,

посольу эта причина ошибо встречается чаще всео. Мода по-
моает сосредоточить внимание на самой важной атеории, уточ-
нить имеющуюся проблему.
Можно ли считать приведенный в примере 6 набор данных по-

рядовым?
Пример 7. В таблице 1.35 приведены итоовые оцени учащихся

неотороо ласса по математие.
Найти моду данноо распределения.
Таблица 1.35
Число чащихся 1 1 2 3 4 4 6 5 3 3 2 1
Из всех оцено чаще всео встречается 7 баллов: шесть раз.

Поэтому Мо = 7. Этот результат имеет вполне определенный
смысл — больше всео учащихся ласса имеют по математие
7 баллов.
Если все значения в вариационном ряде встречаются одинаово
часто, то считают, что этот ряд не имеет моды.
Если два соседних значения вариационноо ряда имеют одина-
овую частоту и она больше частоты любоо друоо значения, то
считают, что мода равняется среднему арифметичесому этих зна-
чений.
Если два не соседних значения вариационноо ряда имеют оди-
наовую частоту и она больше частоты любоо друоо значения,
то считают, что вариационный ряд имеет две моды, а соответствую-
щее распределение называют бимодальным.
В случае интервальных рядов с равными интервалами за при-
ближенное значение моды можно взять центр модальноо интер-
вала, т. е. интервала с наибольшей частотой или относительной
частотой. Точнее значение моды можно получить по формуле
n –n
2 1
Mo = x0 + h -----------------------------------------------------
-,
( n2 – n1 ) + ( n2 – n3 )
де х0 — начальное значение модальноо интервала, т. е. интерва-

ла, оторый содержит моду; h — длина модальноо интервала; n2 —
частота модальноо интервала; n1 — частота интервала, предшест-
вующео модальному; n3 — частота интервала, следующео за мо-
дальным.
Эту формулу доазывают средствами математичесоо ана-
лиза.

Обозначим через Fn(x) относительную частоту элементов сово-
упности, принимающих значения, меньшие х. Разность Fn(x + ∆x) –
– Fn(x) равна относительной частоте элементов, содержащихся в ин-

тервале (x, x + ∆х). Тода средняя плотность распределения на этом
n F ( x + ∆x ) – F ( x )
интервале равна -----------------------------------------------
- . Предположим, что фунция Fn(x)
∆x
имеет производную, т. е. существует предел
F n ( x + ∆x ) – F ( x )
lim ------------------------------------------------ = F n′ (x) = ϕ(x).
∆x º 0 ∆x
Полученную фунцию ϕ(х) называют теоретичес ой плотностью

распределения в точ е х. Для этой фунции фунция Fn(x) яв-
ляется первообразной. Соласно формуле Ньютона—Лейбница по-
лучим
x2
Fn(x2) – Fn(x1) = ∫ ϕ(x) dx.
x1
Разность, стоящая в левой части равенства, равна относительной

частоте w элементов на интервале (х1, х2). Поэтому
x2
w= ∫ ϕ(x) dx.
x1
Для величин с непрерывной плотностью распределения у = ϕ(х)

мода может быть определена а точа масимума фунции у =
= ϕ(х).
Для нахождения таоо значения х1 = Мо ривую распределения
у = ϕ(х) в раницах модальноо интервала и двух соседних с ним
интервалов — слева и справа — приближенно заменим параболой
второо поряда у = ах2 + bx + c, т. е. будем считать, что в упомя-
нутых интервалах ϕ(х) = ах2 + bx + c, де a < 0.
Почему a < 0?
По условию ширина h всех интервалов одинаова. Для упроще-

ния изложения временно примем за нуль начало модальноо ин-
тервала. Тода модальный интервал будет от 0 до h. Интервал,
предшествующий модальному, — от –h до 0, интервал, следующий
за модальным, — от h до 2h. Относительные частоты этих интерва-
лов обозначим соответственно w2, w1, w3. Неизвестные параметры

a, b, c определяются из равенств:
0 h 2h
w1 = ∫ ϕ(x) dx; w2 = ∫ ϕ(x) dx; w3 = ∫ ϕ(x) dx,
–h 0 h
де ϕ(х) = ах2 + bx + c. Вычислим эти интералы:

0
ah 3 bh 2
w1 = ∫ (ax2 + bx + c) dx = ---------- – --------- + ch;
3 2
–h
h
ah 3 bh 2
w2 = ∫ (ax2 + bx + c) dx = ---------
3
- + --------- + ch;
2
0
2h
7ah 3 3bh 2
w3 = ∫ (ax2 + bx + c) dx = -------------- + ------------- + ch.
3 2
h
Решив систему уравнений
ah 3 bh 2
---------- – --------- + ch = w1;
3 2
ah 3 bh 2
---------- + --------- + ch = w2;
3 2
7ah 3 3bh 2
-------------- + ------------- + ch = w3 ,
3 2
получим
w – 2w + w
3 2 1 2 w –w 1 1 2 w + 5w – w
2 3
a = -------------------------------------
- ; b = -------------------
- ; c = ------------------------------------------ .
2h 3 2 h 6h
Ка известно, точой масимума вадратичной фунции ϕ(х) =

b
= ах2 + bx + c при a < 0 является точа x = – ------- . В полученную
2a
формулу вместо а и b подставим их значения. После упрощения по-
лучим
h(w – w )
2 1 w –w 2 1
x = – -------------------------------------
- = h --------------------------------------------------------- .
w3 – 2 w2 + w1 ( w 2 – w1 ) + ( w 2 – w 3 )
Последняя формула получена при условии, что начало модально-

о интервала условно принято в ачестве нуля. В общем случае
абсцисса точи масимума, т. е. мода Мо, фунции у = ϕ(х) опреде-
ляется по формуле Мо = х + x0, де x0 — начало модальноо интер-

вала. Ита,
w –w
2 1
Mo = x0 + h --------------------------------------------------------
-.
( w 2 – w1 ) + ( w 2 – w 3 )
n
После замены wi = -----i (i = 1, 2, 3) получим исомую формулу
n
для моды:
n –n
2 1
-.
Mo = x0 + h -----------------------------------------------------
( n2 – n1 ) + ( n2 – n3 )
Пример 8. Вычислить моду по данным таблицы 1.23 из предыду-

щео парарафа.
Здесь модальным является интервал (4—6), та а он имеет
наибольшую частоту; х0 = 4, h = 2, n2 = 478, n1 = 26, n3 = 369.
Поэтому
478 – 26
Mo = 4 + 2 ------------------------------------------------------------------ d 5,61.
( 478 – 26 ) + ( 478 – 369 )
Что означает полученное значение моды?
Если набор данных представляет собой описание причин выхода

из строя сложноо устройства с соответствующими частотами, то мо-
да помоает сосредоточить внимание на самой важной атеории.
Если набор данных представляет собой описание последователь-
ных этапов производства сложноо устройства (например, автомо-
биля) с уазанием оличества блоов, находящихся на разных ста-
диях производства, то мода уазывает на стадию производства, на
оторой находится наибольшее оличество блоов, т. е. на «узое»
место в производстве.
Следует осторожно относиться использованию моды для хара-
теристии степени центрирования данных. Например, пусть в лас-
се, в отором 22 учащихся, выполняется тест, состоящий из 25 за-
даний. На тестирование явилось 20 челове, двое не явились; все
тестировавшиеся поазали различные результаты. Модой являет-
ся результат «не явился». Конечно, этот результат является пло-
хой харатеристиой результатов тестирования.
Для вычисления моды в Excel можно использовать фунцию
(МОДА).
Выясним, в аих случаях мода, медиана и среднее арифмети-

чесое дают близие значения и от чео зависят различия между
этими поазателями.
Если «сладить» исторамму ладой ривой, т. е. провести лад-
ую ривую через середины верхних оснований прямоуольниов,
то получим та называемую ривю распределения. Мода являет-
ся абсциссой точи масимума ривой распределения. Графичеси
медиану можно определить а точу на оси абсцисс, в оторой ор-
дината разделяет площадь под рафиом распределения на две рав-
ные части.
Если рафи распределения имеет симметричную форму и точ-
у масимума, то прямая, разделяющая площадь под ривой попо-
лам, и центр тяжести лежат на оси симметрии (рис. 11). Ита, для
таоо симметричноо распределения мода, медиана и среднее ариф-
метичесое совпадают.
Если рафи распределения имеет правостороннюю асимметрию
(«хвост» вправо), то в этом случае мода размещена левее, а среднее
арифметичесое — правее медианы (рис. 12).
В самом деле, левее и правее медианы размещены одинаовые
площади, но левой части соответствует меньшее основание, а пра-
вой — большее основание. Поэтому левая часть ривой выше пра-
вой, и мода будет находиться левее медианы. По этой самой причи-
не медиана не может служить точой равновесия, та а площадь
части, соответствующей большему основанию, больше площади,
размещенной на меньшем основании. Ита, среднее арифметиче-
сое находится правее медианы.
Таим образом, при правосторонней асимметрии левее располо-
жена мода, далее медиана и правее — среднее арифметичесое. Об-
ратное расположение имеет место при левосторонней асимметрии
рафиа. При этом, чем больше асимметричен рафи, тем больше
расстояние между ео средними точами.
Рис. 11 Рис. 12
1.6.3. Не оторые виды степенноо среднео

Среднее арифметичесое входит в руппу средних величин, объ-
единенных названием — степенное среднее. В эту руппу, наряду
со средним арифметичесим, входят среднее армоничесое, сред-
нее еометричесое, среднее вадратичное и т. д.
Среднее армоничесое. Рассмотрим две задачи, оторые вы
наверняа решали в младших лассах.
ЗАДАЧА 1. Первую половину времени, затраченноо на все пу-

тешествие, турист двиался со соростью 4 м/ч, а вторую полови-
ну времени — со соростью 6 м/ч. Каова средняя сорость дви-
жения туриста на протяжении всео путешествия?
Если обозначить расстояние, пройденное туристом, через s,
t t
а время, затраченное на все путешествие, через t, то s = 4 · --- + 6 · --- ,
2 2
и средняя сорость будет равна отношению всео пути о времени:
t t
4 · --- + 6 · ---
s 2 2 4+6
vср = -- = ------------------------------- = ------------- = 5 м/ч.
t t 2
В этом случае средняя сорость равна среднему арифметичесо-
му соростей, с оторыми двиался турист на двух одинаовых вре-
менных промежутах.
ЗАДАЧА 2. Первую половину пути турист двиался со соро-

стью 4 м/ч, а вторую половину — со соростью 6 м/ч. Каова
средняя сорость движения туриста на протяжении всео пути?
При тех же обозначениях имеем
s s s s 2
t = ------------ + ------------ ; vср = -- = ------------------------------- = ------------- = 4,8 м/ч.
2·4 2·6 t s s 1 1
------------ + ------------ --- + ---
2·4 2·6 4 6
2
Величину ------------- называют средним армоничесим чисел 4 и 6.
1 1
--- + ---
4 6
В общем случае среднее армоничес ое значений х1, х2, ..., хп
определяется по формулам
m
n
∑ ni
i=1
xарм = --------------
n
- или x арм = ---------------
m
.
1 ni
∑ -----
xi ∑ ----x-i
i=1 i=1
Пример 9. Вычислить среднемесячную производительность тру-

да одноо рабочео на основании данных о производительности
труда на трех шахтах (табл. 1.36).
Таблица 1.36
Среднемесячная
Общая добыча ля
№ шахты производительность
на шахте за месяц, т
трда одноо рабочео, т
1 20 20 100
2 30 37 800
3 40 62 100
На основании данных среднее находится а среднее армо-

ничесое по формуле
m
∑ ni
i=1
x арм = ---------------
m
.
ni
∑ ----x-i
i=1
Общая месячная добыча на всех шахтах

Исомое среднее = ---------------------------------------------------------------------------------------------------------------------------- =
Общее оличество рабочих на всех шахтах
∑ Общая месячная добыча на шахте

= -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- .
Общая месячная добыча на шахте
∑ -------------------------------------------------------------------------------------------------------------------------------
Среднемесячная производительность труда на этой шахте
-----------------------------------------
Данные представим в виде табли- Таблица 1.37

цы 1.37.
n
х n ---
120 000 x
xарм = --------------------- d 31,4.
3817,5
20 20 100 1005
Среднее армоничесое необходимо 30 37 800 1260
в том случае, ода наблюдения, для ото-
рых мы хотим получить среднее арифме- 40 62 100 1552,5
тичесое, заданы обратными значениями. Σ 120 000 3817,5
В примере 9 нам нужно было вычис-
лить среднее арифметичесое для произ-
водительности труда рабочео на трех шахтах. Если бы мы знали,
сольо челове работает на аждой шахте, то исомое среднее вы-
числяли бы по формуле среднео арифметичесоо: общую добычу
уля на трех шахтах мы делили бы на общее оличество рабочих.
Но нам дополнительно пришлось находить оличество рабочих, о-

торые работают на аждой шахте. Для этоо известны общая добыча
уля на аждой шахте и среднемесячная производительность труда
на аждой шахте. Аналоично с помощью среднео армоничесоо
вычисляется средняя сорость на эстафете, если известны сорос-
ти на аждом этапе и длины всех этапов. Среднее армоничесое
используется при расчете средней продолжительности жизни.
Для вычисления среднео армоничесоо в Excel можно ис-
пользовать фунцию (СРГАРМ).
Приведите примеры применения среднео армоничесоо для

вычисления средних поазателей.
Среднее еометричесое. Со средним еометричесим двух чи-

сел вы встречались и в шольном урсе еометрии (высота, прове-
денная из вершины прямоо ула на ипотенузу прямоуольноо
треуольниа, является средним еометричесим между отреза-
ми, на оторые она делит ипотенузу), и в урсе алебры (неравен-
ство между средним арифметичесим и средним еометричесим).
Каая связь существует между средним арифметичесим и

средним еометричесим двух положительных чисел?
Среднее еометричесое значений х1, х2, ..., хп определяется по

формулам:
n1 n2 nm
x еом = n x1 · x 2 · ... · x n или xеом = n x 1 · x 2 · ... · x m .
Пример 10. На протяжении трех лет производительность труда

в неотором цехе увеличивалась соответственно на 10, 15 и 30% по
сравнению с предыдущим одом. Найти ежеодный средний про-
цент увеличения производительности труда за эти три ода.
Если обозначить через а производительность труда в оду,
предшествующему увеличению, то через од она станет равной 1,1а,
через два ода — 1,1а · 1,15 = 1,265а, через три ода — 1,265а · 1,3 =
= 1,6445а. Средний процент р увеличения производительности тру-
да за три ода позволяет найти производительность труда, если
ежеодно она будет увеличиваться на одинаовое число процентов,
а именно на р%. В этом случае по формуле сложных процентов бу-
дем иметь, что через три ода производительность труда будет

3 3
составлять a  1 + ----------  , т. е. имеем уравнение a  1 + ----------  =
p p
100 100
= 1,6445а. Отсюда p = 100 · ( 3 1,6445 – 1) d 18,0. Число 3 1,6445

равно среднему еометричесому чисел 1,1; 1,15; 1,3, т. е. исо-
мый средний ежеодный процент р увеличения производительнос-
ти труда находится по формуле: p = 100 · ( 3 1,1 · 1,15 · 1,3 – 1).
Среднее еометричесое используют прежде всео тода, ода

среднее значение вычисляют для значений, заданных через нео-
торые равные промежути времени (рост или снижение успева-
емости, заработной платы, влада в бане за несольо лет). Сред-
нее еометричесое применяют тода, ода переменная с течением
времени изменяется примерно с одинаовым соотношением между
измерениями. Среднее еометричесое применяют таже тода,
ода отдельные значения в статистичесой совоупности удалены
от друих значений; это меньше влияет на среднее еометричесое
по сравнению со средним арифметичесим, а потому дает более
правильное представление о среднем.
Для вычисления среднео еометричесоо в Excel можно ис-
пользовать фунцию (СРГЕОМ).
Среднее армоничесое и среднее еометричесое относятся
та называемым степенным средним.
Среднее степенное k-о поряда определяется при помощи

формул:
n 1 m 1
 k ---
xi  k  x i ni  k
k ---
(k)
 ∑ 
(k)
 ∑ 
xстеп =  i---------------
=1
- или x степ =  ---------------------
i=1
- .
n  m 





 i=1 ∑ ni 

Среднее арифметичесое является степенным средним поряд-

а 1, среднее армоничесое можно считать степенным средним
поряда –1.

Если под средним степенным нулевоо поряда понимать
(k)
lim x степ , то можно доазать, что среднее еометричесое явля-
k º 0
ется степенным средним нулевоо поряда.
 n 
(k) 1 k
ln x степ = ---  ln ∑ x i – ln n  ;
k
 i=1 
n
k
(k)
ln ∑ xi – ln n
i=1
lim ln x степ = lim ---------------------------------------
-.
k º 0 k º 0 k
Применяя правило Лопиталя, будем иметь

n n
k k
(k)
ln ∑ xi – ln n ∑ x i ln xi
i=1
lim ln x степ - = lim i-----------------------------
= lim --------------------------------------- =1
n
- =
k º 0 k º 0 k k º 0 k
∑ xi
i=1
n
∑ ln xi 1
---
- = ln ( x1 · x2 · ... · xn ) n .
= i---------------------
=1
n
Отсюда
(k)
lim x степ = n x 1 · x 2 · ... · xn = x еом .
k º 0
Среднее степенное второо поряда называют средним вадра-

тичным, ео используют при вычислении среднео вадратичноо
отлонения. Мы рассмотрим ео в следующем парарафе. Среднее
степенное третьео поряда называют средним бичесим и т. д.
В § 1.1 были рассмотрены различные шалы, используемые при
измерении величин. Каждому уровню шалы соответствует опре-
деленная мера центральной тенденции. Информация об этом при-
ведена в таблице 1.38.
1. Каой харатеристиой цент- сообразно воспользоваться для

ральной тенденции целесообраз- порядовых данных?
но воспользоваться для номи- 3. Каими харатеристиами
нальных данных? центральной тенденции целе-
2. Каими харатеристиами сообразно воспользоваться для
центральной тенденции целе- оличественных данных?
Таблица 1.38
Поазатель
Уровень шалы Условия центральной Примеры
тенденции
Номинальная Признаи Мода Перечень при-
отождествляются чин выхода из
или различаются строя сложноо
устройства
Порядовая, Возможность Мода и медиана Последователь-
или рановая провести рада- ность поступле-
цию по степени ния деталей
выраженности автомобиля
признаа на сборочный
онвейер;
шольные
оцени
Шала Возможность Среднее Шала
интервалов установить рав- арифметичесое температур
ные интервалы,
точа отсчета
условная
Шала Возможность Среднее арифме- Меры длины;
отношений, определить тичесое и сред- меры массы
или пропорций отношение, нее еометриче-
точа отсчета сое
абсолютная
4. Почему определение моды велосипедисты. Каая из ста-

содержит неоднозначность? тистичесих харатеристи наи-
5. Что можно сазать о ривой лучшим образом описывает сред-
распределения, если среднее ние поазатели этих данных?
арифметичесое и медиана со- 7. После оончания олимпиады
впадают? подсчитаны баллы, набранные
6. Изучалась статистиа пост- 20 ее участниами, определены
радавших вследствие дорожно- места, занятые ими. Каая из
транспортных происшествий. статистичесих харатеристи
Выяснилось, что в среднем 61% наилучшим образом описывает
поибших составляют водите- средние поазатели участниов
ли — не профессионалы, 15% — олимпиады?
пешеходы, 15% — мотоцилис- 8. Есть данные о спаде произ-
ты, 5% — водители рузовых водства на неоторой фирме на
или служебных машин, 4% — протяжении 5 лет: 20, 30, 25,
20, 15%. Каая из статистиче- статистичесих харатеристи

сих харатеристи наилучшим наилучшим образом описывает
образом описывает средний еже- средние поазатели этих дан-
одный спад производства? ных?
9. Есть данные о движении 10 11. Ка изменится медиана со-
туристов, оторые прошли од- воупности, если о всем ее зна-
но и то же расстояние соответ- чениям прибавить одно и то же
ственно со соростями: 3; 3; число?
3,5; 4; 4; 4,5; 4,5; 5; 5,5; 6 м/ч. 12. Ка изменится мода сово-
Каая из статистичесих ха- упности, если о всем ее зна-
ратеристи наилучшим обра- чениям прибавить одно и то же
зом описывает средние поаза- число?
тели этих данных? 13. Ка изменится медиана со-
10. Собраны данные о тариф- воупности, если все ее значе-
ном разряде рабочих цеха: 4 ра- ния умножить на одно и то же
бочих имеют первый разряд, число?
6 — второй, 12 — третий, 16 — 14. Ка изменится мода совоуп-
четвертый, 44 — пятый и 18 ности, если все ее значения ум-
рабочих — шестой. Каая из ножить на одно и то же число?
Задачи
33.° В рыбном маазине имеется 26 наименований черномор-
сих рыбных онсервов, 33 наименования балтийсих, 47 наиме-
нований тихооеансих и 15 наименований атлантичесих рыб-
ных онсервов. Средние цены черноморсих, балтийсих, тихоое-
ансих и атлантичесих онсервов соответственно составляют 26,
35, 28, 41 р.
а) Определите моду места производства рыбных онсервов,
имеющихся в маазине.
б) Найдите среднее значение цены для всех этих онсервов.
34. Служащий получал на протяжении трех последовательных
лет надбави заработной плате соответственно 10, 20 и 30%.
Процентная надбава относится заработной плате предыду-
щео ода. Чему равна средняя ежеодная надбава заработной
плате?
35. В трех различных маазинах продается определенный пред-
мет по цене: 10, 6 и 8 шту за 100 р. Сольо в среднем единиц
этоо предмета можно приобрести в этих маазинах за 1000 р.?
36.° Вычислите медиану по данным о распределении работни-

ов цеха по тарифным разрядам (табл. 1.39).
Таблица 1.39
Тарифные разряды 1 2 3 4 5 6 Всео

Число рабочих 4 6 12 16 44 18 100
37.° Вычислите моду и медиану по данным о процентном со-

держании золы в уле (табл. 1.40).
Таблица 1.40
Зольность, % 9—12 12—15 15—18 18—21 21—24 24—27

Число проб 17 29 22 18 9 5
38. В неоторой ультуре число батерий в единице объема за

три дня увеличилась со 100 до 500. Определите средний прирост
за день в процентах.
39. Издательство первоначально разослало свой атало пред-
ставительной выборе из 1000 оранизаций, взятых из имеюще-
ося списа рассыло, и получило заазы на общую сумму
1 084 030 р.
а) Определите средний размер зааза (в рублях) на одну орани-
зацию из этой первоначальной рассыли.
б) Каой общий объем заазов (в рублях) следует ожидать изда-
тельству в случае рассыли аталоа всем 12 346 оранизациям,
влюченным в списо рассыли?
в) В выборе из 1000 оранизаций, объем заазов для оторой
составил 1 084 030 р., реально тольо 128 оранизаций сделали за-
аз. Найдите средний объем зааза для тех, то действительно сде-
лал зааз.
) Исходя из задания в), определите число заазов, оторые сле-
дует ожидать издательству после тоо, а атало будет послан
аждой из 12 346 оранизаций, влюченных в списо рассыли.
40.° По данным, приведенным в таблице 1.41, вычислите мо-
ду и медиану. Постройте исторамму частот. Отметьте на ней моду
и медиану.
Таблица 1.41
х 5—7 7—9 9—11 11—13 13—15 15—17 17—19

ni 4 8 11 7 5 3 2
§ 1.7. Поазатели вариации

Средние величины являются важными харатеристиами ста-
тистичесих совоупностей. Они оворят нам о онцентрациях со-
воупности значений на числовой шале. Каждая мера централь-
ной тенденции дает таое значение, оторое «представляет» в оп-
ределенном смысле все значения совоупности. В этом случае
пренебреают различиями, существующими между отдельными
значениями. Для измерения разброса и вариации значений внутри
совоупности нужны друие поазатели.
Пример 1. Пусть средний рост учащихся 8 «А» ласса равен
1,65 м, а 8 «Б» — 1,7 м. По этим данным нельзя определить, в а-
ом из этих двух лассов учится самый высоий учени.
Пример 2. Учащиеся различаются между собою по успеваемости.
На успеваемость влияет мноо фаторов. Различия в успеваемости
у шольниов, обучающихся примерно в одинаовых условиях,
значительно меньшие, чем среди учащихся вообще. При разработ-
е мероприятий по повышению успеваемости шольниов необ-
ходимо учитывать и их индивидуальные особенности. Неоторые
прораммы повышения успеваемости моут быть ориентированы
на всех учащихся, друие — на учащихся, имеющих самую худ-
шую или самую лучшую успеваемость. Определение изменчивости
успеваемости дает возможность выявить разброс таих индивиду-
альных различий и получить полезную информацию для планиро-
вания повышения общей успеваемости.
Пример 3. Недостаточно знать среднюю производительность тру-
да на любом предприятии. Необходимо учитывать и индивидуаль-
ные особенности работниов. Неоторые прораммы повышения
производительности труда моут быть ориентированы на всех ра-
ботниов, друие — на самых «медленных» или самых «быстрых».
Определение изменчивости производительности труда дает воз-
можность выявить разброс таих индивидуальных различий и по-
лучить полезную информацию для планирования повышения об-
щей производительности труда.
1.7.1. Размах вариации

О размахе данных уже оворилось в § 1.2. Размах измеряет на
числовой шале расстояние, в пределах отороо изменяются зна-
чения совоупности. Различают два вида размаха.
Ислючающий размах — это разность между ма симальным
и минимальным значениями в сово упности.
§ 1.7. Поазатели вариации 91
Влючающий размах — это разность между естественной

верхней раницей интервала, содержащео ма симальное значе-
ние сово упности, и естественной нижней раницей интервала,
содержащео минимальное значение.
Естественные верхняя и нижняя раницы в орестности любо-
о значения устанавливаются путем добавления этому значению
и вычитания из этоо значения половины порешности измерения
рассматриваемой величины.
Ита, влючающий размах равен ислючающему размаху плюс
порешность измерения величины.
Пример 4. Вычислить влючающий и ислючающий размах по
данным таблицы 1.8 из § 1.2 о сорости чтения третьелассниов.
Ислючающий размах равен 110 – 25 = 85. Естественная
верхняя раница в орестности наибольшей сорости чтения равна
110,5 ( наибольшему значению 110 добавлено 0,5), естественная
нижняя раница в орестности наименьшей сорости чтения равна
24,5 (от наименьшео значения 25 вычли 0,5), поэтому влючаю-
щий размах равен 110,5 – 24, 5 = 86.
Пример 5. Вычислить влючающий и ислючающий размах по
приведенным данным о диаметрах валиов (в мм):
14,51 14,42 14,56 14,47 14,46 14,35 14,48 14,53
14,21 14,31 14,35 14,68 14,56 14,28 14,36 14,21
14,52 14,23 14,41 14,46 14,69 14,54 14,36 14,15
14,37 14,51 14,25 14,55 14,51 14,36 14,62 14,55
14,38 14,33 14,40 14,52 14,48 14,51 14,55 14,39
14,54 14,58 14,48 14,37 14,38 14,51 14,36 14,15
14,24 14,32
Наименьшее значение диаметра равно 14,15 мм, наиболь-

шее — 14,69 мм. Ислючающий размах равен 14,69 – 14,15 = 0,54.
Порешность измерения диаметра равна 0,01 мм. Естественная верх-
няя раница в орестности наибольшео диаметра равна 14,695
( наибольшему значению 14,69 добавлено 0,005), естественная
нижняя раница в орестности наименьшео диаметра равна 14,145
(от наименьшео значения 14,15 вычли 0,005), поэтому влючаю-
щий размах равен 14,695 – 14,445 = 0,55.
Преимуществом этоо поазателя является очевидная простота
ео вычисления. Но часто он дает лишь приближенную харате-
ристиу вариации. Это особенно заметно в случае достаточно боль-
ших по объему совоупностей, ода подавляющее большинство
элементов имеют значения признаа, омпатно сруппированные

вору неоторой средней величины, и тольо неоторые из них
в силу случайных обстоятельств принимают значения (наибольшее
и наименьшее), существенно отличающиеся от основной массы.
При этом размах вариации будет значительным, а вариация по су-
ществу малой. Дело в том, что при вычислении размаха не учиты-
вается аждое отдельное значение.
В аом случае размах может быть хорошей мерой разброса?
1.7.2. Дисперсия
Необходима мера вариации, учитывающая аждое отдельное
значение совоупности. Естественно было бы рассмотреть сумму
отлонений всех значений совоупности от среднео арифметиче-
соо. Но, а известно, эта сумма равняется нулю (см. свойство 6
среднео арифметичесоо в § 1.5) и потому ее нельзя использовать
в ачестве поазателя вариации. А почему эта сумма вседа равна
нулю? Имеются положительные и отрицательные отлонения, они
взаимно омпенсируют дру друа и потому их сумма является ну-
левой. Чтобы избежать этоо, следует учитывать лишь величину
отлонения и не учитывать ео зна. Это можно сделать, рассмот-
рев вадраты отлонений или их модули1.
Дисперсией статистичесой совопности называют сред-
нее арифметичес ое вадратов от лонений вариант от их сред-
нео арифметичес оо значения.
Обозначают дисперсию через s2:
n
2 1 2 1 m
s x = ---
n ∑ (xi – x )2 или sx = ---
n ∑ (xi – x )2ni.
i=1 i=1
Дисперсия имеет размерность, равную вадрату размерности

элементов совоупности. Чтобы иметь поазатель вариации с той
же размерностью, что и размерность элементов данной совоупнос-
ти, рассматривают таже та называемое среднее вадратичное
n
1 1 m
1 Величину Ex = ---
n ∑ |xi – x |, или Ex = --n- i∑
i=1 =1
|xi – x |ni называют сре-
динным от лонением.
отлонение, или стандартное отлонение s, оторое равно

арифметичес ому орню вадратному из дисперсии:
1 n 1 m
sx = ---
n ∑
( xi – x ) 2 или sx = ---
n ∑
( xi – x ) 2 n i .
i=1 i=1
Каую размерность имеет среднее вадратичное отлонение?
Стандартное отлонение имеет простую и понятную интерпре-

тацию: эта величина описывает типичное расстояние от среднео
значения для отдельных значений набора данных.
Пример 6. Найти s2 и s по данным таблицы 1.20 из § 1.5 о оли-
честве баллов, оторые набрали на олимпиаде представители одно-
о района.
Ранее мы нашли, что x d 7,9. Вычисления удобно проводить
по схеме, представленной в таблице 1.42.
Таблица 1.42
хі nі хіnі |хі – x | (хі – x )2 (хі – x )2nі
2 1 2 5,9 34,81 34,81

3 2 6 4,9 24,01 48,02
5 4 20 2,9 8,41 33,64
6 3 18 1,9 3,61 10,83
8 2 16 0,1 0,01 0,02
9 2 18 1,1 1,21 2,42
10 2 20 2,1 4,41 8,82
11 3 33 3,1 9,61 28,83
15 1 15 7,1 50,41 50,41
18 1 18 10,1 102,01 102,01
Σ 21 166 319,81
166 2 319,81
x = ---------- d 7,9 sx = ------------------- d 15,23
21 21
2
Ита, s x d 15,23, sx d 3,90.
Из определения дисперсии вытеает ряд свойств, оторые при-

меняют а для упрощения вычислений, та и для осознания сущ-
ности этоо поазателя. Рассмотрим неоторые из них.
СВОЙСТВО 1. Дисперсия постоянной величины равна нулю.

В самом деле, посольу все варианты одинаовы (хі = с), то
и их среднее значение равняется с: x = c. Поэтому все отлонения
от среднео равны нулю: xi – x = c – c = 0, а значит, дисперсия
постоянной равняется нулю.
СВОЙСТВО 2. Если о всем элементам сово упности приба-

вить или из всех элементов вычесть одно и то же число а, то
дисперсия не изменится.
n n
2 1 1
s x + a = ---
n ∑ ((xi + a) – ( x + a ))2 = ---
n ∑ (xi + a – x – a)2 =
i=1 i=1
n
1 2
= ---
n ∑ ( xi – x )2 = sx .
i=1
Верно ли, что если зарплату всех работниов неоторой фир-

мы увеличить на одну и ту же сумму, то стандартное отлоне-
ние не изменится?
СВОЙСТВО 3. Если все элементы сово упности умножить

(разделить) на одно и то же число h − 0, то дисперсия умножит-
ся (разделится) на h2.
n n
2 1 1
s hx = ---
n ∑ ( hxi – hx )2 = --n- ∑ ( hxi – h x )2 =
i=1 i=1
n
h2 2
= ------
n ∑ ( xi – x )2 = h2 sx .
i=1
Ка изменится стандартное отлонение зарплаты в цехе, если

заработная плата аждоо работниа будет удвоена?
СВОЙСТВО 4. Дисперсия равна разности среднео арифмети-

чес оо вадратов вариант и вадрата среднео арифметичес о-
о значений вариант:
2
sx = x2 – x 2 .
n n
2 1 1 2
s x = ---
n ∑ ( xi – x )2 = ---
n ∑ ( xi – 2xi x + x 2 ) =
i=1 i=1
n n n
1 2 2 1 2
= ---
n ∑ xi – --- x
n ∑
xi + x 2 = ---
n ∑ xi – x 2 = x 2 – x 2 .
i=1 i=1 i=1
Полученную формулу можно использовать для вычисления

дисперсии.
Пример 7. По данным таблицы 1.21 (с. 57) вычислить диспер-

сию, воспользовавшись этой формулой.
Вычисления представлены в таблице 1.43.
Таблица 1.43
2 2
хі nі хіnі xi x i nі
2 1 2 4 4
3 2 6 9 18
5 4 20 25 100
6 3 18 36 108
8 2 16 64 128
9 2 18 81 162
10 2 20 100 200
11 3 33 121 363
15 1 15 225 225
18 1 18 324 324
Σ 21 166 1632
x = 166
1632
---------- d 7,9 x2 = ------------- d 77,7
21 21
2
s x d 77,7 – 7,92 d 15,29.
Небольшое различие в результатах, полученных при использо-

вании различных способов вычисления, объясняется наличием вы-
числительных порешностей в промежуточных вычислениях.
Стандартное отлонение, а уазывалось выше, отражает ти-

пичную артину отлонения отдельных значений от среднео зна-
чения совоупности. Для одних значений отлонение будет мень-
ше стандартноо, для друих — больше. Схематичеси связь меж-
ду отлонениями отдельных значений от среднео и стандартным
отлонением поазана на рис. 13.
Рис. 13
Пример 8. Пусть в лассе проведено тестирование по математи-

е. Балл учащеося N оазался равным 17. Результаты тестирова-
ния учащихся ласса следующие: 9, 17, 19, 18, 23, 25, 25, 19, 13,
10, 19, 18, 19, 25, 10, 15, 16, 15, 20, 12.
Требуется определить, типичен ли результат учащеося N для
всео ласса.
Средний балл в лассе равен 17,4, стандартное отлонение —
4,94. Разность между результатом учащеося N и средним баллом
значительно меньше стандартноо отлонения. Таим образом, ре-
зультат учащеося N, несмотря на то что он меньше среднео, яв-
ляется типичным для ласса.
Дисперсия статистичесой совоупности может быть использо-
вана для сравнения двух совоупностей, для оценивания парамет-
ров, для предварительной провери статистичесих ипотез. Если
арифметичесие средние у двух совоупностей оажутся одинао-
выми, то в неоторых случаях вопрос о том, аой совоупности
отдать предпочтение, может быть решен с помощью дисперсии ста-
тистичесой совоупности. Например, если у двух стрелов совпа-
дают средние числа выбитых очов, то лучшим естественно признать
тоо, у оо меньший разброс числа очов относительно среднео,
т. е. тоо из стрелов, у оо «учнее» попадания. Например, пусть
аждый из двух стрелов при всех трех
выстрелах попал в «десяту». Их попа-
дания изображены на рис. 14 («десят-
а» изображена в увеличенном виде).
Средние числа выбитых очов у них
одинаовы и равны 10. Но ни у оо не
вызывает сомнения утверждение о том,
Рис. 14 что второй стрело стреляет лучше.
Пример 9. Два стрела сделали по 100 выстрелов. Первый выбил

8 очов 40 раз, 9 очов — 10 раз и 10 очов — 50 раз. Второй выбил
8, 9 и 10 очов соответственно — 10, 70 и 20 раз. Каой из стрелов
стреляет лучше?
Вспоминая решение примера 5 из § 1.5, можно прийти вы-
воду, что для ответа на вопрос достаточно вычислить средние числа
очов x и y , выбиваемых аждым из стрелов при 100 выстрелах.
Однао оазывается, что x = y = 9,1. Средние арифметичесие не
позволили отдать предпочтение одному из стрелов. Вычислим ме-
ру разброса данных — дисперсию статистичесой совоупности:
ведь при равенстве средних естественно отдать предпочтение тому
из стрелов, у отороо попадания руппируются учнее вору
среднео, т. е. тому, для отороо мера разброса числа выбитых оч-
ов принимает меньшее значение. Вычисления выполним по схе-
ме, представленной в таблицах 1.44 и 1.45.
Таблица 1.44
хі nі хіnі | хі – x | ( хі – x )2 ( хі – x )2пі
8 40 320 1,1 1,21 48,4

9 10 90 0,1 0,01 0,1
10 50 500 0,9 0,81 40,5
Σ 100 910 89
x = 9,1 2
s1 = 0,89
Таблица 1.45
хі nі хіnі | хі – x | ( хі – x )2 ( хі – x )2пі
8 10 80 1,1 1,21 12,1

9 70 630 0,1 0,01 0,7
10 20 200 0,9 0,81 16,2
Σ 100 910 29,0
y = 9,1 2
s2 = 0,29
При равенстве средних арифметичесих дисперсия статистиче-

сой совоупности у второо стрела оазалась меньшей. Естест-
венно ео считать лучшим.
Инода дисперсию определяют при помощи формул

2 1 n 2 1 m
s x = -------------
n–1 ∑ ( xi – x )2 или s x = -------------
n–1 ∑
( xi – x )2ni,
i=1 i=1
т. е. сумма вадратов отлонений вариант от их среднео арифме-
тичесоо делится не на п, а на п – 1. Причины этоо будут разъяс-
нены далее в лаве 5. Все свойства дисперсии остаются одинаовы-
ми при обоих определениях.
2
Дисперсия s x и стандартное отлонение sx моут быть вычисле-
ны с помощью Excel. Для их вычисления в Excel можно использо-
вать соответственно фунции (ДИСП) и (СТАНДОТКЛОН).
1.7.3. Коэффициент вариации

Коэффициент вариации представляет собой относительную ме-
ру изменчивости.
Коэффициентом вариации V называют отношение среднео
вадратичноо отлонения s среднему арифметичесому вари-
s s
ант x : V = --- или в процентах V = --- · 100%.
x x
В отличие от всех рассмотренных выше поазателей вариации
оэффициент вариации является числом относительным, безраз-
мерным. Это свойство позволяет использовать ео для сравнения
вариаций не тольо однородных признаов, но и различных.
Может ли оэффициент вариации превысить 100%?
1.7.4. Стандартизированные данные

Часто целесообразно преобразовать статистичесие данные та,
чтобы они имели нулевое среднее арифметичесое и единичное стан-
дартное отлонение. Таие преобразования называют переходом
стандартизированным по азателям. Одной из лавных причин
преобразования первоначальных данных в стандартизированные по-
азатели является желание иметь возможность сопоставлять резуль-
таты исследований, проведенных разными методами и средствами.
Новые преобразованные данные будут непосредственно выражаться
в отлонениях первоначальных значений от среднео арифметиче-
соо, оторые измеряются в единицах стандартноо отлонения.
Преобразованные значения определяют с помощью равенства

x –xi
zi = -------------- и называют z-по азателями. Убедимся в том, что z = 0,
sx
sz = 1.
n nxi – x  n 
1 1 1 1
z = --- ∑ zi = ---n ∑ -------------- = ----- · ---  ∑ xi – nx  = 0;
n sx sx n  
i=1 i=1 i=1 
2
n n n xi – x 
2 1 1 2 1
sz = ---
n ∑ ( zi – z )2 = --n- ∑ z i = ---
n ∑  -------------- 
sx 
=
i=1 i=1 i=1
1 1 n 1 2
= ----2- · ---
sx n ∑ ( xi – x )2 = ----
s
-
2
· s x = 1.
i=1 x
Пример 10. Стандартизировать данные, приведенные в табли-

це 1.21 в § 1.5.
При решении этоо примера было найдено, что x d 7,9, sx d
d 3,90. Стандартизация данных проводится по схеме, представлен-
ной в таблице 1.46.
Таблица 1.46
хі 2 3 5 6 8
ni 1 2 4 3 2
хі – x –5,9 –4,9 –2,9 –1,9 0,1
x –x
i
zi = -------------- –1,51 –1,26 –0,74 –0,49 0,026
sx
хі 9 10 11 15 18
ni 2 2 3 1 1
хі – x 1,1 2,1 3,1 7,1 10,1
x –x
i
zi = -------------- 0,282 0,538 0,795 1,82 2,59
sx
В последней строе получены стандартизированные данные.

1. Ка изменится размах сово- нится, если о всем ее значениям

упности, если о всем ее зна- прибавить одно и то же число?
чениям прибавить одно и то же 7. Что больше — размах сово-
число? упности или среднее вадра-
2. Ка изменится размах сово- тичное отлонение?
упности, если все ее значения 8. Ка изменится дисперсия со-
умножить на одно и то же число? воупности s2, если все частоты
3. Ка изменится стандартное умножить на одно и то же число?
отлонение совоупности, если 9. Ка изменится среднее абсо-
о всем ее значениям прибавить лютное отлонение совоупнос-
одно и то же число? ти, если о всем ее значениям
4. Ка изменится стандартное прибавить одно и то же число?
отлонение совоупности, если 10. Верно ли, что если все эле-
все ее значения умножить на менты совоупности умножить
одно и то же число? на одно и то же число, то сред-
5. Ка изменится оэффициент нее абсолютное отлонение ум-
вариации совоупности, если все ножится на то же число?
ее значения умножить на одно 11. Верно ли, что расстояние от
и то же положительное число? значений совоупности до сред-
6. Верно ли, что оэффициент нео значения не превосходит
вариации совоупности не изме- стандартноо отлонения?
Задачи
41. Нето решил стать фермером, заняться производством зер-
на. Изучая положение дел на соседних фермах, он получил данные
об урожайности (табл. 1.47).
Таблица 1.47
Урожайность, ц/а 20—22 22—24 24—26 26—28 28—30

Посевная площадь, а 100 150 250 150 150
а)° Определите среднюю урожайность на фермах.

б)° Найдите дисперсию и стандартное отлонение урожайности
на фермах. Дайте ратую интерпретацию стандартноо отлоне-
ния для исследования различий между фермами.
в)° Определите размах и дайте ратую интерпретацию размаха
для исследования различий между фермами.
) Найдите оэффициент вариации и дайте ратую интерпре-

тацию оэффициента вариации для исследования различий между
фермами.
д) Постройте исторамму для приведенноо набора данных, уа-
жите на рафие среднее значение, стандартное отлонение и размах.
42. В таблице 1.48 приведены данные о прочности волоон
хлопа.
Таблица 1.48
Пределы прочности, /мм2 1—2 2—3 3—4 4—5 5—6 6—7 7—8
Количество образцов 30 80 210 320 160 120 80
а)° Определите среднюю прочность волоон хлопа.

б)° Найдите дисперсию и стандартное отлонение прочности во-
лоон. Дайте ратую интерпретацию стандартноо отлонения для
исследования различий между образцами.
в) Сольо образцов не выходит за пределы одноо стандартно-
о отлонения от среднео?
) Сольо образцов находится в пределах двух стандартных от-
лонений от среднео?
д) Сольо образцов находится в пределах трех стандартных от-
лонений от среднео?
е) Определите размах и дайте ратую интерпретацию размаха
для исследования различий между образцами.
ж) Найдите оэффициент вариации и дайте ратую интерпре-
тацию оэффициента вариации для исследования различий между
образцами.
з) Постройте исторамму для приведенноо набора данных, уа-
жите на рафие среднее значение, стандартное отлонение и размах.
43. Все 20 сотрудниов фирмы получили 20%-ную надбаву
зарплате. Ка изменились при этом:
а) средняя зарплата на фирме;
б) стандартное отлонение зарплат;
в) размах зарплаты;
) оэффициент вариации зарплат?
44. Контроль прошли 40 партий по 250 онденсаторов. Оазалось,
что в них число браованных изделий соответственно составляет:
2 25 5 3 6 4 1 3 3 2
7 5 3 0 1 6 3 5 41 0
1 1 3 4 1 7 1 2 3 1
2 4 5 0 5 3 3 1 2 6
а) Вычислите стандартное отлонение и размах.

б) Вычислите стандартное отлонение и размах, не рассматри-
вая два райних значения.
в) Чувствительны ли эти харатеристии ислючению из рас-
смотрения двух райних значений?
45. В таблице 1.49 приведены данные о настрие шерсти с од-
ной овцы.
Таблица 1.49
Настри шерсти с одной овцы, 3 4 5 6 7

Количество овец 100 150 300 350 100
а) Вычислите стандартное отлонение и дайте ео интерпрета-

цию для приведенных данных.
б) Вычислите размах и дайте ео интерпретацию.
в) На сольо величин стандартноо отлонения превышает
среднее то значение, оторое имеет наибольшее положительное от-
лонение?
) На сольо величин стандартноо отлонения наименьшее
значение ниже среднео значения?
46. Цена всех 1000 видов продуции, находящейся в маазине,
увеличилась на 10%. Ка изменились при этом:
а) средняя цена продуции;
б) стандартное отлонение цен;
в) размах цен;
) оэффициент вариации цен?
§ 1.8. Квантили
Ранее мы видели, что медиана делит совоупность данных на
две равные части или в отношении 1 : 1. В статистие таже рас-
сматривают поазатели, делящие совоупность данных в произ-
вольном отношении. Таие поазатели называют вантилями.
Пусть 0 < р < 1 и статистичес ие данные размещены по воз-
растанию: х1 m х2 m ... m хn. Если nр не является целым числом,
то вантилем ровня р (обозначим ео через zp) называют ва-
рианту xk + 1, де k = [np] означает наибольшее целое число, не
превышающее np. Если пр является целым числом, то вантиль
zp считают равным полусумме вариант xпр и xпр + 1.
Понятно, что медиана является вантилем уровня 0,5. Напом-
ним, если объем совоупности является нечетным числом и равен
§ 1.8. Квантили 103
2п + 1, то медиана z0,5 равна xп+1, если объем совоупности — чет-

n n+1 x +x
ное число, равное 2п, то Me = z0,5 = --------------------------
-.
2
Квантили z0,25, z0,5, z0,75 делят совоупность данных на 4 рав-
ные части (варты). Их называют вартилями. Четвертая часть
наблюдений лежит ниже z0,25, половина наблюдений — ниже z0,5,
три четверти наблюдений — ниже z0,75. Таим образом, три вар-
тили делят совоупность наблюдений на четыре равные части.
Квантили z0,1, z0,2, ..., z0,9 делят совоупность наблюдений на
10 равных частей. Их называют децилями.
99 вантилей z0,01, z0,02, ..., z0,99 делят совоупность наблюде-
ний на 100 частей с равным оличеством наблюдений в аждой. Их
называют перцентилями.
Если по результатам тестирования упорядочить учащихся по
убыванию их успеваемости, то вартили z0,25, z0,5 , z0,75 делят их
на четыре равные части: в первую входят лучшие по успеваемости
25% учащихся, во вторую — следующие 25% по успеваемости уча-
щихся и т. д.
Квантили являются удобным поазателем для обобщения дан-
ных. Даже простая информация о том, что z0,05 = 15, z0,15 = 24,
оворит, что 5% наблюдений меньше 15, а 10% размещены между
15 и 24.
Та же а медиану интервальноо ряда вычисляли по формуле
n
--- – S Me – 1
2
Me = xn + --------------------------- h, та и вантиль zp уровня р вычисляют по
n Me
формуле
np – S z –1
p
zp = xz + ---------------------------- h,
p nz
p
де x z — нижняя раница интервала, содержащео вантиль zp;

p
Sz –1 — частота, наопленная интервалу, содержащему ван-

p
тиль zp; n z — частота интервала, содержащео вантиль zp; h —

p
ширина интервала, содержащео вантиль zp.
Пример 1. В таблице 1.50 представлены данные о возрасте пре-

подавателей неотороо университета. Вычислить вантили z0,25,
z0,5, z0,75.
Таблица 1.50
Интервал 22—27 27—32 32—37 37—42 42—47 47—52

Частота 8 34 89 198 245 126
Интервал 52—57 57—62 62—67 67—72 72—77
Частота 77 48 29 17 6
Наопленная частота 757 805 834 851 857
Вычислим сначала z0,25. Имеем: п = 857, р = 0,25, [пр] = 214;

z0,25 = х215 помещается в интервале 37—42, x z = 37, S z –1 = 131,
0,25 p
n z = 198, h = 5. Поэтому
p
857 · 0,25 – 131

z0,25 = 37 + --------------------------------------------- · 5 d 39,1.
198
Аналоично для z0,5 имеем: п = 857, р = 0,5, [пр] = 428; z0,5 = х429
помещается в интервале 42—47, xz = 42, S z –1 = 329, n z = 245,
0,5 p p
h = 5. Поэтому
857 · 0,5 – 329
z0,5 = 42 + ----------------------------------------- · 5 d 44,0.
245
Для z0,75 имеем: п = 857, р = 0,75, [пр] = 642; z0,75 = х643 поме-
щается в интервале 47—52, x z = 47, Sz –1 = 574, n z = 126, h = 5.
0,75 p p
Поэтому
857 · 0,75 – 574
z0,75 = 47 + --------------------------------------------- · 5 d 49,7.
126
Ита, вартили 39,1; 44,0; 49,7 делят совоупность преподава-

телей университета по возрасту на четыре одинаовые по оличе-
ству руппы: 22—39,1; 39,1—44,0; 44,0—49,7; 49,7—77.
Уажите, сольо примерно наблюдений находится левее

числа 39,1; правее числа 49,7.
Рассмотренной формулой можно воспользоваться для вычисле-

ния вантилей дисретноо вариационноо ряда.
§ 1.8. Квантили 105
Пример 2. В таблице 1.51 представлены данные о результатах

тестирования 143 учащихся. Вычислить вантили z0,2, z0,4, z0,6, z0,8.
Таблица 1.51
Баллы 8 9 10 11 12 13 14 15 16
Частота 1 1 3 5 9 8 17 23 24
Наопленная частота 1 2 5 10 19 27 44 67 91
Баллы 17 18 19 20 21 22 23 24 25
Частота 18 10 6 6 5 4 0 2 1
Наопленная частота 109 119 125 131 136 140 140 142 143
Для z0,2 имеем: п = 143, р = 0,2, [пр] = 28; z0,2 = х29 помеща-
ется в той руппе, де варианты равны 14, xz = 14, S z –1 = 27,
0,2 p
p
143 · 0,2 – 27
z0,2 = 14 + -------------------------------------- · 1 d 14,1.
17
Для z0,4 имеем: п = 143, р = 0,4, [пр] = 57; z0,4 = х58 помещается
в той руппе, де варианты равны 15, x z = 15, S z –1 = 44, n z = 23,
0,4 p p
h = 1. Поэтому
143 · 0,4 – 44
z0,4 = 15 + -------------------------------------- · 1 d 15,6.
23
Для z0,6 имеем: п = 143, р = 0,6, [пр] = 85; z0,6 = х86 помещает-
ся в той руппе, де варианты равны 16, x z = 16, S z –1 = 67,
0,6 p
p
143 · 0,6 – 67
z0,6 = 16 + -------------------------------------- · 1 d 16,8.
24
Для z0,8 имеем: п = 143, р = 0,8, [пр] = 114; z0,8 = х115 помеща-
ется в той руппе, де варианты равны 18, xz = 18, S z –1 = 109,
0,6 p
p
143 · 0,8 – 109

z0,8 = 18 + ----------------------------------------- · 1 d 18,5.
10
Ита, вантили 14,1; 15,6; 16,8; 18,5 делят совоупность тести-

ровавшихся учащихся на пять одинаовых по оличеству рупп:
8—14,1; 14,1—15,6; 15,6—16,8; 16,8—18,5; 18,5—25.
При заданном значении р разность между вантилями z1 – р и zр
используют а поазатель вариации. Этот поазатель лучше ха-
ратеризует вариацию совоупности по сравнению с размахом. Но,
а и для размаха, при вычислении этоо поазателя не учитыва-
ется аждое отдельное значение.
Для вычисления вантилей с помощью Excel можно использо-
вать статистичесие фунции (КВАРТИЛЬ) и (ПЕРСЕНТИЛЬ).
1. В аих единицах выражен 4. Чему равен ран нижнео

вантиль распределения? вартиля, если объем совоуп-
2. Каому значению соответст- ности равен 13?
вует 0-й перцентиль, 100-й пер- 5. Чему равен ран верхнео
центиль, 50-й перцентиль? вартиля, если объем совоуп-
3. Чему равен ран медианы, ес- ности равен 13?
ли объем совоупности равен 25?
Задачи
47. На металлуричесом заводе исследовали выход стали в 15
плавах определенноо вида стали. Получили следующие резуль-
таты (в т):
70,3 85,0 100,0 78,1 77,9 98,4 59,2 86,8
70,1 42,2 81,9 97,1 68,2 92,1 91,2
а)° Определите средний выход стали.

б)° Определите медиану выхода стали.
в) Постройте умуляту распределения.
) Найдите вартили этоо набора данных.
д) Найдите 10-й и 90-й перцентили.
е) Руоводство завода хотело бы, чтобы по райней мере 90%
плаво давали 75 т и больше стали. Соответствуют ли эти данные
таому требованию? С аим перцентилем нужно проводить срав-
нение?
Дополнительные задачи лаве 1 107
48. В басетбольной сеции университета измерили рост участ-

ниов сеции. Получили следующие результаты (в см):
193 180 186 188 186 190 186 195 194 184 178 184 199 182
185 177 189 186 179 188 179 181 180 187 186 189 184 186
198 188 182 186 177 176 190 193 186 192 188 182 195 193
181 179 185 171 174 176 183 174 175 184 176 183 178 182
а)° Определите средний рост участниа сеции.

б)° Определите медиану роста участниов сеции.
е) Руоводство сеции хотело бы, чтобы по райней мере 80%
участниов сеции имели рост 180 см и больше. Соответствуют ли
эти данные таому требованию? С аим перцентилем нужно про-
водить сравнение?
Дополнительные задачи лаве 1

К § 1.1. Классифиация данных и измерительные шалы
49. В таблице 1.52 представлены данные проноза пооды на
аждый из трех дней.
Таблица 1.52
Дата 1.10.2005 8.10.2005 12.10.2005

Температра воздха ночью, °С 11—13 7—9 6—8
Температра воздха днем, °С 14—16 15—17 14—16
Давление, мм рттноо столба 743 748 745
Относительная влажность 46 48 77
воздха,%
Направление ветра восточный северо- восточный
восточный
Сорость ветра, м/с 3—6 1—3 1—3
Время восхода Солнца 6.24 6.34 6.40
Время заата Солнца 18.11 17.57 17.50
Влияние на здоровье блаопри- блаопри- неблао-
ятное ятное приятное

) Переменная «Направление ветра» — оличественная, поряд-
овая или номинальная?
д) Переменная «Сорость ветра» — оличественная, порядо-
вая или номинальная?
е) Переменная «Влияние на здоровье» — оличественная, по-
рядовая или номинальная?
ж) Переменная «Дата» — оличественная, порядовая или но-
минальная?
з) Каие шалы соответствуют переменным?
50. Ниже представлена таблица футбольноо чемпионата У-
раины по состоянию на 5 отября 2005 . (табл. 1.53).
Таблица 1.53
И- Выи- Пора-

Место Команда Ничьи Мячи Очи
ры рыши жения
1 Шахтер 11 9 2 0 28—5 29
2 Динамо 11 8 3 0 30—7 27
3 Черноморец 11 6 2 3 17—9 20
4 Металлур Д 11 5 4 2 19—9 19
5 Волынь 11 5 2 4 15—21 17
6 Металлист 11 5 1 5 16—21 16
7 Харьов 11 4 3 4 18—24 15
8 Ильичевец 11 4 3 4 9—15 15
9 Арсенал К 11 3 5 3 11—13 14
10 Кривбасс 11 3 4 4 7—7 13
11 Таврия 11 4 0 7 10—16 12
12 Днепр 11 3 2 6 8—13 11
13 Сталь 11 2 5 4 8—17 11
14 Ворсла 11 2 4 5 10—17 10
15 Металлур З 11 2 3 6 14—22 9
16 Заарпатье 11 0 3 8 3—17 3

) Переменная «Место» — оличественная, порядовая или но-
минальная?
д) Переменная «Очи» — оличественная, порядовая или но-
минальная?
е) Переменная «Команда» — оличественная, порядовая или
номинальная?
ж) Переменная «Мячи» — оличественная, порядовая или но-
минальная?
з) Каие шалы соответствуют переменным? Имеются ли пере-
менные, соответствующие шале отношений?
и) На аие вопросы можно найти ответы при детальном анали-
зе этоо набора данных?
51. Для аждой из переменных, приведенных в предыдущем за-
дании, определите, аие из перечисленных ниже операций можно
применять этой переменной:
а) сложение, вычитание;
б) подсчет оличества;
в) ранжирование по поряду;
) вычисление процента.
52. Найдите в Интернете, в статье из эономичесоо журнала
или в азете таблицу данных. Сопируйте эту таблицу.
а) Классифицируйте набор данных в соответствии с оличест-
вом переменных.
б) Что является элементарной единицей в этом наборе данных?
) Определите тип аждой переменной.
д) Уажите, аие из операций можно применять аждой пе-
ременной.
е) Сформулируйте, на аие вопросы можно найти ответы при
детальном анализе набора данных.
К § 1.2. Первичная обработа резльтатов измерений

53. Собраны данные о возрасте 25 сотрудниов, занимающихся
реализацией продуции неоторой омпании:
50 42 32 35 41 44 24 46 31 47 36 32 30
44 22 47 31 56 28 37 49 28 42 38 45
а) Определите, аому виду относятся данные, приведенные

ты, относительные частоты, наопленные частоты и относитель-
ные наопленные частоты значений.
) Каую информацию можно извлечь из анализа этих дан-
ных?
54. Ниже приведены результаты (в %) выполнения 25 заданий
основной части теста по математие 2400 выпусниов начальной
шолы из 37 реионов России в 1999 оду1:
89 94 95 76 56 83 84 72 86 94 77 82 69
56 65 90 75 83 70 70 52 74 72 90 82

ных?
55. Ниже приведены данные о числе ежеодных (аждый од
состоялось по 52 розырыша) розырышей спортлото «6 из 49», в о-
торых среди выирышных номеров не было соседних:
26 28 26 23 24 18 29 24 22 21
19 24 23 17 19 23 27 20 14 20
25 24 25 21 15 21 24 22 26 26
а) Определите, аому виду относятся данные, приведенные

1 Данные взяты из азеты «Математиа», приложение азете «Первое
сентября», № 37, 2000 .

ных?
56. Ниже приведены данные о численности 20 семейств:
4 6 2 8 3 5 6 4 7 2
5 6 4 6 9 4 7 5 6 3

ные или оличественные; временной ряд или один временной
срез.
К § 1.3. Вариационные ряды

57. Ниже приведены данные о числе ежеодных (аждый од
состоялось по 52 розырыша) розырышей спортлото «6 из 49»,
в оторых среди выирышных номеров была точно одна пара сосед-
них номеров:
27 16 19 21 18 22 17 22 24 23
19 24 23 24 21 24 19 24 28 22
20 21 19 24 30 21 26 21 17 17

в) Для интервальноо вариационноо ряда подсчитайте абсо-
лютные и относительные плотности распределения.
ных?
58. Ниже приведены данные об объемах продаж (в условных
денежных единицах) неоторой фирмы молочной продуции за не-
делю в течение 26 недель:
65 012 58 792 61 177 64 599 63 146 80 997 95 904
83 577 91 258 65 615 68 933 66 557 69 628 70 545
93 921 81 883 86 662 92 663 94 687 92 794 90 877
76 600 80 749 70 359 77 073 59 633

) Каую информацию можно извлечь из анализа этих данных?
59. По данным, приведенным в таблице 1.54, вычислите отно-
сительные и абсолютные плотности распределения работниов це-
ха по возрасту.
Таблица 1.54
Возраст, оды До 20 20—30 30—40 40—50 50 и более Всео

Число 2 18 10 8 2 40
работниов
60. Ниже приведены результаты тестирования 75 взрослых по

определению оэффициента интеллетуальности1:
141 92 100 132 97 110 106 107 105 83 127 95 109 108 104
104 87 133 118 124 111 135 110 110 127 114 105 102 92 94
101 115 124 98 118 138 97 101 116 112 113 95 102 131 121
130 91 92 101 146 121 108 129 113 114 106 105 102 86 107
148 96 123 107 107 129 108 105 123 105 139 106 89 134 103

) Каую информацию можно извлечь из анализа этих данных?
К § 1.4. Графичесое изображение вариационных рядов

61. Постройте полионы частот для дисретных вариационных
рядов, составленных в заданиях 57 и 58.
62. Постройте истораммы для интервальных вариационных
рядов, составленных в заданиях 57 и 58.
63. По данным, представленным в задании 59 (табл. 1.54):
а) Постройте исторамму, полион частот, умуляту;
б) Уажите, является ли распределение симметричным.
1 Данные взяты из нии: Дж. Гласс, Дж. Стэнли. Статистичесие ме-
тоды в педаоие и психолоии. — М.: Проресс, 1976.

64. Были собраны следующие данные о оррозии сплавов, о-

торая определялась по потере веса в миллираммах на вадратный
дециметр в день1:
127,6 124,0 110,8 103,9 101,5 130,1 122,0
92,3 113,1 83,7 128,0 91,4 86,2

б) Постройте полион частот и умуляту.
в) Охаратеризуйте распределение данных.
К § 1.5. Среднее арифметичесое —

поазатель центральной тенденции
65. Ативные сборщии маулатуры составляют 15% учащих-
ся шолы и собирают ежеодно в среднем 23 маулатуры. Пас-
сивные сборщии маулатуры составляют 27% учащихся шолы
и собирают ежеодно в среднем 8 маулатуры. Остальные сбор-
щии маулатуры собирают ежеодно в среднем 13 маулату-
ры. Сольо илораммов маулатуры собирает в среднем уча-
щийся шолы?
66. В производстве мыла имеет важное значение высота мыль-
ной пены в лотах. Проведен эсперимент, в отором варьиро-
валась масса мыла и измерялась высота пены в стандартном лот-
е при определенной степени перемешивания. Получены данные1
(табл. 1.55).
Таблица 1.55
Масса мыла, 4,0 4,5 5,0 5,5 6,0 6,5 7,0

Высота пены 33 42 45 51 53 61 62
а) Каова примерная зависимость между массой мыла и высо-

той пены? Постройте рафи по точам, оординатами оторых
являются приведенные данные.
б) Подсчитайте среднюю массу мыла в лоте и среднюю высоту
пены. Отражают ли средние значения наблюдаемую зависимость
между рассматриваемыми параметрами?
1 Данные взяты из нии: Н. Драйпер, Г. Смит. Приладной ререс-
сионный анализ. — М.: Статистиа, 1973.

67. Считается, что стоимость эсплуатации транспортных вин-

товых самолетов растет с возрастом самолетов. Собраны данные
(табл. 1.56).
Таблица 1.56
Возраст, оды 4,5 4,5 4,5 4,0 4,0 4,0 5,0 5,0 5,5
Стоимость 619 1049 1033 495 723 681 890 1522 987
эсплатации,
. е.
Возраст, оды 5,0 0,5 0,5 6,0 6,0 1,0 1,0 1,0
Стоимость 1194 163 182 764 1373 978 466 549
эсплатации,
. е.
а) Каова примерная зависимость между возрастом самолетов

и стоимостью их эсплуатации? Постройте рафи по точам, о-
ординатами оторых являются приведенные данные.
б) Подсчитайте средний возраст самолетов и среднюю стоимость
эсплуатации. Отражают ли средние значения наблюдаемую зави-
симость между рассматриваемыми параметрами?
К § 1.6. Др#ие меры центральной тенденции

68. В неотором рабочем процессе для пяти рабочих определе-
ны расходы времени на одно изделие в минутах (табл. 1.57). Четве-
ро рабочих работают по 8 ч, а пятый — 4 ч. Рассчитайте среднее
время, необходимое для производства одноо изделия для руппы
из пяти рабочих.
Таблица 1.57
№ Рабочее время, мин Время на одно изделие, мин

1 480 0,8
2 480 1,0
3 480 1,2
4 480 1,2
5 240 1,5
69. Начальный влад в 4 млн р. за 4 ода возрос до 5 млн р.

Определите среднюю сорость роста влада.
70. За сольо лет бановсий влад при процентной ставе

р% удваивается?
71. Рассмотрим данные о размере платы за ссуду под зало дома,
представленные в таблице 1.58. Плата за ссуду уазана а про-
цент от величины ссуды и представляет собой одноразовый платеж
при возврате ссуды.
Таблица 1.58
Фирма 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Плата 2,5 4 2 4 4 3 4 2 4 2,5 4 2 3 4
за ссд
а) Найдите среднее значение платы за ссуду.

б) Найдите медиану платы за ссуду.
в) Найдите моду.
) Каой из поазателей (среднее, медиана, мода) наиболее по-
лезен при описании меры центральной тенденции значения платы
за ссуду?
72. Имеются данные о длине пробеа 25 автомобильных шин
(в м):
1420 1443 1448 1472 1512 1481 1488 1492 1508 1456
1528 1535 1538 1543 1549 1551 1557 1568 1571 1586
1592 1595 1587 1603 1628
а) Постройте интервальный вариационный ряд.

б) Постройте исторамму и ривую распределения.
в) Вычислите среднее и медиану для дисретноо и интерваль-
ноо вариационноо ряда.
) Каой из поазателей (среднее, медиана) наиболее полезен
для описания типичесоо значения длины пробеа?
73. Восемь друзей живут вдоль шоссе, оторое проложено в ле-
су. Расположение их домов поазано на рис. 15. Они являются чле-
нами луба туристов. Стоимость бензина оплачивается из азны
луба. В аом месте шоссе им необходимо собраться на пини,
Рис. 15
чтобы израсходовать на путешествие минимальное оличество де-

не на бензин? Любое место в лесу у шоссе является прерасным
местом для пиниа.
К § 1.7. Поазатели вариации

74. По данным, приведенным в задании 71:
а) Найдите стандартное отлонение и дайте ратую интерпре-
тацию этой величины.
б) Найдите размах данных и дайте ратую интерпретацию
этой величины.
в) Найдите оэффициент вариации и дайте ратую интерпре-
) Определите, сольо данных не выходит за пределы одноо
стандартноо отлонения.
д) Определите, сольо данных не выходит за пределы двух
стандартных отлонений.
а) Найдите стандартное отлонение и дайте ратую интерпре-
б) Найдите размах данных и дайте ратую интерпретацию этой
величины.
в) Найдите оэффициент вариации и дайте ратую интерпре-
) Определите, сольо данных не выходит за пределы одноо
стандартноо отлонения.
д) Определите, сольо данных не выходит за пределы двух
76. В двух бриадах насчитывается по 7 челове. В первой бри-
аде месячная зарплата двух рабочих составляет по 12 600 р., трех
рабочих — по 14 400 р., один рабочий зарабатывает 15 300 р. и один
рабочий — 16 200 р. Во второй бриаде трое рабочих — по 12 600 р.,
один — 14 580 р., двое — по 15 300 р. и один — 15 390 р. Каая бри-
ада более однородна по оплате труда?
К § 1.8. Квантили
а) Определите среднюю длину пробеа шин.
б) Определите медиану длины пробеа шин.

е) Выясните, соответствуют ли эти данные требованию о том,
чтобы не менее 70% шин имело бы длину пробеа не менее 1580 м.
ж) Уажите, с аим перцентилем нужно проводить сравнение
для ответа на предыдущий вопрос.
а) Определите среднюю плату за ссуду.
б) Определите медиану платы за ссуду.
Глава 2
СЛУЧАЙНЫЕ СОБЫТИЯ
Во введении было рассмотрено достаточное оличество приме-

ров реальных явлений и ситуаций, исход оторых зависит от слу-
чая. Мир, в отором мы живем, очень сложен. Присущие аждому
явлению заономерности проладывают себе путь через хаос слу-
чайностей. Для мноих явлений влияние случая настольо сущест-
венно, что их изучение и пратичесое использование невозможны
без исследования и оличественной оцени этоо влияния.
Человеу необходимо уметь разбираться в случайных ситуаци-
ях, по райней мере настольо, насольо это возможно. По всей
видимости, мы ниода не сможем «совершенно точно» сазать, что
случится в будущем. Однао те, то осознают, что одни возможнос-
ти являются более правдоподобными, чем друие, и умеют оличе-
ственно описывать эти отношения, имеют преимущества по срав-
нению с теми, то полаается лишь на свои ощущения, не имея для
этоо объетивных предпосыло. Лучше объединять понимание
вероятностей со всеми доступными знаниями и опытом.
Цель настоящей лавы — научиться оличественно измерять
случайность. Случайность будет измеряться подобно тому, а из-
меряется длина, уол, площадь, сорость, сила и т. д. Мерой слу-
чайности является вероятность. Интуитивно часто можно отве-
тить на вопрос, аова вероятность тоо или иноо события. Значи-
тельно трудней ответить на вопрос о том, что же таое вероятность.
И это не случайно — физичесую или еометричесую величину
лече измерить, чем объяснить, а что же таое длина, площадь,
сорость, сила тоа и т. д.
В этой лаве исследование случайных событий начнется с тща-
тельноо определения и ораничения ситуации. Результатом тао-
о определения является понятие случайноо опыта. При этом
составляют перечень всех возможных результатов — выборочное
§ 2.1. Статистичесая вероятность 119
пространство, или пространство элементарных исходов. Выде-

ляют ряд особых случаев, оторые следует рассмотреть и оторые
либо будут наблюдаться, либо нет; их называют событиями. Прав-
доподобие наступления события харатеризуют онретным чис-
лом, оторое называют вероятностью.
Ита, в данной лаве рассматриваются три основные понятия
теории вероятностей — случайный опыт, случайное событие и ве-
роятность. Будут строиться математичесие модели явлений, по-
зволяющие учитывать влияние случая. Умение создавать мате-
матичесие, в частности вероятностные, модели реальных явлений
и процессов составляет важный аспет математичесой ультуры
современноо человеа. Будут рассмотрены различные источнии
получения вероятностей событий, различные подходы определе-
нию этоо понятия. Это моут быть и статистичесие данные, и ом-
бинаторные знания, и суждение эсперта.
При этом может вознинуть потребность объединить информа-
цию о более чем одном событии (операции над событиями и соот-
ветствующие теоремы сложения и умножения вероятностей),
необходимость с течением времени обновлять имеющиеся значе-
ния вероятностей с помощью та называемых условных вероят-
ностей, отражающих доступную информацию. При исследовании
случайных явлений будет установлена зависимость между неото-
рыми из них.
§ 2.1. Статистичесая вероятность

2.1.1. Слчайный опыт
Для мноих процессов, происходящих в эономие, в природе,
на производстве и в повседневной жизни, невозможно заведомо
с уверенностью предсазать исход тоо или иноо явления. Для
подтверждения этоо приведем примеры таих сфер деятельности,
де наблюдаются подобные процессы:
страховое дело;
инвестиционная деятельность банов;
рузовые работы в морсом порту;
ира в рулету;
распространение эпидемий;
онтроль ачества продуции;
оазание сорой медицинсой помощи.
Этот перечень можно продолжать сольо уодно. Но и этих
примеров достаточно для тоо, чтобы увидеть, что общео в таих
120 Глава 2. СЛУЧАЙНЫЕ СОБЫТИЯ
сферах деятельности. Во-первых, соответствующие действия мож-

но повторять мнооратно, примерно в одинаовых условиях (за-
страховать человеа; вложить средства в определенный проет;
разружать судна одноо ласса; ирать в рулету; распространять
инфеционное заболевание; проверять ачество изделий, изотов-
ленных на одном стане; принимать заяви на оазание сорой
медицинсой помощи). Во-вторых, исходы этих действий нельзя
предсазать однозначно (страхование может заончиться тем, что
произойдет или не произойдет событие, от отороо страхуется че-
лове; вложенные средства моут быть возвращены или не возвра-
щены; различно время разрузи суден; инфеционное заболевание
может быть лоализовано быстро или эпидемия продлится дли-
тельное время; деталь может оазаться браованной или удовлет-
воряющей стандарту; различно время поезди машины «сорой по-
мощи» больному).
Все приведенные в этих примерах явления имеют между собой
нечто общее, а именно: результат отдельных испытаний здесь
предсазать невозможно. Поэтому их называют случайными.
Под слчайным опытом, или слчайным испытанием, будем
понимать любое действие, оторое можно повторить большое о-
личество раз в приблизительно одина овых условиях и результа-
ты отороо предс азать невозможно.
Приведем еще несольо примеров случайных опытов: однора-
зовое или двуратное подбрасывания монеты; приобретение лоте-
рейноо билета; стрельба по мишени.
В дальнейшем будут использоваться а синонимы следующие
термины: слчайный опыт, слчайный эсперимент и слчай-
ное испытание.
Проанализируем требования случайным испытаниям. Во-пер-
вых, их можно проводить мноо ратно. Та, можно мноо раз по-
упать лотерейный билет, мноо раз бросать иральный уби,
мноо раз извлеать шары из ящиа, стрелять по мишени. Однао
таим испытаниям нельзя отнести, например, войну между дву-
мя осударствами. Вряд ли она будет происходить мноо раз. Мно-
оратно нельзя повторить запус осмичесоо орабля: это очень
дороое мероприятие. Эти испытания не относят случайным.
Во-вторых, случайные испытания проходят примерно в одина-
овых условиях. Не меняется центр тяжести убиа при повтор-
ных ео бросах. В одной и той же лотерее заранее определено чис-
ло выирышей, и оно не меняется по мере распространения билетов
до проведения тиража. По мишени стреляет один и тот же стрело
из одноо и тоо же оружия, положение мишени не меняется. В от-
личие от них, повторные футбольные матчи между двумя оманда-

ми моут проходить при измененных условиях: может измениться
степень отовности той или иной оманды ире, моут изменить-
ся поодные условия, состояние футбольноо поля и т. п. Меняют-
ся условия, при оторых один и тот же учени пишет онтрольные
работы по математие в течение учебноо ода: может измениться
сложность заданий, их оличество, отовность учениа выпол-
нению онтрольной работы. Последние два испытания не относят
случайным.
В-третьих, исходы случайных испытаний неоднозначны. Та,
при бросании иральноо убиа заранее неизвестно, аое число
очов выпадет. При поупе лотерейноо билета заранее неизвест-
но, выпадет или не выпадет на нео выирыш, а если выпадет, то
аой. При извлечении шара из ящиа неизвестно, аоо цвета
шар будет извлечен. Однао есть таие испытания, исходы ото-
рых заранее известны. Та, заранее можно сазать, что при наре-
вании воды в чайние при 100 °С она заипит. Точно таже зара-
нее известно, что на смену дню приходит ночь, после лета наступа-
ет осень. При ходьбе челове после шаа левой ноой обязательно
делает ша правой. Наревание воды, смену дня и ночи, ходьбу не
считают случайными испытаниями.
Обратите внимание на то, что толь о наличие всех трех усло-
вий делает испытание случайным. Например, результаты олим-
пийсих ир по спортивной имнастие мы не можем предсазать
однозначно, мноое зависит от случая. Однажды во время выступ-
ления претенденти на первое место развалились брусья. Моут
быть неожиданные травмы, болезни, то-то не обрел еще свою луч-
шую форму. И все же олимпийсие иры не являются случайными
испытаниями: их нельзя повторять мнооратно в одних и тех же
условиях.
Каие из следующих испытаний можно считать случайными:

а) стрельба по мишени;
б) наревание воды в чайние;
в) поупа лотерейноо билета;
) вращение рулети в ире «Поле чудес»;
д) поступление юноши в лицей;
е) мноолетние наблюдения за поодой в один и тот же день
в одной и той же местности;
ж) подбрасывание нопи;
з) участие оманды «Лоомотив» в первенстве России по фут-
болу?
Таим образом, случайный эсперимент — это чето определен-

ная процедура, результат оторой можно наблюдать, но невозмож-
но точно предсазать заранее. Каждый случайный эсперимент
харатеризуется выборочным пространством, представляющим
собой перечень всех возможных результатов этоо эсперимента,
описанных заранее, без знания тоо, что действительно произойдет
в ходе эсперимента. Таой подход позволяет сделать случайную
ситуацию более определенной и часто помоает таже прояснить
свое представление о ней. Приведем ряд примеров.
Пример 1. Планируется исследование доходов семей, проживаю-

щих вблизи места, де предполаается отрыть новый супермар-
ет. Случайным образом выбирают телефонный номер, по оторо-
му звонят в семью и записывают ее доход с точностью до 10 денеж-
ных единиц. В случае, если нито не ответил на звоно или если
собеседни не захотел ответить на заданный вопрос о доходе, выби-
рают новый номер и звони повторяют до тех пор, поа не будет
получен онретный ответ о размере дохода. Выборочное простран-
ство представляет собой списо возможных значений дохода: 0, 10,
20, 30, ..., 150 000, 150 010, ... .
Пример 2. Исследуется вопрос о сорости чтения выпусниа на-

чальной шолы, т. е. о оличестве слов, прочитываемых учащим-
ся за минуту. Выборочное пространство представляет собой пере-
чень целых неотрицательных чисел от 0 до 300.
Пример 3. В финале онурса «Мисс Европа» участвуют 10 деву-

ше, из оторых победительницей будет тольо одна. Выборочное
пространство состоит из 10 участниц финала: А, Б, В, Г, Д, Е, Ж,
З, И, К.
Пример 4. Качество пяти бизнес-проетов оценивается по четы-

рехбалльной системе целым числом от 1 до 4. Выборочное про-
странство представляет собой набор всех возможных вариантов
оцено ачества. Это набор 45 = 1024 списов, аждый из оторых
содержит пять чисел: (1, 1, 1, 1, 1), (1, 1, 1, 1, 2), (1, 1, 1, 1, 3),
(1, 1, 1, 1, 4), ..., (4, 4, 4, 4, 4).
2.1.2. Слчайное событие

Выше мы поазали, что аждый случайный опыт может заон-
читься различными исходами. Эти исходы моут уазываться опи-
сательно или с помощью элементов выборочноо пространства.
Рассмотрим, например, опыт, состоящий в одноратном броса-

нии иральноо убиа. Ео исходами является выпадение любоо
числа очов от 1 до 6. Вместе с тем этот опыт может заончиться
выпадением четноо или нечетноо числа очов, ео результатом
можно считать выпадение числа очов, меньшео 3, или большео 2,
ратноо 3, являющеося простым или составным числом. Все эти
исходы будем считать случайными событиями.
Любой исход случайноо опыта назовем слчайным событием.
В результате таоо опыта случайное событие может или про-
изойти, или не произойти. Случайные события будем обозначать
прописными латинсими бувами А, В, С, ... . Случайными собы-
тиями являются, например, «выпадение двух ербов» при подбра-
сывании двух монет, «попадание в цель» при выстреле, «выирыш»
при приобретении лотерейноо билета.
Ита, аждый раз выполнение случайноо эсперимента дает
ровно один результат из возможных элементов выборочноо про-
странства. Посольу выборочное пространство содержит все воз-
можные результаты, то не должно быть ниаих неожиданностей:
результат эсперимента должен содержаться в выборочном про-
странстве. Вот результаты одноо выполнения аждоо из рассмот-
ренных в примерах 1—4 случайных эспериментов:
в исследовании дохода семьи после одноо звона, в результа-
те отороо был получен ответ «это вас не асается», удалось дозво-
ниться до человеа, оторый назвал доход семьи 15 300;
при изучении сорости чтения был получен результат 115 слов
в минуту;
в онурсе «Мисс Европа» победила участница З;
при исследовании ачества бизнес-проетов был получен спи-
со оцено ачества для аждоо из пяти оцененных проетов
(3, 2, 1, 4, 2).
Для случайных испытаний из предыдущео задания приведи-

те примеры случайных событий.
Ационерное общество в ближайшие дни должно объявить
о размере своих доходов за последний вартал. Но рядовые
ационеры не знают о размере доходов.
а) Опишите соответствующий данному случаю случайный эс-
перимент.
б) Что представляет собой выборочное пространство?
в) О чем моут свидетельствовать результаты эсперимента?
) Точно определите событие «заявленная величина доходов
выше ожидаемой», предварительно предсазав ожидаемую
величину дохода.
2.1.3. Относительная частота события

Если мноо раз повторять случайный эсперимент, то одни со-
бытия при этом будут происходить чаще друих. Поэтому при од-
норазовом проведении эсперимента с бXольшим основанием можно
надеяться на появление первых событий, чем вторых. Та, для от-
личноо стрела ожидать попадания при одном выстреле можно
с бXольшим основанием, чем промаха.
Предположим, что при неизменных условиях проведено п слу-
чайных опытов и в п(А) из них произошло событие А. Число п(А)
n(A)
называют частотой события А. Отношение ------------- называют от-
n
носительной частотой события A. (Сравните эти понятия с час-
тотой и относительной частотой, с оторыми встречается в вариа-
ционном ряде та или иная варианта.) Например, если в неотором
тесте из 2000 знаов бува О встретилась 182 раза, то частота и
относительная частота события «встретилась бува О» составляет
182
соответственно 182 и ------------- = 0,091.
2000
Относительную частоту события инода выражают в процентах:
n(A)
------------- · 100%. В нашем примере она равна 0,091, или 0,091 · 100% =
n
= 9,1%.
Обозначим число проведенных опытов через n, оличество

появлений события в этих опытах — через m, относительную
m
частоту события ----- — через r. Найдите:
n
а) r, если n = 400, m = 160;
б) n, если r = 0,3, m = 45;
в) m, если r = 0,85, n = 180.
Известно, что после 200 подбрасываний монеты относитель-

ная частота выпадения ерба равнялась 0,5. В аих пределах
мола находиться относительная частота тоо же события пос-
ле первых 100 подбрасываний?
При 100 бросах иральноо убиа «шестера» выпала 15 раз.

Уажите, в аих пределах может находиться относительная
частота появления «шестери» после тоо, а будет выпол-
нено еще 100 бросов убиа?
Относительная частота является оротой и содержательной ха-

ратеристиой рассматриваемой информации. Например, если бас-
етболист за иру сделал 40 бросов мячом в орзину, 30 из о-
торых оазались результативными, то относительная частота со-
бытия «басетболист при бросе попал в орзину» (она равняется
в этом примере 0,75) является поазателем результативности этоо
спортсмена. Полное описание всех бросов со всеми обстоятельст-
вами, оторые сопровождали аждый бросо, заняло бы мноо стра-
ниц теста. Относительная частота попаданий в мишень для стрел-
а описывает ео мастерство. Относительная частота браованных
деталей в неоторой партии оценивает ачество продуции.
Если для неотороо стрела относительная частота попадания
в мишень равна, например, 93%, то с уверенностью мы можем са-
зать, что это хороший стрело. Если в неоторой партии элетри-
чесих лампоче, выпущенных предприятием, 1,6% браованных,
то с таим ачеством продуции смириться можно.
Зная относительную частоту события, охаратеризуйте соот-

ветствующее явление:
а) относительная частота реализованных пенальти для данно-
о футболиста равна 0,8;
б) относительная частота пенальти, взятых данным вратарем
равна 0,2;
в) относительная частота рабочих дней на предприятии, в о-
торых достиалась намеченная цель, равна 0,88;
) относительная частота обнаружения браованной детали
с помощью рентена равна 0,8.
2.1.4. Статистичесая стойчивость опытов

Относительная частота события, вообще оворя, изменяется, если
изменяется оличество опытов или выполняется друая серия из
таоо же оличества опытов. Известны результаты эсперимента
с подбрасыванием монеты, проведенноо исследователем Дж. Э. Кер-
рихом. Он провел 10 серий, аждая из оторых состояла из 1000 под-
брасываний. Результаты эсперимента приведены в таблице 2.1.
Видно, что от серии серии относительная частота рассматри-
ваемоо события изменяется. Но она олеблется вору числа 0,5,
хотя ни одно ее значение не равняется в точности 0,5.
Ита, есть немало случайных опытов, в оторых относитель-
ная частота события при повторении серии из достаточно боль-
шоо оличества опытов олеблется о оло одноо и тоо же чис-
ла. Та ие опыты называют статистичеси стойчивыми.
Классичесими примерами статистичеси устойчивых опытов

являются эсперименты, связанные с подбрасыванием монеты. Их
результаты приведены в таблице 2.2.
Эти данные поазывают, что предположение о равенстве 0,5 от-
носительной частоты появления любой стороны монеты хорошо со-
ласуется с опытом.
Еще в XVIII вее было замечено, что среди обычной орреспон-
денции письма без адреса обладают определенной устойчивостью.
Данные, приведенные в таблице 2.31, собранные по результатам
руссой почтовой статистии, свидетельствуют о том, что на про-
тяжении несольих лет на аждый миллион писем приходилось
в среднем 25—27 писем без адреса.
Таблица 2.1
№ серии 1 2 3 4 5
Число выпадений ерба 502 511 497 529 504
Относительная частота 0,502 0,511 0,497 0,529 0,504
события «выпал ерб»
№ серии 6 7 8 9 10
Число выпадений ерба 476 507 528 504 529
события «выпал ерб»
Таблица 2.2
Число
Число Относительная
выпадений
Исследователь подбрасываний частота
ерба
монеты события A
(событие А)
Ж. Бюффон 4040 2048 0,5069
Де Моран 4092 2048 0,5005
К. Пирсон 12 000 6019 0,5016
В. Феллер 10 000 4979 0,4979
К. Пирсон 24 000 12 012 0,5005
В. Романовсий 80 640 40 151 0,4979
1 Данные взяты из нии: А. Н. Колмооров, И. Г. Журбено, А. В. Про-
хоров. Введение в теорию вероятностей. — М.: Науа, 1982.

Таблица 2.3
Число писем Относительная частота

Год Число писем
без адреса писем без адреса
1906 983 000 000 26 112 0,0000266
1907 1 076 000 000 26 977 0,0000251
1908 1 214 000 000 33 515 0,0000276
1909 1 357 000 000 33 643 0,0000248
1910 1 507 000 000 40 101 0,0000266
Всео 6 137 000 000 160 348 0,0000261
Приведенные данные свидетельствуют о том, что относитель-

ные частоты события «случайно взятое письмо не содержит адре-
са» ежеодно олебалось ооло числа 0,0000261.
Случайным испытанием, имеющим статистичеси устойчивый
харатер, является рождение ребена. Ниже в таблице 2.41 приве-
дены данные о распределении пола детей, родившихся в Швеции
в 1935 .
Можно утверждать, что относительные частоты рождения
мальчиов в Швеции в 1935 . ежемесячно олебались вору чис-
ла 0,518.
Устойчивую частоту имеют метеоролоичесие явления. Та,
наблюдения над числом солнечных дней на протяжении ода в Са-
ратове дают следующие результаты (табл. 2.5)2.
Видно, что относительные частоты события «день солнечный»
олеблются вору числа 0,583.
Статистичеси устойчивыми опытами являются эсперименты
Г. Менделя. По теории Менделя при срещивании желтоо ороха
с желтым примерно в одном случае из четырех получают зеленый
орох. Для провери этой теории опыт по срещиванию желтоо
ороха с желтым был проведен 34 153 раза. В 8506 случаях получа-
ли зеленый орох. Относительная частота события «появление зе-
8506
леноо ороха» в проведенной серии эспериментов равна ------------------ d
34 153
d 0,249 d 0,25. Подобные опыты повторялись неодноратно, и аж-
1 Данные взяты из нии: Г. Крамер. Математичесие методы статис-
тии. — М.: Мир, 1975.

2 Данные взяты из нии: Г. П. Боев. Теория вероятностей. — М.-Л.:
Гостехиздат, 1950.
Таблица 2.4
Общее Мальчии Девочи

Ме-
число Относительная Относительная
сяц Число Число
детей частота частота
1 7280 3743 0,514 3537 0,486
2 6957 3550 0,510 3407 0,490
3 7883 4017 0,510 3866 0,490
4 7884 4173 0,529 3711 0,471
5 7892 4117 0,522 3775 0,478
6 7609 3944 0,518 3665 0,482
7 7585 3964 0,523 3621 0,477
8 7393 3797 0,514 3596 0,486
9 7203 3712 0,515 3491 0,485
10 6903 3512 0,509 3391 0,491
11 6552 3392 0,518 3160 0,482
12 7132 3761 0,527 3371 0,473
Всео 88 273 45 682 0,518 42 591 0,482
Таблица 2.5
Год 1920 1921 1922 1923 1924

Число солнечных дней 203 215 243 194 210
Относительная частота события 0,555 0,589 0,666 0,522 0,574
«день солнечный»
дый раз, ода их оличество было достаточно большим, относи-

тельная частота события «появление зеленоо ороха» мало отли-
чалась от 0,25.
Исследования различных произведений руссой литературы
позволили сделать выводы об относительных частотах употребле-
ния различных був руссоо алфавита. Эти данные представлены
в таблице 2.6 (тире в ней означает пробел)1.
1 Данные взяты из нии: А. М. Ялом, И. М. Ялом. Вероятность и
информация. — М.: Науа, 1973.

Таблица 2.6
Бва — о е, ё а и т н с
Относитель- 0,175 0,090 0,072 0,062 0,062 0,053 0,053 0,045
ная частота
Бва р в л м д п у
Относитель- 0,040 0,038 0,035 0,028 0,026 0,025 0,023 0,021
Бва я ы з ь, ъ б ч и
Относитель- 0,018 0,016 0,016 0,014 0,014 0,013 0,012 0,010
Бва х ж ю ш ц щ э ф
Относитель- 0,009 0,007 0,006 0,006 0,004 0,003 0,003 0,002
Таим образом, исследования поазывают, что в среднем из

1000 наудачу выбранных в тесте пробелов и був на трех местах
будет стоять бува «э», на тридцати пяти — бува «л», на девя-
носта — бува «о».
Оазывается, что у аждоо автора имеется своя таблица рас-
пределения относительных частот использования був, слов, сло-
восочетаний и предлоов. По этим таблицам можно установить ав-
тора примерно та же точно, а и преступниа по отпечатам
пальцев (см. § 1.5).
Рассмотренные и подобные опыты позволяют сделать вывод
о том, что относительная частота событий, подсчитанная по ре-
зультатам статистичеси устойчивых опытов, мало отличается от
неотороо числа. И чем больше число испытаний, тем реже встре-
чаются значительные отлонения относительной частоты события
от этоо числа.
Число, о оло отороо олеблется относительная частота
события в сериях из достаточно большоо оличества статис-
тичес и устойчивых опытов, называют вероятностью этоо
события.
Приведенное определение вероятности часто называют ста-
тистичесим, а саму вероятность — статистичесой. Вероят-
ность события А будем обозначать символом Р(А) (от латинсоо
слова probabilitas — «вероятность»).
Ита, статистичесую вероятность находят с помощью боль-
шоо числа опытов. Проводя опыты и наблюдения, мы принима-
ем относительную частоту за приближенное значение вероятнос-

ти. При большом числе статистичеси устойчивых опытов это
приближение вполне достаточно для оценивания риса и шан-
сов. Кстати, и большинство физичесих величин измеряется при-
ближенно.
Во мноих физичесих, астрономичесих и друих естественно-
научных задачах число выполняемых испытаний очень велио, и
опыт может дать значение вероятности события с довольно высо-
ой точностью. Например, для распада радия, де число испыта-
ний оромно — равно числу атомов в испытуемом образце и состав-
ляет примерно 1023 —1024, — можно утверждать, что вероятность
распада атома радия за 100 лет равна 0,04184.
При статистичесой оцене вероятности события необходимо,
чтобы условия испытаний не менялись. Если, например, вероят-
ность выдачи онвейером браованной детали определяется при
помощи относительной частоты браованных изделий на протяже-
нии ряда лет, то нужно иметь в виду, что, несмотря на ажущееся
сохранение условий эсперимента, на самом деле они будут ме-
няться: отдельные части онвейера со временем изнашиваются,
меняются условия обработи детали. В этом случае нельзя ово-
рить о статистичесой устойчивости частот, вероятность появле-
ния браованной детали будет меняться со временем.
Наличие у события при определенных условиях вероятности,
равной р, проявляется в том, что почти в аждой достаточно
длинной серии опытов относительная частота события при-
ближенно равна p.
По результатам аой серии опытов можно оценить вероят-

ность изотовления браованной детали?
а) проверено 200 деталей, изотовленных на одном стане
в течение одной рабочей смены;
б) проверено 100 деталей, изотовленных на 20 станах в те-
чение рабочей смены;
в) проверено 150 деталей, изотовленных на одном стане в те-
чение месяца;
) проверено 8 деталей, изотовленных на одном стане в тече-
ние месяца.
По результатам аой серии опытов можно оценить вероят-
ность попадания в цель при одном опыте?
а) 100 стрелов по одному разу выстрелили в мишень;
б) стрело в течение оротоо времени 50 раз выстрелил в ми-
шень, расположенную в зарытом помещении;
в) стрело в течение оротоо времени 5 раз выстрелил в ми-

шень, расположенную в зарытом помещении;
) стрело в течение световоо дня на отрытом стрельбище
сделал 300 выстрелов в мишень.
Уажите, то сделал верный вывод:

а) Купив два лотерейных билета, среди оторых оазался один
выирышный, Серей сделал вывод о том, что вероятность вы-
ирыша в этой лотерее равна 0,5.
б) Подбросив 4 раза монету и увидев, что ерб выпал 3 раза,
Анатолий сделал вывод о том, что вероятность выпадения ер-
ба при одном бросании монеты равна 0,75.
в) Узнав, что в последних 20 тиражах лотереи «5 из 36» все
пять номеров уадывались 6 раз, Евений сделал вывод о том,
что вероятность уадать 5 номеров из 36 равна 0,3.
) Подбросив 100 раз нопу и подсчитав, что острием вверх
она упала 45 раз, Владимир сазал, что вероятность тоо, что
нопа упадет острием вверх, приближенно равна 0,45.
На рис. 16 изображен ра-

фи зависимости относитель-
n(Г)
ной частоты ------------ появления
n
ерба при 12 подбрасывани-
ях монеты с результатами
ГГЦГЦЦГГЦЦЦГ (Г — появ-
ление ерба, Ц — появление
цифры) от числа подбрасыва-
ний n. При n > 10 относитель-
ная частота олеблется ооло
числа 0,5, оторое и прини-
мают в ачестве вероятности
события «выпадение ерба при Рис. 16
одном подбрасывании монеты».
Проведите опыт с бросанием иральноо убиа 30 раз, аж-

дый раз фисируя исход опыта, и постройте рафи зависи-
мости относительной частоты события «выпало четное число
очов» от числа бросов.
Ита, если оворят, что вероятность не отороо события

равна, например, 0,82, то это пра тичес и означает, что в сред-
нем в аждых 100 опытах, проведенных примерно в одина овых
условиях, это событие происходит примерно 82 раза.
Таим образом, аждому событию соответствует число от 0 до 1,

называемое вероятностью и описывающее, насольо правдопо-
добно наступление данноо события при аждом выполнении слу-
чайноо эсперимента.
2.1.5. Применение статистичесой вероятности

Статистичесое определение вероятности может быть использо-
вано для получения пратичеси важных выводов.
Пример 5. Неоторое предприятие производит массовую проду-

цию. Если изделие, поступившее в продажу, выходит из строя на
протяжении одноо ода, то ео заменяют запасным. Сольо за-
пасных изделий необходимо изотовить, если в течение ода прода-
ется N изделий? Для упрощения предположим, что выход из строя
запасноо изделия невозможен.
Будем считать, что событие A — «отаз изделия» — имеет
неоторую вероятность p. Пусть в течение ода вышло из строя
m
m изделий. Тода ----- — относительная частота события А. Если N —
N
m
достаточно большое число, то ----- d p. Отсюда m d Np. На пратие
N
довольно часто вероятность р неизвестна. Для ее оцени (прибли-
женноо вычисления) в течение ода проводят неоторое число п
k
испытаний изделий. Если за это время отажет k изделий, то --- —
n
относительная частота события А. При достаточно большом значе-
k Nk
нии n можем считать, что --- d p. Тода m d -------- .
n n
Всемирно известный математи, наш соотечественни А. А. Маров (1856—

1922) исследовал чередование ласных и соласных бв в последова-
тельности, содержащей 20 000 бв из «Евения Онеина» А. С. Пшина.
Оазалось, что относительная частота появления ласной бвы после ласной равна
0,128, ласной бвы после соласной — 0,663. Эти относительные частоты можно при-
нять в ачестве вероятностей соответствющих событий для произведений А. С. Пшина.
В ачестве примера рассмотрим страхование жизни. Представим себе, что неий
мжчина в возрасте 55 лет хочет застраховать свою жизнь, например, на 10 лет. Чтобы
знать, аой взнос потребовать от застрахованноо и аю смм выплатить родствен-
ниам в слчае ео смерти, надо рассчитать, сольо мжчин в возрасте 55 лет останет-
ся в живых через 10 лет и сольо из них мрет в течение этоо сроа. Кажется, что здесь
ничео нельзя предвидеть — ведь нито не знает, ода он мрет. Но оазывается, что
при рассмотрении большоо числа слчаев можно веренно предсазать то число мж-
чин, оторое останется в живых после 65 лет. Для этоо изчается та называемая ста-
тистиа смертности, и предсазание тем точнее, чем большее оличество людей охва-
чено страхованием.
Аналоично этом можно заранее рассчитать необходимое в данном ороде число
пожарных оманд или предсазать запасы зерна, оторые надо иметь на слчай нерожая.
Мы же отмечали, что рождение детей является статистичеси стойчивым испыта-
нием. Во всех странах и среди всех народов вседа на 1000 родившихся в среднем
приходится 515 мальчиов и 485 девоче. Это поразительное постоянство рождений
мальчиов и девоче отмечалось мноими чеными, среди оторых был и один из осно-
вателей теории вероятностей — францзсий математи Симон Лаплас (1749—1827).
Поэтом в тех слчаях, ода нас интересет число мальчиов среди очень большоо
числа новорожденных, мы можем веренно предсазать это число с большой степенью
точности: ведь эти числа 0,515 и 0,485 принимаются в ачестве вероятностей рождения
мальчиа и девочи соответственно. Просматривая1 в свое время списи рождений по
ород Париж за 1745—1784 оды, С. Лаплас обнаржил, что отношение числа мальчи-
ов общем числ рождений здесь оазалось равным 0,510, т. е. чть меньше, чем
0,515. Несмотря на то что разница была очень мала, Лаплас залючил, что должна быть
аая-то специальная причина, величивающая число девоче: ведь число рождений
в Париже за 39 лет и в те оды было же довольно большим; поэтом даже таое малое
отлонение от обычноо отношения нельзя было объяснить тольо действием слчая.
И действительно, Лаплас обнаржил причин отлонения: она залючалась в том, что
в число детей, рожденных в Париже, влючались таже и дети, подинтые в специаль-
ный приют — единственный на всю Францию. Та а францзсие рестьяне ценили
в сыновьях бдщих работниов, то они чаще подидывали девоче, чем мальчиов.
Ислючив подидышей из числа родившихся (мноие из них на самом деле родились не
в Париже), Лаплас полчил обычное отношение числа мальчиов числ девоче.
Задачи и проблемы, сщественно повлиявшие на зарождение и первичное развитие
теории вероятностей, возниали при обработе статистичесих данных и резльтатов
наблюдений в разных наах, из пратии страховых омпаний, в связи с анализом
азартных ир. Первые морсие страховые омпании возниают в ХІ столетии в Италии
и Нидерландах. В этих омпаниях подсчитывали шансы аварий, посоль при большом
рисе собирались большие страховые взносы. В связи с брным развитием естество-
знания в эпох Возрождения, в связи с тем, что величивалась роль наблюдений и эс-
перимента, возни вопрос о методах обработи резльтатов наблюдений, в частности
об оценивании слчайных ошибо, оторые возниают при наблюдениях. Статистиче-
сие заономерности историчеси впервые привлели внимание ченых, старавшихся
выяснить сть азартных ир — таих а ира в ости, «орлян» и т. п. Эти наблюдения
проложили пть статистичесом подход при числовом определении вероятности.
1 Детсая энцилопедия, т. 3. АПН РСФСР, 1959.

Статистичесие заономерности в деморафичесих процессах были отрыты в XVIII сто-

летии при изчении статистии рождаемости, смертности, несчастных слчаев и т. п.
В онце XIX — начале XX столетия были выявлены новые статистичесие заономерности
в физие, химии, биолоии, эономие и дрих наах. Все это стимлировало разви-
тие теории вероятностей. Довольно дачное объяснение статистичесом понятию ве-
роятности дал Я. Бернлли (1654—1705) в своей ние «Иссство предположений»,
опблиованной в 1713 .
1. Иральный уби бросали 1 1 3 4

) --- , 1, --- , --- , --- , ... ?
трижды, при этом выпало соот- 2 3 4 5
ветственно 2, 2, 5 очов. Мож- 3. Вероятность наступления со-
но ли по этим данным уазать бытия А в неотором опыте рав-
приближенное значение веро- на 0,72. Можно ли утверждать,
ятности события «при бросе что в 100 таих же опытах,
иральноо убиа выпало два
проведенных в тех же услови-
оча»?
ях, это событие произойдет ров-
2. Проводится последовательное
но 72 раза?
подбрасывание монеты, после
аждоо из них подсчитывает- 4. Для онтроля ачества про-
ся относительная частота со- дуции неотороо завода из
бытия «выпал ерб». Каие из аждой партии отовых изде-
приведенных ниже числовых по- лий отбирают для провери
следовательностей моут соот- 150 деталей. Проверу не вы-
ветствовать уазанному опыту: держивают в среднем 6 дета-
1 1 2 3 4 лей. Ка оценить вероятность
а) --- , --- , --- , --- , --- , ... ;
1 2 3 4 5 выпуса браованных деталей
1 1 3 3 заводом:
б) --- , --- , 1, --- , --- , ... ;
1 2 4 5 а) в данное время;
1 1 2 б) после усовершенствования
в) 0, 0, --- , --- , --- , ... ;
3 2 5 технолоии производства?
Задачи
79.° Для провери ачества было исследовано 200 деталей, среди
оторых 5 оазались браованными. Каой можно считать вероят-
ность тоо, что науад взятая деталь будет:
а) приодной; б) браованной?
Сольо браованных деталей оажется в среднем в партии из

1000 деталей?
80.° Вероятность тоо, что в науад взятой семье неотороо по-
села имеется телевизор, равна 0,998.
а) Сольо в среднем телевизоров будет в 500 семьях этоо по-
села?
б) Сольо приблизительно опросили семей в этом поселе, ес-
ли насчитали 1497 телевизоров?
81.° Сольо выстрелов было сделано, если относительная час-
тота попаданий равна 0,7, а оличество промахов равно 12?
82.° Относительная частота пар обуви для взрослых, оторые про-
дали в маазине за день, равна 0,6. В этот день продали 24 пары
детсой обуви. Сольо всео пар обуви продали в этот день?
83. Выполните опыт с бросанием иральноо убиа 100 раз,
записывая все исходы опыта. Исходом будем считать число выпав-
ших очов. Их можно записать в таблицу следующей формы:
№ опыта 1 2 3 4 5 ...
Число очов 3 5 2 3 1 ...
Вычислите относительную частоту появления аждоо числа оч-

ов. Подтверждают ли рассчеты предположение о том, что вероят-
1
ность аждоо исхода должна равняться --- ?
6
84. В любой ние на произвольно взятой странице выберите
10 полных стро теста. Вычислите оличество ласных и, в част-
ности, бувы «е» в аждой из этих стро. Каой процент от всех
був строи составляет:
а) бува «е»; б) ласная?
Выполните подобный опыт с друой ниой и сравните резуль-
таты.
85. Выберите из олоды в 36 иральных арт арты двух мас-
тей — пиовой и червовой. Расположите арты червовой масти
в следующем поряде: туз, 6, 7, 8, 9, 10, валет, дама, ороль. Пере-
тасуйте арты пиовой масти и выложите их рядом с червями.
а) Подсчитайте число совпадений, т. е. сольо арт одина-
овоо достоинства оазалось на одних и тех же местах в обеих
мастях.
б) Повторите этот опыт 20 раз, и по результатам этих опытов
найдите относительные частоты событий: «совпадений не было»,
«имело место одно совпадение», «имело место два совпадения», «чис-

ло совпадений равно 3», «число совпадений больше 3».
в) Моло ли число совпадений равняться 9?
) Каое число совпадений вы считаете наиболее вероятным в од-
ном опыте?
д) Подсчитайте среднее арифметичесое числа совпадений для
20 опытов.
86.* На листе начерчены
параллельные прямые, рас-
стояния между оторыми
равны длине илы (рис. 17).
Подбросьте илу 100 раз и под-
считайте оличество ее пере-
сечений с любой из прямых.
Подсчеты выполните для 10,
20, 30, ..., 100 подбрасываний.
Результаты занесите в табли- Рис. 17
цу следующей формы:
Число Частота пересечения Относительная частота

подбрасываний илой линии пересечения илой линии
10
20
...
100
Оцените вероятность события «ила пересечет линию».

87. Зная относительную частоту события, охаратеризуйте со-
ответствующее явление:
а) относительная частота солнечных дней в июне равна 0,4;
б) относительная частота дождливых дней в сентябре равна
0,6;
в) относительная частота браованных парашютов, производи-
мых неоторым предприятием, равна 0,01;
) относительная частота обнаружения неотороо заболевания
с помощью рентена равна 0,8.
88. Тщательно перемешайте олоду из 36 арт. Вытяните науад
одну арту. Возвратите ее в олоду. Снова тщательно перемешайте
олоду и вытяните науад арту. Повторите этот опыт 100 раз. Ре-
зультаты опытов поместите в таблицу следующей формы:
§ 2.2. Классичесая вероятность 137
№ вытяивания 1 2 ... 100

Масть Пиовая Бубновая ... Бубновая
Название арты Туз Девята ... Дама
Вычислите:
а) относительную частоту события «вытянули даму»;
б) относительную частоту события «вытянули арту бубновой
масти»;
в) относительную частоту события «вытянули бубновую даму».
Сравните свои результаты с результатами ваших однолассни-
ов. Объедините результаты опытов, проведенных всеми однолас-
сниами. Выполните по объединенным результатам задачи а—в.
Каие выводы вы можете сделать?
89. Начальни цеха, выпусающео принтеры, будет оцени-
вать в онце завтрашнео дня число произведенных за месяц уст-
ройств и число дефетных среди них.
а) Опишите соответствующий случайный эсперимент.
б) Каим будет ео выборочное пространство?
) Точно определите событие «достинута цель выпуса не менее
50 исправных (не имеющих дефетов) устройств при не более од-
ном дефетном устройстве» в терминах результатов, составляющих
выборочное пространство.
д) В течение 22 дней из последних 25 дней эта цель достиалась.
Найдите соответствующую относительную частоту.
§ 2.2. Классичесая вероятность

Наличие вероятности у неотороо события до сих пор мы свя-
зывали с существованием статистичеси устойчивых опытов. Про-
ведение массовых эспериментов в неоторых случаях или невоз-
можно, или чрезвычайно трудоемо. В таих случаях инода целе-
сообразно использовать для харатеристии шансов наступления
события та называемую лассичес ую вероятность. Фатичеси
на ней базируется доэспериментальный расчет вероятностей.
2.2.1. Равновозможность
Этот подход подсчету вероятностей базируется на понятии
равновозможности, или равновероятности, исходов неотороо
опыта. Интуитивно эти термины понятны.
Пример 1. При подбрасывании монеты разумно предположить,

что монета «одинаово» может упасть вверх ербом или цифрой; эти
два исхода опыта — ерб и цифра — рассматриваются а равно-
возможные. Иначе оворя, мы считаем, что выпадение ерба имеет
таие же шансы осуществиться, а и выпадение цифры.
Пример 2. Большинство людей считают до-

статочно разумным представление о том, что
при бросании иральноо убиа (рис. 18) вы-
падение одной рани столь же возможно, а
и выпадение друой. Поэтому опыт с броса-
нием иральноо убиа имеет шесть равно-
возможных исходов: на верхней рани выпа-
дает одно очо, два оча, три оча и т. д. Го-
ворят, что для осуществления аждоо из этих
исходов имеется один шанс из шести. Рис. 18
Пример 3. В олоде из 36 иральных арт все арты таовы, что

невозможно отличить одну из них от друой, если смотреть на них
с тыльной стороны. Предположим, что из тщательно перетасован-
ной олоды вытасивают науад одну арту. Говорят, что аждая
арта имеет таие же шансы быть вытянутой, а и любая дру-
ая, — один шанс из тридцати шести.
Пример 4. Предположим, что 15 имеющих одинаовую вали-

фиацию челове подали заявление на неоторую ваансию. Если
в этой руппе выбор при приеме на работу осуществляют случай-
ным образом, то аждый из претендентов имеет одинаовый шанс
быть принятым на работу — один из пятнадцати.
Пример 5. Представим себе, что на сладе имеется 74 ороби

передач, из них одна имеет дефет. Наудачу выбирают одну ороб-
у передач для потребителя. Дефетная ороба имеет таой же
шанс попасть потребителю, а и любая друая — один из семи-
десяти четырех.
Равновозможность исходов означает по существу сохранение

«равноправия» одноо исхода по отношению друому. Она являет-
ся проявлением симметрии исходов опыта. Симметрия в природе —
это и еометричесая симметрия, и различноо рода однородность,
например однородность материала. На вопрос о том, аие исходы
считать равновозможными, математиа ответа не дает. Если моне-
та изотовлена из однородноо материала, если она не сточена, ес-
ли она непредвзято брошена, то мы вправе считать исходы «выпа-
дение ерба» и «выпадение цифры» равновозможными. Точно та

же при бросании «правильноо» иральноо убиа все шесть ис-
ходов данноо опыта естественно считать равновозможными. Если
из ящиа с шарами науад, наудачу, случайным образом извлеают
шар, причем после аждоо извлечения шар возвращают в ящи,
содержимое ящиа тщательно перемешивают, а потом извлеают
следующий шар, то исходы этоо эсперимента мы вправе считать
равновозможными.
Заметим, что на пратие процедура перемешивания, особенно
при большом числе шаров, не вседа является эффетивной. Тща-
тельно перемешать не та просто, а это ажется. И об этом хорошо
знает аждый, то, например, занимался перемешиванием теста,
составлением улинарных смесей и т. д. А вот для «неправильноо»
убиа (например, на одну рань прирепили усоче пластилина)
исходы опыта не равновозможные. Точно та же нельзя считать рав-
новозможными исходы подбрасывания нопи, или пуовицы не-
симметричной формы, или «неправильной» монеты. Если в ящие
шары различаются по весу, то при перемешивании, по-видимому,
более тяжелые шары оажутся внизу ящиа, и исходы опыта с из-
влечением шара вряд ли можно будет считать равновозможными.
Можно ли считать равновозможными следующие исходы:

а) «на упленный билет выпал выирыш» и «на упленный
билет не выпал выирыш»;
б) «из ящиа с пятью одинаовыми шарами, пронумерованны-
ми числами 1, 2, 3, 4, 5, извлечены науад шары № 1 и № 2»;
в) «при выборе случайным образом представителя от олле-
тива фабрии в 100 челове выбранным оажется работни
цеха, насчитывающео 35 челове, и челове, не работающий
в этом цехе»;
) «посетитель в азино выирал» и «посетитель в азино не
выирал»?
2.2.2. Вероятность события

Рассмотрим несольо примеров, связанных с подбрасыванием
монет, на подсчет шансов наступления тех или иных исходов.
Пример 6. Подброшена монета. Каовы шансы тоо, что она упа-

дет ербом вверх?
Давайте подумаем, сольо может быть вариантов тоо, что
монета упадет вверх ербом или цифрой, если считать невозмож-
ным, что монета встала на ребро. У монеты две стороны. И если она
симметрична, то шансы тоо, что она упадет на любую из сторон

1
одинаовы. Ита, шансы равны --- , т. е. составляют 50% от числа
2
всех возможных результатов подбрасывания монеты.
Пример 7. Подброшены две монеты. Каовы шансы тоо, что обе
монеты упадут ербом вверх?
Здесь уже сложней перебрать все варианты. Попробуем сде-
лать это, воспользовавшись таблицей 2.7.
Таблица 2.7
№ варианта Первая монета Вторая монета

1 Герб Герб
2 Герб Цифра
3 Цифра Герб
4 Цифра Цифра
Всео существует 4 варианта. И тольо при одном из них (он в

таблице отмечен полужирным шрифтом) обе монеты упадут ербом
вверх. Если монета не деформирована, то у нас нет оснований счи-
тать, что аой-то из этих вариантов предпочтительней осталь-
ных. Друими словами, они имеют равные шансы. Мы будем ово-
рить, что вероятность тоо, что обе монеты упадут ербом вверх,
1
можно считать равной --- , или 25%. А вероятность тоо, что монета
4
1
в примере 6 упадет ербом вверх, — --- , или 50%.
2
Продолжим рассматривать примеры на подсчет шансов, посте-
пенно усложняя рассмотренную выше ситуацию.
Пример 8. Подброшены три монеты. Каова вероятность тоо,
что все три монеты упадут ербом вверх?
Снова попробуем перебрать все возможные варианты. Будем,
для ратости, выпадение монеты ербом вверх обозначать бу-
вой Г, а цифрой вверх — бувой Ц (табл. 2.8).
Таблица 2.8
№ варианта 1 2 3 4 5 6 7 8
Первая монета Г Г Г Г Ц Ц Ц Ц
Вторая монета Г Г Ц Ц Г Г Ц Ц
Третья монета Г Ц Г Ц Г Ц Г Ц
Всео 8 вариантов. Все они имеют равные шансы. И тольо при

одном из них (он выделен полужирным шрифтом) все три монеты
упадут ербом вверх. Ита, вероятность тоо, что все три монеты
1
упадут ербом вверх, равна --- .
8
Продолжим усложнять задачу.
Пример 9. Подброшены четыре монеты. Каова вероятность то-

о, что все четыре монеты оажутся ербом вверх?
Таблица 2.9
№ вари- 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
анта
Первая Г Г Г Г Г Г Г Г Ц Ц Ц Ц Ц Ц Ц Ц
монета
Вторая Г Г Г Г Ц Ц Ц Ц Г Г Г Г Ц Ц Ц Ц
монета
Третья Г Г Ц Ц Г Г Ц Ц Г Г Ц Ц Г Г Ц Ц
монета
Четвертая Г Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г Ц Г Ц
монета
Аналоично предыдущему примеру получим, что вероятность

1
тоо, что все четыре монеты упадут ербом вверх, равна ------ .
16
Теперь вам нетрудно будет подсчитать, аова вероятность то-

о, что из пяти и шести подброшенных монет все оажутся упав-
шими ербом вверх.
Вычислите эти вероятности.
Примеры, оторые мы рассмотрели, подсазывают нам опреде-

ленный метод оличественноо определения шансов наступления
неотороо исхода опыта. Рассмотрим, например, подбрасывание
монеты. Мы ранее на повседневном язые оворили, что осуществле-
ние выпадения ерба имеет «один шанс из двух»; на математичесом
1
язые оворят, что «вероятность выпадения ерба равна --- ». Сим-
2
воличеси это записывают та:
1
Р(ерб) = --- .
2
Точно та же при бросании иральноо убиа рань, на ото-
рой изображено 5 точе, имеет один шанс из шести оазаться на-
верху; поэтому мы сажем, что «вероятность выпадения пяти оч-
1
ов равна --- ». Символичеси это записывают та:
6
1
Р(пять очов) = --- .
6
Аналоично при вытяивании из олоды в 36 арт одной арты
есть тольо один шанс из 36 вытянуть пиовоо туза. Говорят, что
1
«вероятность появления пиовоо туза равна ------ » и записывают:
36
1
Р(пиовый туз) = ------ .
36
Рассмотрим еще несольо примеров.
Пример 10. Из олоды в 36 арт науад вынимают одну арту. Ка-

ова вероятность тоо, что будет извлечен: а) пиовый туз; б) туз?
На первый вопрос ответ мы получили выше: Р(пиовый туз) =
1
= ------ . А извлечь туз безразлично аой масти можно с бXольшими
36
шансами, ведь в олоде 4 туза, т. е. при вытяивании арты извле-
ченным может оазаться туз любой из четырех мастей, шансы уве-
4 1
личиваются в 4 раза. Поэтому Р(туз) = ------ = --- .
36 9
Пример 11. В лассе внеочередной дежурный определяется жре-

бием среди 10 челове, еще не дежуривших в этом месяце. На 10 ар-
точах пишутся имена претендентов, после чео все арточи тща-
тельно перемешиваются в оробе и одну арточу вынимают
науад. Тот, чье имя написано на этой арточе, назначается де-
журным. Если имя «Серей» написано на одной арточе, то шан-
сы Серею быть дежурным равны 1 из 10, та а все исходы же-
ребьеви можно считать равновозможными. Поэтому
1
Р(дежурить будет Серей) = ------ .
10
Представьте себе, что то-то имя «Серей» вписал на трех ар-

точах. Тода ео шансы дежурить были бы равны 3 из 10, и
3
Р(дежурить будет Серей) = ------ .
10
Обратите внимание на то, что в знаменателе, а и в предыду-

щем примере, стоит общее число исходов рассматриваемоо опыта
(вытяивание одной арты из 36 или одной арточи из 10), а в чис-
лителе — число тех исходов, при оторых происходит интересую-
щее нас событие (извлечен туз, дежурить будет Серей). Та а
арточи, по условию, вытяивались науад, после тщательноо пе-
ремешивания, то можно считать исходы опыта равновозможными.
Ита, для нахождения вероятности рассматриваемоо события
(дежурить будет Серей) нужно из всех равновозможных исходов
выделить та называемые «блаоприятствующие исходы». Затем
вероятность рассматриваемоо события вычисляется по следующе-
му правилу:
число блаоприятствующих исходов
Р(события) = ----------------------------------------------------------------------------------------------------------- .
число всех равновозможных исходов
Пример 12. Иральный уби бросают один раз. Чему равна ве-
роятность тоо, что на верхней рани убиа оажется: а) четное
число очов; б) число очов, большее 2?
а) Выпадения всех шести раней равновозможны. Четное чис-
ло очов на трех ранях: 2, 4, 6. Поэтому вероятность выпадения
четноо числа очов равна
P(четное число очов) =
число блаоприятствующих исходов 3 1
= ----------------------------------------------------------------------------------------------------------- = --- = --- .
число всех равновозможных исходов 6 2
б) Число очов, большее 2, имеется на четырех ранях: 3, 4, 5, 6.

Поэтому
4 2
Р(число очов больше 2) = --- = --- .
6 3
Пример 13. Подбрасывают две монеты. Каова вероятность тоо,

что: а) обе они упадут вверх ербом; б) одна упадет вверх ербом,
а друая — вверх цифрой?
Всео возможны четыре исхода: ГГ, ГЦ, ЦГ, ЦЦ. Все они рав-
новозможны. Обе монеты упадут ербом вверх при одном исходе ГГ.
1
Поэтому Р(ГГ) = --- . Этот результат мы ранее получили в примере 7.
4
Одна монета упадет ербом вверх, а друая — вверх цифрой при

2 1
двух исходах ГЦ или ЦГ. Р(ГЦ или ЦГ) = --- = --- .
4 2
Пример 14. В лассе учатся 15 мальчиов и 10 девоче. По жре-

бию выбирают одноо учениа для выполнения поручения лас-
сноо руоводителя. Каова вероятность тоо, что выбранным оа-
жется мальчи.
Всео 25 исходов, та а выбранным может оазаться любой
учащийся в лассе. Все исходы равновозможны. Мальчи оа-
жется выбранным при любом из 15 исходов. Поэтому Р(мальчи) =
15 3
= ------ = --- .
25 5
Пример 15. Пусть в примере 4 о приеме на работу из 15 чело-

ве, подавших заявление, 6 претендентов — женщины. Као-
ва вероятность тоо, что предпочтение будет отдано женщи-
не?
Всео 15 исходов, та а на работу моут принять любоо из
15 челове, подавших заявление. Все исходы равновозможны (вы-
бор осуществляется случайным образом). Женщина оажется вы-
6 2
бранной при любом из 6 исходов. Поэтому Р(женщина) = ------ = --- .
15 5
Вероятностью события называют отношение числа исходов

опыта, блаоприятствующих событию, общему числу равновоз-
можных исходов опыта.
Если э сперимент может привести любому из N различ-
ных равновозможных исходов и если в точности N(A) из этих
исходов соответствуют событию А, то вероятность события А
равна
N(A )
P(A) = -------------- .
N
Петя упил один билет лотереи, в оторой разырывается 10

призов и продано 120 билетов.
а) Каова вероятность тоо, что он выирает приз?
б) Каова вероятность тоо, что он не выирает приз?
В орзине лежат 28 ябло расноо и зеленоо цветов. Из-

вестно, что вероятность вытянуть яблоо зеленоо цвета, не
3
лядя в орзину, равняется --- . Сольо расных ябло в ор-
7
зине?
В орзине лежат яблои расноо и зеленоо цветов, расно-

о — 8 шту. Известно, что вероятность вытянуть яблоо зе-
2
леноо цвета, не лядя в орзину, равняется --- . Сольо всео
5
ябло в орзине?
Андрей и Оле дооворились, что если при бросании двух и-

ральных убиов в сумме выпадет число очов, ратное 5, то
выирывает Андрей, а если в сумме выпадет число очов,
ратное 6, то выирывает Оле. У оо из мальчиов больше
шансов выирать?
На вопрос, аие исходы опыта считать равновозможными, а

мы отмечали выше, математиа ответа не дает. Проверить предпо-
ложение о равновозможности исходов опыта можно эсперимен-
тально, проведя довольно большое число опытов.
Ка проверить, является ли иральный уби правильным?
Ка проверить, равновозможны ли все исходы при вращении

рулети?
Говорят, что известный францзсий математи Д’Аламбер (1717—1783)

при решении задачи о вероятности выпадения двх ербов при подбра-
сывании двх монет рассждал та: при подбрасывании двх монет есть
три возможных исхода опыта: 1) «выпало два ерба»; 2) «выпали один ерб и одна циф-
ра»; 3) «выпали две цифры». Он дмал, что ни один из исходов не имеет по сравнению
с дрими больше шансов настпить, и поэтом аждый из этих исходов настпает с ве-
роятностью 1-- . Если бы это было верно, то аждый из этих исходов встречался бы при-
3
мерно в 1-- всех проведенных опытов с подбрасыванием двх монет. Для провери опыт
3
с подбрасыванием двх монет был проведен 300 раз. Оазалось, что дважды ерб выпал
86 раз, один ерб и одна цифра — 141 раз, две цифры — 73 раза. Эти резльтаты сви-
детельствют в польз решения, приведенноо при решении примера 7, соласно ото-
ром мы вправе были ожидать, что выпадение одноо ерба и одной цифры встретится
приблизительно в два раза чаще, чем выпадение двх ербов или двх цифр.
Известны и дрие примеры, ода неравновозможные исходы принимались за рав-
новозможные, вследствие чео полчали неправильные резльтаты1.
Один боатый джентльмен — предположительно Велиий ерцо Тосансий — по-
жаловался Галилею (1564—1642), что иральные ости не вседа ведт себя, а бы это
1 См. ниу: С. Дайменд. Мир вероятностей. — М.: Статистиа, 1970.

следовало соласно лоие. Он знал по опыт (а это, по-видимом, был достаточно бо-
атый опыт), что при ире тремя биами лече полчить 10, чем 9, т. е. при бросании
трех иральных биов чаще выпадает 10 очов по сравнению с 9 очами. Это ео див-
ляло, та а, по ео мнению, имеется ровно стольо же возможностей полчить смм
9, а и смм 10. Он составил из трех иральных биов шесть омбинаций, аждая из
оторых давала в смме по 9 очов, и шесть дрих омбинаций, составляющих аждая
по 10 очов. Эти омбинации представлены в таблице 2.10.
Таблица 2.10
Комбинации, оторые Комбинации, оторые

дают 9 оч ов дают 10 оч ов
6+2+1 6+3+1
5+3+1 6+2+2
5+2+2 5+4+1
4+4+1 5+3+2
4+3+2 4+4+2
3+3+3 4+3+3
В чем же залючается, спросил Велиий ерцо Галилея, наршение правильности хо-

да действий. Галилей азал ем на ошиб. Давайте вместе разберемся в этой ошибе.
Сначала рассмотрим опыт с бросанием двх иральных биов. При этом можно
полчить любю смм очов от 2 до 12. Можно было бы дмать, что в задаче имеется
1
11 возможных слчаев и вероятность появления аждоо из них равна ----- . Но это не та.
11
Опыт поазывает, что, например, смма 7 появляется мноо чаще, чем смма 12. Это
и понятно, та а 12 можно полчить тольо в виде: 6 + 6 = 12, а 7 — мноими спосо-
бами: 1 + 6 = 2 + 5 = 3 + 4 = 4 + 3 = 5 + 2 = 6 + 1 = 7. Первым записано число очов
на первом бие, а вторым — на втором. Та что 11 названных слчаев нельзя считать
равновозможными. Для подсчета вероятностей появления любой сммы очов приходит-
ся исходами опыта считать пары чисел, первое из оторых харатеризется определенным
числом очов, выпавших на первом бие, второе — определенным числом очов, выпав-
ших на втором бие. Все исходы представлены в таблице 2.11.
Естественно, эти 36 слчаев считать равновозможными. Опыт поазывает, что в сл-
чае правильных биов, сделанных из однородноо материала, не налитых, например
свинцом, и надлежащих приемов бросания (например, после встряхивания в стаанчи-
е) эти 6 · 6 = 36 слчаев появляются при большом числе бросов примерно одинаово
часто. Для смм очов на двх биах полчаем следющие вероятности (табл. 2.12).
Обратите внимание на то, что исходы, блаоприятствющие аждой смме очов, распо-
ложены вдоль диаоналей в таблице: 2 = 1 + 1; 3 = 1 + 2 = 2 + 1; 4 = 1 + 3 = 2 + 2 =
= 3 + 1; 9 = 3 + 6 = 4 + 5 = 5 + 4 = 6 + 3 и т. д.
Таблица 2.11
Число оч ов Число оч ов на 2-м би е

на 1-м би е 1 2 3 4 5 6
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
Таблица 2.12
Смма 2 3 4 5 6 7 8 9 10 11 12
Число блаоприятствющих 1 2 3 4 5 6 5 4 3 2 1
слчаев
1 2 3 4 5 6 5 4 3 2 1
Вероятность ----- ----- ----- ----- ----- ----- ----- ----- ----- ----- -----
36 36 36 36 36 36 36 36 36 36 36
Обратите внимание на то, что в таблицах 2.11 и 2.12 представлены все исходы опы-
та, состоящео в бросании двх иральных биов. Из них можно выделить исходы,
блаоприятствющие, например, следющим событиям:
А — «смма очов на биах меньше 5»;
В — «смма очов на биах ратна 3».
Однао исходы, при оторых настпают, например, события:
С — «на первом бие выпало вдвое больше очов, чем на втором»;
D — «на биах выпало одинаовое число очов»
можно выделить из исходов, представленных в таблице 2.11, и нельзя выделить из исхо-
дов, представленных в таблице 2.12: ведь по смме очов нельзя определить, аое число
очов выпало на аждом бие. Говорят, что исходы в таблице 2.11 «мельче» по сравне-
нию с исходами в таблице 2.12. Чем «мельче» описаны исходы опыта, тем больше событий
можно выразить через них, т. е. выделить те исходы, оторые блаоприятствют им.
Более «мел ие» исходы чаще, по сравнению с « рпными», о азываются равновоз-
можными.
В задаче с бросанием трех иральных биов исходами опыта бдем считать трой-
и чисел, первое из оторых харатеризется числом очов, выпавших на первом
бие, второе — числом очов, выпавших на втором бие, третье — числом очов,
выпавших на третьем бие. Ясно, что всео имеется 6 · 6 · 6 = 216 равновозможных
слчаев. Галилей заметил, что любая омбинация из трех различных чисел, например
6 + 2 + 1, встречается в 6 исходах: 6 + 2 + 1, 6 + 1 + 2, 2 + 6 + 1, 2 + 1 + 6, 1 + 6 + 2,
1 + 2 + 6. Комбинация, в оторю входит тольо два различных числа, например 4 + 4 + 1,
встречается при трех исходах: 4 + 4 + 1, 4 + 1 + 4, 1 + 4 + 4. А омбинация, в оторой
все числа одинаовые, например 3 + 3 + 3, встречается тольо в одном исходе. Дрими
словами, омбинации, представленные в таблице 2.10, не являются равновозможными.
Использя вышеприведенные рассждения, дополним эт таблиц (табл. 2.13).
Таблица 2.13
Число слчаев, Число слчаев,

Комбинации, Комбинации,
в оторых в оторых
оторые дают оторые дают
встречается встречается
9 оч ов 10 оч ов
омбинация омбинация
6+2+1 6 6+3+1 6
5+3+1 6 6+2+2 3
5+2+2 3 5+4+1 6
4+4+1 3 5+3+2 6
4+3+2 6 4+4+2 3
3+3+3 1 4+3+3 3
Всео 25 Всео 27
25
Следовательно, вероятность выпадения сммы 9 равна -------
- , а вероятность выпа-
216
27
дения сммы 10 равна -------
- . Теперь понятно, почем при ире тремя биами число 9
216
Велиоо ерцоа появлялось реже, чем 10.
Инода, чтобы полчить довлетворительные резльтаты для опытов, исходы ото-
рых, а мы знаем заранее, не являются равновозможными, можно допстить их равно-
возможность. Например, несмотря на то, что известно, что вероятности рождения маль-
чиа и девочи соответственно равны 0,515 и 0,485, часто допсают, что новорожден-
ный имеет одинаовые шансы оазаться мальчиом или девочой. И для мноих
пратичесих задач таое допщение вполне приемлемо.
Вплотню лассичесом определению вероятности через отношение

оличеств равновозможных событий подошел Д. Кардано (1501—1576)
в ХVІ столетии. Он сформлировал правило для подсчета размера ставо,
оторое было близим этом определению. Фатичеси лассичесим определением
пользовались в своих работах Г. Галилей (1564—1642), Б. Пасаль (1623—1662), П. Фер-
ма (1601—1665), X. Гюйенс (1629—1695), Я. Бернлли (1654—1705), Т. Бейес (1702—1761)
и дрие ченые. Классичесое определение вероятности в современном виде предло-
жил П. Лаплас (1749—1827) в начале XIX столетия. Ео использют в том слчае, если
сществет возможность предсазания вероятности на основе симметрии словий, при
оторых происходит опыт.
1. Можно ли считать равновоз- деталь браована;

можными следующие исходы: ) подбрасывание нопи —
а) «промах» и «попадание» у от- нопа упала острием вверх
личноо стрела; или вниз?
б) «выпал ерб» и «выпала циф- 3. При проведении эсперимен-
ра» при подбрасывании дефор- та моут наступить 10 равновоз-
мированной монеты; можных исходов, взаимно ис-
в) «выпало 1—6 очов» при бро- лючающих дру друа. Чему рав-
сании правильноо иральноо на вероятность события, оторое
убиа; происходит:
) «выпало 1—6 очов» при бро- а) тольо при одном исходе;
сании деформированноо и- б) при любом из двух опреде-
ральноо убиа? ленных исходов?
2. Исходы аоо случайноо 4. В результате эсперимента
эсперимента можно считать происходят равновозможные ис-
равновозможными: ходы, взаимно ислючающие
а) подбрасывание правильноо дру друа. Вероятность любоо
тетраэдра — номер рани, на из них равна 0,05. Найдите
оторую упал тетраэдр; число этих исходов.
б) стрельба перволассноо 5. При 10 подбрасываниях пра-
стрела по мишени — попада- вильной монеты аждый раз вы-
ние или непопадание в мишень; падал ерб. Что вероятнее при
в) провера стандартности де- следующем подбрасывании: вы-
тали — деталь стандартна или падет ерб или цифра?
Задачи
90.° В лотерее из одиннадцати билетов выирывают три. Као-
ва вероятность тоо, что науад взятый билет:
а) выирает; б) не выирает?
91.° Из полноо набора остей домино (28 шту) науад выбира-
ют одну. Найдите вероятность тоо, что:
а) выбранная ость является шестерой;
б) сумма очов на ости равна 5.
92. Числа от 1 до 15 написаны на 15 арточах по одному на

аждой. Выбирают науад одну арточу. Чему равна вероятность
тоо, что написанное на этой арточе число:
а)° делится на 5;
б)° является четным;
в)° является нечетным;
) является точным вадратом;
д) двузначное;
е) простое?
93.° В ящие в три раза больше расных шаров, чем черных
(шары одинаовы во всем, роме цвета). Науад вынимают один
шар. Каова вероятность тоо, что он:
а) расный; б) черный?
94. Числа от 1 до 20 написаны на листах бумаи, оторые по-
местили в оробу и перемешали. Из ороби науад взяли один
лист. Каова вероятность тоо, что число на взятом листе будет или
простым, или ратным трем?
95. В вазе 20 хризантем, из них четыре белых, пять синих, во-
семь расных, остальные желтые. Из вазы наудачу 30 раз выни-
мают цвето, возвращая ео после аждоо извлечения. При этом
в шести случаях цвето оазался белым, в семи — синим, в 12 —
расным и в пяти — желтым.
а)° Найдите вероятность и относительную частоту события «из-
влеченный цвето — желтый».
б) Сравните вероятность и относительную частоту события «из-
влеченный цвето — желтый».
96.° Два ироа одновременно поазывают дру друу либо один,
либо два, либо три пальца на правой руе. Если для аждоо иро-
а равновозможно поазать один, два или три пальца, то чему рав-
на вероятность тоо, что общее число поазанных пальцев:
а) четно; б) нечетно; в) больше четырех;
) меньше двух; д) простое; е) составное?
97. Из тщательно перетасованной олоды в 36 арт науад вы-
бирают одну арту. Каова вероятность тоо, что она оажется:
а) пиовой масти; б) тузом; в) расной масти;
) артиной (т. е. или валетом, или дамой, или оролем, или
тузом)?
98. Из набора домино, состоящео из 28 остей, науад выбира-
ют одну. Каова вероятность тоо, что эта ость:
а) будет содержать 6 очов;
б) оажется дублем;
в) не оажется дублем?
99. Из був слова «математиа» науад выбирают одну буву.
Каова вероятность тоо, что это оажется:
а) бува «м»; б) бува «а»;
в) ласная бува; ) соласная бува?
100. Бросают два иральных убиа. Каова вероятность тоо,
что сумма выпавших очов оажется равной:
а) 2; б) 3; в) 4; ) 7; д) 12?
101. Грани убиа орашены в синий и зеленый цвета. Веро-
1
ятность выпадения синей рани равна --- , вероятность выпадения
3
2
зеленой рани равна --- . Сольо синих и сольо зеленых раней
3
у убиа?
102. Поставим 120 фише на ружо А
(рис. 19). Будем подбрасывать монету и пе-
ремещать фиши одну за друой с А на Б,
если выпал ерб, и с А на В, если выпала
цифра. С фишами на Б поступим та: бу-
дем подбрасывать иральный уби и пере-
мещать фиши одна за друой — если вы-
пала 1, то на Д, если не выпала 1, то на Г —
Рис. 19
и та до тех пор, поа ружо Б не опусте-
ет. Тода перейдем фишам на В: при вы-
падении 1 будем отправлять их на Д, при выпадении остальных
цифр — на Е, и та до тех пор, поа ружо В тоже не опустеет.
Сольо примерно фише оажется на ружах Г, Д и Е?
103. Найдите ошибу в следующих рассуждениях. Чтобы опре-
делить вероятность тоо, что науад выбранный ражданин Ураины
живет в определенном реионе (одна автономная республиа, 24 об-
ласти и два орода осударственноо подчинения), число случаев,
блаоприятствующих наступлению рассматриваемоо события (1),
1
делят на общее число реионов (27); при этом получают ------ .
27
104. Одновременно бросают два ираль-
ных убиа, разверти оторых изображе-
ны на рис. 20. Принимаются стави на сум-
мы очов, оторые выпадут на обоих уби-
ах. Найдите вероятность тоо, что сумма
будет равняться 0, 1, 2. На аое число оч-
ов вы поставите? Рис. 20
105. Чему равна вероятность тоо, что при бросании двух и-
ральных убиов:
а) число очов на одном убие будет в 2 раза больше числа оч-
ов на друом убие;
б) выпадет разное число очов на обоих убиах;
в) число очов на одном убие будет на 2 меньше числа очов
на друом;
) число очов на одном убие будет по райней мере на 2 боль-
ше, чем число очов на друом убие?
106. Одновременно подбрасывают две монеты. Составьте для
этоо опыта:
а) систему равновозможных исходов;
б) систему неравновозможных исходов;
в) событие, оторое описывается исходами системы а), но не
описывается исходами системы б).
107. В ошелье 25 монет, из них 15 ниелевых, остальные —
медные. Из нео наудачу 50 раз вынимают монету, возвращая ее
после аждоо извлечения. При этом в 19 случаях монета оаза-
лась медной.
а) Найдите вероятность тоо, что при неотором извлечении вы-
нута медная монета.
б) Найдите относительную частоту события «извлечена медная
монета» и сравните ее с вероятностью этоо события.
108. Из ящиа, в отором три белых и два черных шара, слу-
чайно извлеают два шара. Миша и Маша дооворились, что если
шары будут одноо цвета, то победителем будет Маша, если разно-
о — Миша. У оо из детей больше шансов стать победителем?
109. Из олоды в 36 арт науад выбирают одну арту. Каова
вероятность тоо, что это не будет артина (шестера, семера,
восьмера, девята, десята)?
§ 2.3. Сбъетивная вероятность

В предыдущих парарафах о вероятности неотороо события
оворилось в двух случаях: при существовании большоо числа
статистичеси устойчивых опытов и при онечном числе равновоз-
можных исходов эсперимента.
Инода вероятность рассматривают а неоторую меру лично-
о доверия аому-либо утверждению, например утверждению
о том, что сеодня будет сне. Таие вероятности часто называют
§ 2.3. Субъетивная вероятность 153
сбъетивными. Стороннии таоо подхода оцене вероятнос-

ти считают, что различные лица моут проявлять различную сте-
пень доверия тому или иному утверждению, исходя из одних и тех
же фатов, поэтому субъетивные вероятности аоо-либо события
моут оазаться различными. Они применяют теорию вероятнос-
тей не тольо анализу статистичеси устойчивых эспериментов
и эспериментов с онечным числом равновозможных исходов, но
и мноих друих. Например, они моут оворить о вероятности свер-
шения террористичесоо ата в том или ином реионе, в той или
иной стране.
Субъетивную оцену вероятности получают на основе сужде-
ния определенноо лица о вероятности неотороо события. Таой
подход может поазаться не научным, однао часто оазывается,
что это есть лучшее, что можно сделать в отсутствие предыдущео
опыта (т. е. не имея возможности использовать относительную час-
тоту) и в отсутствие равновозможности исходов эсперимента (т. е.
без возможности вычислить теоретичесое значение вероятности).
Один из путей улучшения ачества подхода на основе субъетив-
ной оцени вероятности состоит в использовании мнения эсперта
в данной области. Например, можно воспользоваться мнением спе-
циалиста по бановсим инвестициям для оцени вероятности то-
о, что слияние онурирующих фирм оажется успешным, или
мнением инженера о техничесой осуществимости новоо техноло-
ичесоо подхода в области энеретии, или мнением спортивноо
специалиста о шансах той или иной оманды в соревновании и т. д.
Кода челове оворит, что с вероятностью 0,9 он выйдет завтра
утром на проулу, то фатичеси он учитывает ряд условий, ото-
рым он пришел на основании размышлений. Например, этими усло-
виями моут быть следующие: нему нито не должен прийти, по-
ода позволит выйти на проулу, дела не помешают этой проуле,
состояние здоровья не будет препятствовать проуле и т. д. При
этом не ислючается возможность тоо, что одно из перечисленных
условий не даст осуществить проулу. Ясно, что приведенная ве-
роятность носит субъетивный харатер: у друоо человеа по по-
воду вероятности тоо же события моут быть друие суждения.
Кода челове ставит себе задачу оценить вероятность события А,
он учитывает а природу события А, та и все, что он знает отно-
сительно различных возможностей, оторые моут блаоприятст-
вовать или не блаоприятствовать осуществлению события А.
Мноие считают, что оличественные оцени для вероятностей
тех или иных поступов отдельных лиц (физичесих или юридиче-
сих) едва ли можно считать интересными в научном плане. Эти
вероятности имеют отношение лишь данному лицу и в большой

степени зависят от ео психолоичесих и физиолоичесих осо-
бенностей и даже от ео состояния в данный момент. Выводы, о-
торые при этом будут получены, несправедливы не тольо для дру-
их людей, но и для тоо же лица в друое время. В то же время
выводы, сделанные на основании субъетивных оцено вероятнос-
тей, моут представлять определенный интерес.
Пример. Против неоторой фирмы возбуждено судебное дело.

Предъявлен ис на 50 000 денежных единиц. Нужно выбрать оп-
тимальную стратеию для защиты интересов фирмы. Для этоо
требуется оценить, насольо правдоподобными являются различ-
ные возможные исходы дела. Юридичесая служба фирмы предла-
ает уладить дело без судебноо разбирательства, путем переово-
ров. Возможны следующие представляющие интерес события:
1) уреулирование вопроса с затратами менее 1000 денежных
единиц;
2) уреулирование вопроса с затратами от 1000 до 10 000 денеж-
ных единиц;
3) уреулирование вопроса с затратами более 10 000 денежных
единиц.
Ка определить вероятности этих событий? Достаточное оли-
чество аналоичных случаев, оторое позволило бы применить ста-
тистичесий подход, отсутствует. Исходы неравновозможны, по-
этому неприменима и лассичесая модель. Остается единствен-
ный путь — провести субъетивную оцену вероятности. Изучив
все обстоятельства дела, юридичесая служба представила следую-
щие значения субъетивной вероятности:
1) уреулирование вопроса с затратами менее 1000 денежных
единиц — 0,10;
2) уреулирование вопроса с затратами от 1000 до 10 000 денеж-
ных единиц — 0,65;
3) уреулирование вопроса с затратами более 10 000 денежных
единиц — 0,15.
Обратите внимание на то, что сумма этих вероятностей равна
0,90, при этом остается вероятность в 0,10, что дело будет решать-
ся в суде.
Эти субъетивные вероятности представляют наилучшую из до-
ступных оцено правдоподобия различных вариантов развития
событий, и из них следует, что, вероятно, вопрос можно будет уре-
улировать со средними затратами, существенно меньшими 50 000
денежных единиц. Теперь можно воспользоваться этими значения-
§ 2.3. Субъетивная вероятность 155
ми вероятности для тоо, чтобы принять непростые решения отно-

сительно типа и объема доводов, оторые можно привести в защи-
ту интересов фирмы.
Ита, можно оворить о трех источниах получения вероятнос-

тей для их использования в реальной жизни: найти относительную
частоту (с помощью эсперимента), вычислить теоретичесое зна-
чение вероятности (используя формулы) или воспользоваться
субъетивной оценой вероятности (на основе эспертных залю-
чений).
1. На основе данных за прошлый условии, что вовремя удастся

од было установлено, что 40% принять на работу новоо про-
посетителей неотороо маази- раба, однао, несмотря на это,
на не бывали в нем ранее. В то ситуация останется рисован-
время а неоторые пришли ной. По ео мнению, вероят-
просто посмотреть, 30% посети- ность своевременно нанять но-
телей что-либо упили. Однао воо прораба равна 70%. Если
среди тех, то раньше в маази- прораб будет принят на работу
не не был, поупу совершили вовремя, то вероятность успеха
тольо 20%. Каие типы вероят- составит 80%, в противном слу-
ностей здесь уазаны — с точи чае вероятность успеха соста-
зрения тоо, аов их источни? вит тольо 40%. Каие типы
2. Руоводитель считает, что вероятностей здесь уазаны —
рафи работ на строительстве с точи зрения тоо, аов их
объета можно выполнить при источни?
Задачи
110. Уажите, аой вы считаете вероятность победы вашей
шольной футбольной оманды в первенстве района среди шоль-
ных оманд? На основании чео вы пришли таому выводу?
111. Уажите, аими вы считаете вероятности поступления
в три выбранные вами вуза? На основании чео вы пришли тао-
му выводу? Ка вы используете эту информацию в процессе пос-
тупления в вуз?
112. Предполаается отрыть новое афе. Есть неоторые шан-

сы получить место для нео в одном из двух районов. Для аждоо
района различны шансы успеха проета. Ка можно оценить те
и друие шансы? Попытайтесь составить соответствующий бизнес-
план проета.
§ 2.4. Вероятностная модель слчайноо опыта

В предыдущих трех парарафах были рассмотрены три способа
нахождения вероятностей случайных событий: статистичесий,
лассичесий и субъетивный. Каждый из них имеет свою сферу
применения, свои достоинства и недостати.
Статистичесое определение вероятности имеет широую сферу
применения, оно тесно связано с пратиой. Однао требуются
большие усилия по проведению эспериментов, оно имеет мноо
«слабых мест». Что значит «достаточно большое оличество опы-
тов»? Насольо может отлониться частота от вероятности при
данном числе опытов? Поэтому статистичесое определение не яв-
ляется строим определением вероятности.
Классичесое определение вероятности более строо с мате-
матичесой точи зрения, оно понятно для применения. Однао
имеет очень ораниченную сферу использования: оно применимо
тольо анализу эспериментов с онечным числом равновозмож-
ных исходов. Таие случайные опыты на пратие встречаются
не часто.
Понятие субъетивной вероятности вообще не поддается мате-
матичесой формализации. Но оно ценно тем, что иллюстрирует,
а в тех случаях, ода неприменимы ни статистичесая, ни
лассичесая вероятности для случайных событий, моут быть
определены вероятности.
Что же объединяет рассмотренные подходы определению ве-
роятности события? Ответ на этот вопрос и составляет содержание
настоящео парарафа. Крато этот ответ можно сформулировать
та: аждый из этих подходов позволяет таим образом приписы-
вать событиям положительные числа, не превышающие 1 (их на-
зывают вероятностями), что они обладают свойствами, подобными
свойствам длин, площадей, объемов и вообще чисел, полученных
при измерении величин. Друими словами, все эти подходы приво-
дят построению математичесой модели случайноо опыта, ото-
рую называют вероятностной моделью.
§ 2.4. Вероятностная модель случайноо опыта 157
2.4.1. Пространство элементарных исходов опыта

В дальнейшем мы ораничимся рассмотрением опытов с онеч-
ным числом исходов.
Чтобы построить вероятностную модель таоо случайноо опы-
та, проанализируем еще раз струтуру решения задачи, основанно-
о на лассичесом определении вероятности. Решение начиналось
с описания всех возможных исходов опыта, взаимно ислючаю-
щих дру друа. Из тех или иных соображений предполаалось,
что они равновозможны. Подсчитывалось число всех исходов опы-
та. Описывались все исходы опыта, при оторых наступает интере-
сующее нас событие, и подсчитывалось их оличество. И в онце
онцов вычислялась вероятность события. Описанную модель и со-
ответствующую вероятность называют лассичес ой.
Первым шаом при построении лассичесой вероятностной мо-
дели было описание совоупности ео простейших исходов, ото-
рую называют пространством элементарных исходов опыта.
Пример 1. Описать совоупность простейших исходов опыта, со-

стоящео в подбрасывании двух различных монет.
Дать таое описание однозначно нельзя. Ответ зависит от то-
о, что нас интересует в эсперименте.
Если нас интересует, что выпало при аждом подбрасывании:
ерб или цифра, то множество
U1 = {ГГ, ГЦ, ЦГ, ЦЦ},
де, например, ГЦ означает, что при подбрасывании первой моне-

ты выпал ерб, при подбрасывании второй — цифра, представляет
собой списо всех возможных исходов нашео опыта.
Если нас интересует число выпавших ербов, то списо всех воз-
можных исходов опыта представляет собой множество
U2 = {0, 1, 2},
де аждый элемент соответствует числу выпавших ербов.

Можно считать простейшими исходами опыта и таие ео ре-
зультаты, а «монеты упали одинаово» (обе ербом или обе циф-
рой вверх) и «монеты упали по-разному», т. е. совоупность всех
возможных исходов опыта есть множество
U3 = {О, Р},
де О означает «одинаово», Р — «различно».

Исходы, оторые содержатся в U1 и U3 , равновозможны, исхо-

ды, входящие в U2, неравновозможны, в чем можно убедиться с по-
мощью проведения эспериментов. Имеем две лассичесие моде-
ли эсперимента, вторую модель нельзя отнести лассичесим,
в ней не равны вероятности простейших исходов. Первая из постро-
енных моделей позволяет вычислять вероятности большео числа
событий. Та, вероятности событий «монеты упали одинаово»,
«монеты упали не одинаово» можно вычислить и в модели U1, и
в модели U3 , а вероятности событий «ерб выпал по райней мере
один раз» или «цифра выпала два раза» можно вычислить тольо
в модели U1.
Обратите внимание на то, что аждому простейшему исходу во
множестве U2 соответствует подмножество множества U1: 0 º {ЦЦ},
1 º {ГЦ, ЦГ}, 2 º {ГГ}. Аналоично устанавливается соответст-
вие между элементами U3 и подмножествами U1: О º {ГГ, ЦЦ},
Р º {ГЦ, ЦГ}.
Следовательно, с помощью множества U1 можно построить и U2,
и U3 . В дальнейшем будем отдавать предпочтение описанию «само-
о большоо» множества исходов опыта, если не будет дополни-
тельных требований. Таой выбор в приложениях часто дитуется
потребностями.
Таим образом, в данном примере дано описание трех совоуп-
ностей элементарных исходов данноо случайноо опыта. И в этом
нет противоречий. То, что считается простейшим элементарным
исходом с одной точи зрения, с друой — может состоять из более
простых элементов.
Можно ли считать множеством элементарных исходов опыта,

состоящео в бросании иральноо убиа, множество:
а) U = {1, 2, 3, 4, 5, 6};
б) U = {Ч, Н}, де Ч означает, что выпало четное число очов,
а Н — нечетное;
в) U = {П, С}, де П означает, что число выпавших очов явля-
ется простым, а С — составным;
) U = {< 4, > 2}, де < 4 означает, что выпало менее 4 очов,
а > 2 — более 2?
Рассмотренный пример позволяет осознать, что причиной оши-

бо, допущенных и Д’аламбером, и ерцоом Тосансим, явля-
ется попыта применить лассичесое определение вероятности
модели, оторая не является лассичесой. Эту ошибу допуса-
ют мноие начинающие изучать вероятность.
Пример 2. Описать совоупность элементарных исходов опыта,

состоящео в двуратном бросании иральноо убиа.
Ка и в примере 1, таое описание выполняется неоднозначно.
Исходами опыта моут служить пары цифр (i, j), i, j = 1, 2, ..., 6,
де первая цифра — результат первоо броса, вторая — второо.
Соответствующее множество элементарных исходов представим
в виде таблицы 2.14.
Таблица 2.14
Резльтат первоо Резльтат второо броса

броса 1 2 3 4 5 6
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
Если в ачестве элементарных исходов опыта выбрать суммы

выпавших очов, то множество элементарных исходов примет вид
U = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}.
Моут ли совпадать множества элементар-

ных исходов следующих опытов:
а) бросание иральноо убиа;
б) бросание дартса (маленьой стрелы) в ми-
шень, изображенную на рис. 21?
Рассмотренные примеры позволяют дать опи-

сание пространства элементарных исходов опы-
Рис. 21
та с онечным числом исходов.
Пусть имеется случайный опыт с онечным числом исходов
и1, ..., иN, та их, что при любом осуществлении опыта происхо-
дит один и толь о один из них. Множество U = {и1, ..., иN} назы-
вают пространством элементарных исходов (для рат ости
будем ео обозначать ПЭИ), а ео элементы и1, ..., иN — элемен-
тарными исходами.
Основными свойствами ПЭИ являются:

1) полнота: ПЭИ должно содержать аждый исход, оторым мо-
жет заончиться опыт;
2) взаимная ислючаемость элементарных исходов: ниаой
исход опыта не должен дважды фиурировать среди элементов
ПЭИ.
Может ли ПЭИ случайноо опыта состоять из одноо эле-

мента?
Составление ПЭИ опыта требует умения одировать информа-

цию с помощью символов.
Пример 3. Производится опрос, связанный с планами улучше-

ния жилищных условий работниов большоо предприятия. Каж-
дому из опрашиваемых задают два вопроса:
— Удовлетворены ли вы ачеством жилья?
— Удовлетворены ли вы удаленностью вартиры от места ра-
боты?
Описать ПЭИ опыта, залючающеося в опросе одноо чело-
веа.
Будем обозначать утвердительный ответ на вопрос цифрой 1,
а отрицательный — 0. Тода запись 10 означает, что опрашивае-
мый на первый вопрос ответил утвердительно, а на второй — отри-
цательно.
ПЭИ опыта, залючающеося в опросе одноо человеа, име-
ет вид
U = {11, 10, 01, 00}.
Пример 4. Пусть из ороби, содержащей 2 простых (П), 2 си-

них (С) и 2 зеленых (З) арандаша, науад одновременно вынима-
ют два арандаша. Составить ПЭИ опыта, считая, что исходами
опыта является:
а) состав извлеченных арандашей без учета поряда извле-
чения;
б) состав извлеченных арандашей с учетом поряда извле-
чения;
в) состав, описываемый оличеством простых и цветных (Ц) а-
рандашей, с учетом поряда извлечения;
) состав, описываемый оличеством простых и цветных аран-
дашей, без учета поряда извлечения.
Соответствующие ПЭИ имеют вид:

U1 = {2П, 2С, 2З, 1П 1С, 1П 1З, 1С 1З};
U2 = {ПП, ПС, ПЗ, СП, СС, СЗ, ЗП, ЗС, ЗЗ};
U3 = {ПП, ПЦ, ЦП, ЦЦ};
U4 = {ПП, ПЦ, ЦЦ}.
Исходы ни одноо из этих ПЭИ не являются равновозможными.

Если мы хотим иметь равновозможные исходы, то можно прону-
меровать, например, числами 1 и 2 простые арандаши, 3 и 4 —
синие, 5 и 6 — зеленые. Пары номеров с учетом поряда извлече-
ния описывают все исходы рассмотренноо опыта. Они равновоз-
можны. Нет оснований один из них предпочесть друому. Соответ-
ствующее ПЭИ имеет вид
U5 = {12, 13, 14, 15, 16, 21, 23, 24, 25, 26, 31, 32, 34, 35, 36,
41, 42, 43, 45, 46, 51, 52, 53, 54, 56, 61, 62, 63, 64, 65}.
Если же исходами опыта считать пары номеров извлеченных
арандашей без учета поряда их извлечения, то ПЭИ будет иметь
вид
U6 = {12, 13, 14, 15, 16, 23, 24, 25, 26,
34, 35, 36, 45, 46, 56}.
2.4.2. Вероятности элементарных исходов

Для полноо математичесоо описания случайноо опыта не-
достаточно построить ео ПЭИ. Например, ПЭИ опыта, состоящео
в двуратном подбрасывании монеты, может иметь вид U = {0, 1, 2},
де аждый элемент соответствует числу выпавших ербов. Таой
же вид имеет ПЭИ опыта, состоящео в извлечении двух шаров из
меша, содержащео три белых и два расных шара. ПЭИ этоо
опыта имеет тот же вид U = {0, 1, 2}, де 0 — оба шара белые; 1 —
один шар белый, друой расный; 2 — оба шара расные. Но это
различные опыты: в первом случае вероятности исходов соответ-
1 1 1
ственно равны --- , --- , --- (эти вероятности получены при решении
4 2 4
3 6 1
примера 13 § 2.2); во втором случае — ------ , ------ , ------ (их можно полу-
10 10 10
чить с помощью лассичесоо определения вероятности, перебрав
возможные исходы опыта). Вероятности элементарных исходов

оазались различными. Поэтому для полноо описания опыта не-
обходимо, роме перечисления всех возможных ео элементарных
исходов, еще и уазать, а часто может наступить тот или иной
элементарный исход.
Второй ша в построении вероятностной модели случайноо
опыта состоит в приписывании элементарным исходам их вероят-
ностей.
В опыте с бросанием иральноо убиа, ввиду ео симметрич-
ности, у аждой рани равные шансы оазаться сверху, т. е. можно
1
считать вероятность рi выпадения i очов равной --- , i = 1, 2, 3, 4,
6
5, 6. При этом
p1 + p2 + p3 +p4 + p5 + p6 = 1.
В ПЭИ примера 1 в связи с равновозможностью исходов про-

странства U1 = {ГГ, ГЦ, ЦГ, ЦЦ} таже естественно положить веро-
1
ятность наступления любоо исхода равной --- . Точно та же в пер-
4
вом ПЭИ примера 2 блаодаря равновозможности исходов естествен-
1
но положить вероятность выпадения любой пары очов равной ------ .
36
Однао не вседа есть основания считать исходы данноо опыта рав-
новозможными. Например, ПЭИ опыта, состоящео в одном вы-
стреле по мишени, содержит два, вообще оворя, неравновозможных
исхода. В этом случае вероятности исходов можно принять равны-
ми относительным частотам соответствующих исходов при большом
числе повторений опыта.
Описанным способом можно ввести вероятности исходов в при-
мере 3. Пусть в этом опыте 50% опрошенных положительно отве-
тили на оба вопроса, 25% — положительно на первый и отрица-
тельно на второй, 15% — отрицательно на первый и положительно
на второй, 10% — отрицательно на оба вопроса. Вероятности эле-
ментарных исходов естественно положить равными
p1 = Р(11) = 0,5;
p2 = Р(10) = 0,25;
р3 = Р(01) = 0,15;
р4 = Р(00) = 0,1;
p1 + p2 + p3 + p4 = 1.
В опыте, залючающемся в бросании стрелы в мишень, изобра-

женную на рис. 21, элементарные вероятности можно ввести, по-
ложив их равными дроби, выражающей отношение площади тоо
или иноо сетора площади руа, а именно:
p1 = 0,25; p2 = 0,05; р3 = 0,2;
р4 = 0,25; р5 = 0,15; р6 = 0,1;
p1 + p2 + p3 + p4 + p5 + p6 = 1.
Здесь предполаается, что при аждом бросании стрела попадает в

мишень.
Теперь можно завершить описание построения вероятностной
модели случайноо опыта.
Пусть случайному опыту поставлено в соответствие про-
странство элементарных исходов (ПЭИ) U = {u1, u2, ..., uN},
а аждому элементарному исходу ui — не оторое число рі, ото-
рое удовлетворяет условиям:
1) 0 < pi < 1 для всех i = l, 2, ..., N;
2) p1 + p2 + ... + pN = 1.
Числа pi называют элементарными вероятностями, или
вероятностями элементарных исходов ui, а множество U вмес-
те с вероятностями pi — вероятностной моделью слчайноо
опыта.
Почему элементарная вероятность не может быть равна:

а) 0; б) 1?
Классичесая модель получается в том случае, если все элементар-

1
ные вероятности pi равны между собой и, в силу условия 2, равны ----- .
N
Статистичесая вероятностная модель строится на основе ис-
следования относительных частот элементарных исходов случай-
ноо опыта.

Вернемся рассмотрению примера 4. Повторим описанный там
опыт 100 раз, аждый раз возвращая арандаши в оробу и тща-
тельно перемешивая их, результаты представим в таблицах 2.15—
2.20, соответствующих ПЭИ U1—U6.
Таблица 2.15
Исходы U1 2П 2С 2З 1П 1С 1П 1З 1С 1З
Частота 6 7 8 28 26 25
Относительная 0,06 0,07 0,08 0,28 0,26 0,25

частота
Таблица 2.16
Исходы U2 ПП ПС ПЗ СП СС
Частота 6 16 12 12 7
Относительная 0,06 0,16 0,12 0,12 0,07

частота
Исходы U2 СЗ ЗП ЗС ЗЗ
Частота 12 14 13 8
Относительная 0,12 0,14 0,13 0,08

частота
Таблица 2.17
Исходы U3 ПП ПЦ ЦП ЦЦ
Частота 6 28 26 40
Относительная 0,06 0,28 0,26 0,4

частота
Таблица 2.18
Исходы U4 ПП ПЦ ЦЦ
Частота 6 54 40
Относительная 0,06 0,54 0,4

частота
Таблица 2.19
Исходы U5 12 13 14 15 16 21 23 24 25 26
Частота 4 3 4 3 2 2 5 4 4 3
Относи- 0,04 0,03 0,04 0,03 0,02 0,02 0,05 0,04 0,04 0,03
тельная
частота
Исходы U5 31 32 34 35 36 41 42 43 45 46
Частота 1 4 3 2 2 3 4 4 5 3
Относи- 0,01 0,04 0,03 0,02 0,02 0,03 0,04 0,04 0,05 0,03
тельная
частота
Исходы U5 51 52 53 54 56 61 62 63 64 65
Частота 3 4 5 3 4 4 3 3 2 4
Относи- 0,03 0,04 0,05 0,03 0,04 0,04 0,03 0,03 0,02 0,04
тельная
частота
Таблица 2.20
Исходы U6 12 13 14 15 16
Частота 6 4 7 6 6
Исходы U6 23 24 25 26 34
Исходы U6 35 36 45 46 56

Ка мы раньше и предполаали, пары номеров с учетом поряда

извлечения, уазанные в таблице 2.19, представляют собой равно-
возможные исходы рассмотренноо опыта. Любой из 30 описанных
в таблице исходов появлялся приблизительно одинаовое число
раз: от 1 до 5.
Вероятности исходов рассматриваемоо опыта для аждоо про-
странства элементарных исходов естественно положить равными
относительным частотам, представленным в соответствующих таб-
лицах. Во всех рассмотренных случаях сумма вероятностей всех
исходов равна 1.
1. Приведите пример опыта д) ратным 3, четным, нечет-

с неравновозможными исхода- ным?
ми. 3. Приведите пример опыта с
2. В ящие 6 арточе, на о- тремя исходами, не образую-
торых написаны числа 1, 2, 3, щими ПЭИ.
4, 5, 6. Наудачу извлеают 4. Бросают иральный уби.
одну арточу. Образуют ли ПЭИ этоо опыта построено дву-
ПЭИ исходы опыта, состоящие мя способами: U1 = {1, 2, 3, 4,
в извлечении арточи с чис- 5, 6} (исход совпадает с числом
лом: выпавших очов) и U2 = {Ч, Н}
а) четным, нечетным; (Ч — выпало четное число оч-
б) большим 3, меньшим 3; ов, Н — нечетное число). Ка-
в) большим 3, не большим 3; ое из этих ПЭИ «боаче» собы-
) простым, составным; тиями?
Задачи
113.° Числа 1, 2, 3, 4 записывают на четырех листах бумаи.
После этоо листи ладут в оробу и перемешивают. Челове
с завязанными лазами вынимает один за друим два листа. Опи-
шите ПЭИ опыта, введите элементарные вероятности.
114. Два шара — расный и синий — помещают науад в два
ящиа, пронумерованных числами 1 и 2. Постройте ПЭИ этоо
опыта, если:
а) оба шара можно положить в один ящи;
б) ни один ящи не должен быть пустым.
115. ПЭИ опыта состоит из 10 исходов, причем девять из них

имеют равные вероятности, а последний имеет вероятность, рав-
ную сумме вероятностей пяти друих. Найдите элементарные веро-
ятности данноо опыта.
116.° В ящие пять пронумерованных шаров: три белых и два
черных. Наудачу вынимают три шара. Постройте ПЭИ этоо опыта.
117. Производится два выстрела по мишени. Постройте ПЭИ
этоо опыта и введите элементарные вероятности, если известно,
что при мнооратном ео повторении в 50% случаев имелось два,
а в 40% — одно попадание.
118. Монета исривлена и поэтому вероятность выпадения
цифры вдвое меньше вероятности выпадения ерба. Чему равны
эти вероятности?
119. Науад выбирают одну буву из слова «заон». Каие из
следующих совоупностей являются ПЭИ рассмотренноо опыта:
а) {з, а, , о, н}; б) {ласная, з, , н}; в) {а, , о, н};
) {ласная, соласная}; д) {соласная, о}?
120.° Подбрасывают монету, а после этоо бросают иральный
уби. Постройте различными способами ПЭИ этоо опыта.
121. Подбрасывают две монеты, а после этоо бросают ираль-
ный уби. Составьте для этоо опыта ПЭИ с:
а) 24 исходами; б) 18 исходами; в) 12 исходами;
) 8 исходами; д) 6 исходами; е) 4 исходами.
В аих из этих случаев исходы опыта будут равновозможны-
ми, а в аих — нет?
122. В ящие расные, белые и синие шары. Шары одинаовы
во всем, роме цвета. Один за друим вынимают два шара. Пост-
ройте различные ПЭИ этоо опыта.
123. Неая фирма выпусает шоолади. В аждую шоолад-
у владывается одна из двух фоторафий известных спортсменов.
Фоторафий аждоо спортсмена одинаовое оличество. Тому, то
соберет полный омплет фоторафий, следующая шоолада вы-
дается бесплатно. Постройте ПЭИ опыта, состоящео в том, что не-
то соберет полный омплет фоторафий или упит не более трех
шооладо.
124. Постройте ПЭИ следующих опытов и введите элементар-
ные вероятности:
а) Илу бросают на отрезо длиной 20 см, разделенный на четы-
ре части, имеющие длины 8, 6, 4 и 2 см.
б) Саовая лошадь «Фаворит» может в забее занять первое,
второе, третье или четвертое место.
в) Из леарств а, b, c, применяемых для лечения хроничесой

болезни, отбирают случайным образом два для проведения сравни-
тельноо исследования.
) Телевизионная прорамма предложила телезрителям ответить
на вопрос, поддерживается ли неоторая ация правительства, при
этом предложено три варианта ответа: «да», «нет», «не знаю».
д) На тацой фабрие из аждой сотни останово тацоо
стана, требующих последующей работы тачихи, в среднем 22 ос-
танови происходит из-за обрыва нитей основы, 31 — из-за обрыва
нитей ута, 27 — из-за смены человеа, 3 — из-за поломи пооня-
ло, а остальные останови происходят по друим причинам.
125. ПЭИ опыта состоит из пяти элементарных исходов. Элемен-
тарные вероятности p1, p2, p3 , p4, p5 образуют арифметичесую про-
рессию с разностью 0,05. Найдите эти элементарные вероятности.
§ 2.5. Слчайные события и их вероятности

Построение вероятностной модели случайноо опыта отвлело
нас от лавной цели — уточнить смысл выражения «вероятность
случайноо события». Но именно ради этой цели мы занимались
построением математичесой модели случайноо опыта. В настоя-
щем парарафе дается определение понятия вероятности случай-
ноо события, связанноо со случайным опытом.
2.5.1. Слчайное событие

Вы уже имеете представление о случайном событии. Теперь
уточним это понятие. Предварительно рассмотрим неоторые при-
меры.
Пример 1. Для опыта, залючающеося в подбрасывании двух

различных монет, описать событие А — «ерб выпал один раз».
Описание этоо события зависит от выбора пространства эле-
ментарных исходов опыта. Если ПЭИ есть множество U2 = {1, 2, 3},
то событие А является элементом этоо множества, т. е. элементар-
ным исходом, обозначенным цифрой 1: A = {1}.
Если ПЭИ данноо опыта есть множество U1 = {ГГ, ГЦ, ЦГ, ЦЦ},
то событие А наступает при аждом из исходов ГЦ, ЦГ. Справедли-
во и обратное утверждение: если наступает событие А, то наступает
один из исходов ГЦ, ЦГ. Естественно это событие отождествить
с множеством {ГЦ, ЦГ}, оторое является подмножеством ПЭИ.
§ 2.5. Случайные события и их вероятности 169
Точно та же подмножеству {ГГ, ЦЦ} соответствует событие

В — «монеты упали одинаово». Событие В наступает при аждом
элементарном исходе, входящем в это подмножество и тольо при
этих исходах. Подмножеству {ГЦ, ЦГ} соответствует событие «мо-
неты упали по-разному», подмножеству {ГГ, ГЦ, ЦГ} — «ерб вы-
пал по райней мере один раз».
Можно ли описать словами событие {ГЦ, ЦГ} способом, отлич-

ным от приведенноо в тесте?
Пример 2. Для опыта, залючающеося в бросании иральноо

убиа, описать:
а) событие A, состоящее в том, что выпало нечетное число очов;
б) событие B, состоящее в том, что выпало более 4 очов.
ПЭИ данноо опыта является множество {1, 2, 3, 4, 5, 6}.
а) Событие A наступает при реализации одноо из исходов мно-
жества {1, 3, 5}. И обратно, если наступает событие A, то наступает
один из исходов 1, 3, 5. В связи с этим событие A отождествляется
с множеством {1, 3, 5}.
б) Событие B наступает при реализации одноо из исходов мно-
жества {5, 6}. И обратно, если наступает событие B, то наступает
один из исходов 5, 6. В связи с этим событие B отождествляется
с множеством {5, 6}.
Пример 3. Для опыта, залючающеося в бросании иральноо

убиа дважды, описать:
а) событие A, состоящее в том, что сумма выпавших очов рав-
на 4;
б) событие B, состоящее в том, что при обоих бросаниях выпало
одинаовое число очов.
ПЭИ данноо опыта является множество, представленное таб-
лицей 2.14 в § 2.4.
а) Событие A — «сумма выпавших очов равна 4», есть множе-
ство {(1, 3), (2, 2), (3, 1)}. Оно наступает при любом исходе этоо
множества, и если оно наступает, то наступает один из исходов это-
о множества. Событие A отождествляется с множеством {(1, 3),
(2, 2), (3, 1)}.
б) Событие B — «выпало одинаовое число очов», есть множе-
ство {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}. Оно наступает при
любом исходе этоо множества, и если оно наступает, то наступает
один из исходов этоо множества. Событие B отождествляется с мно-
жеством {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}.
Приведенные примеры поазывают, что случайное событие мож-

но описывать с помощью подмножеств ПЭИ.
Любое множество исходов ПЭИ можно понимать а неоторое
событие. Та, множество {2, 4, 6} в опыте примера 2 составляет со-
бытие D — «выпало четное число очов», множество {1, 2, 3} озна-
чает событие Е — «выпало менее 4 очов».
Слчайным событием (или ороче, событием) называют про-
извольное подмножество (часть) пространства элементарных
исходов опыта.
В частности, аждый элементарный исход ПЭИ является собы-
тием, всё ПЭИ является событием.
Графичеси пространство элементарных исходов изображают
в виде онечноо множества точе, находящихся внутри неото-
рой фиуры (прямоуольниа или руа). Тода событие изобража-
ется в виде подмножества этоо множества точе1.
На рис. 22, а ПЭИ опыта состоит из 32 элементарных исходов,
а событие, связанное с соответствующим опытом, — из 9 исходов.
Аналоично, на рис. 22, б ПЭИ опыта состоит из 39 элементарных
исходов, а событие, связанное с соответствующим опытом, — из
10 исходов.
Если U = {u1, u2, ..., uN} — ПЭИ опыта, то случайное событие А,
связанное с этим опытом, записывают перечислением элементар-
ных исходов, входящих в А: { u i , u i , ..., u i }.
1 2 k
а) б)
Рис. 22
1 Подобные рисуни называют диараммами Венна в честь анлийсоо
математиа и лоиа Д. Венна (1834—1923). Они имеют вид прямоуоль-

ниа, точи внутри отороо изображают элементы ПЭИ. Внутри пря-
моуольниа находятся изображения событий в виде руов, овалов,
прямоуольниов.
2.5.2. Вероятность слчайно#о события

Теперь мы вплотную подошли поису ответа на вопрос: а
определить вероятность произвольноо события, связанноо с опы-
том, т. е. вероятность любоо подмножества пространства элемен-
тарных исходов?
Вернемся рассмотрению примера 1. Если в ачестве ПЭИ
взять множество U = {ГГ, ГЦ, ЦГ, ЦЦ} и все элементарные вероят-
1
ности pi положить равными --- , то событие А — «ерб выпал хотя
4
бы один раз», состоящее из трех исходов, А = {ГГ, ГЦ, ЦГ}, при про-
ведении большоо числа опытов будет очевидно происходить в три
раза чаще, чем аждый из исходов. Поэтому ео вероятность есте-
ственно считать в три раза большей по сравнению с вероятностью
3
одноо исхода, она, очевидно, равна --- :
4
1 1 1 3
P(A) = --- + --- + --- = --- .
4 4 4 4
Вероятность события «ерб выпал два раза» совпадает с вероят-

1
ностью исхода ГГ и равна --- .
4
Пример 4. Производится опрос, связанный с планами улучше-

ния жилищных условий работниов большоо предприятия. Каж-
дому из опрашиваемых задают два вопроса:
— Удовлетворены ли вы ачеством жилья?
— Удовлетворены ли вы удаленностью вартиры от места работы?
ПЭИ опыта, залючающеося в опросе одноо человеа, имеет
вид U = {11, 10, 01, 00}. Вероятности элементарных исходов поло-
жили равными p1 = Р(11) = 0,5; p2 = Р(10) = 0,25; р3 = Р(01) = 0,15;
р4 = Р(00) = 0,1. Найти вероятность:
а) события A — «опрашиваемый удовлетворен хотя бы одним из
исследуемых параметров: ачеством жилья или неудаленностью
от места работы»;
б) события B — «опрашиваемый удовлетворен одним и тольо
одним из исследуемых параметров».
а) Событие A состоит из трех исходов, A = {11, 10, 01}. Та а
проведенный опрос поазал, что в среднем 50% + 25% + 15% = 90%
опрошенных положительно ответили по райней мере на один из
поставленных вопросов, то вероятность события A естественно счи-
тать равной сумме соответствующих элементарных вероятностей,

т. е. Р(A) = р1 + р2 + р3 = 0,5 + 0,25 + 0,15 = 0,9.
б) Событие B состоит из двух исходов B = {10, 01}. В среднем
25% + 15% = 40% опрошенных положительно ответили на один и
тольо один из поставленных вопросов. Поэтому вероятность собы-
тия С естественно считать равной сумме соответствующих элемен-
тарных вероятностей, т. е. Р(B) = р2 + р3 = 0,25 + 0,15 =0,4.
Рассмотренные примеры поазывают, что вероятностью слу-

чайноо события естественно считать сумму вероятностей исходов,
образующих это событие.
Пусть имеется вероятностная модель случайноо опыта, т. е.
пространство элементарных исходов (ПЭИ) U = {u1, u2, ..., uN} и
элементарные вероятности p1, p2, ..., pN. Пусть А — не оторое
событие, т. е. подмножество множества U: A = { u i , u i , ..., u i }.
1 2 k
Вероятностью события А называют сумму вероятностей

исходов, составляющих это событие.
Вероятность события обозначают Р(А). По определению
P(A) = p i + p i + ... + p i .
1 2 k
Сумму, стоящую в правой части этоо равенства, для ратости

k
обозначают та: ∑ pi = ∑ p i . Сумма, стоящая в левой час-
m
i: u i Ý A m=1
ти этоо равенства, читается та: сумма вероятностей тех элемен-
тарных исходов, оторые образуют событие A. Тода последнее ра-
венство принимает вид
k
P(A) = ∑ pi = ∑ pi .
m
i: u i Ý A m=1
Чему равна вероятность события U?

Чему равна вероятность события А = {u1, u2}?
Может ли вероятность события быть больше 1?
Приведем ряд примеров на вычисление вероятности события.
Пример 5. Найти вероятности следующих событий, связанных

с опытом, залючающимся в двуратном бросании иральноо
убиа и представленным в примере 3:
А — «число очов, выпавших на верхней рани первоо убиа,

превышает число очов на верхней рани второо убиа»,
В — «сумма выпавших очов меньше 5».
Эти события можно выразить через исходы ПЭИ, рассмотрен-
ноо в примере 3:
А = {(2, 1), (3, 1), (4, 1), (5, 1), (6, 1), (3, 2), (4, 2), (5, 2),
(6, 2), (4, 3), (5, 3), (6, 3), (5, 4), (6, 4), (6, 5)};
B = {(1, 1), (1, 2), (2, 1), (1, 3), (2, 2), (3, 1)}.
1
Та а вероятность аждоо исхода равна ------ , и эти события
36
состоят соответственно из 15 и 6 исходов, то их вероятности равны:
1 5 1 1
P(A) = ------ · 15 = ------ ; P(B) = ------ · 6 = --- .
36 12 36 6
Событие В можно выразить и через исходы друоо ПЭИ U =

= {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}, де в ачестве элементарных
исходов опыта выбраны суммы выпавших очов. Однао для нео
поа не введены элементарные вероятности. Воспользовавшись
введенным определением, теперь можно и для этоо ПЭИ ввести
элементарные вероятности. Обратите внимание на то, что в таб-
лице 2.14 исходы, для оторых суммы выпавших очов одинао-
вы, расположены на диаоналях этой таблицы. Например, событие
«сумма выпавших очов равна 5» состоит из исходов (1, 4), (2, 3),
4 1
(3, 2), (4, 1). Ео вероятность равна ------ = --- . Элементарные исходы
36 9
второо ПЭИ рассматриваемоо опыта представлены в таблице 2.21.
Таблица 2.21
Смма (исход 2 3 4 5 6 7 8 9 10 11 12
2-о ПЭИ)
Число исходов 1 2 3 4 5 6 5 4 3 2 1
1-о ПЭИ
1 2 3 4 5 6 5 4 3 2 1
Вероятность ------ ------ ------ ------ ------ ------ ------ ------ ------ ------ ------
36 36 36 36 36 36 36 36 36 36 36
Пример 6. Вычислить вероятности событий, связанных с опы-

том, рассмотренным в примере 4 § 2.4:
А — «вынуты арандаши разноо цвета»;
В — «вынуты тольо цветные арандаши»;
С — «вынуты простой и цветной арандаши, причем цветной

арандаш появился раньше простоо»;
D — «первым вынут синий арандаш».
Исходы, из оторых состоит событие А, можно охаратеризо-
вать ПЭИ, представленными в таблицах 2.15 и 2.16, событие В —
во всех таблицах 2.15—2.20, событие С — в таблицах 2.16 и 2.17,
события D — в таблице 2.16. Ни в одной из этих таблиц не пред-
ставлены равновозможные исходы. Равновозможные исходы пред-
ставлены в таблице 2.19.
Фатичеси в этом примере построено 6 различных ПЭИ одноо и
тоо же опыта. Вычислим вероятности этих событий, приняв, а мы
раньше уазывали, за элементарные вероятности соответствующие
относительные частоты. По данным таблицы 2.15 (ПЭИ U1) имеем:
Р(А) = Р(1П 1С, 1П 1З, 1С 1З) = 0,28 + 0, 26 + 0,25 = 0,79;
Р(В) = Р(1С 1З, 2С, 2З) = 0,25 + 0,07 + 0,08 = 0,4.
По данным таблицы 2.16 (ПЭИ U2) имеем:
Р(С) = Р(СП, ЗП) = 0,12 + 0,14 = 0,26;
Р(D) = P(СП, СС, СЗ) = 0,12 + 0,07 + 0,12 = 0,31.
2.5.3. Классичесая вероятность и ее связь

со статистичесой вероятностью
Рассмотрим неоторые следствия из приведенноо определения
вероятности события.
Пусть дан опыт с N равновозможными исходами: U = {u1, ..., uN}.
Та а сумма элементарных вероятностей равна 1, то аждая из
1
них равна ----- :
N
1
p1 = p2 = ... = pN = ----- .
N
По определению вероятность события А есть сумма вероятнос-

тей элементарных исходов, составляющих это событие:
1 1 1
P(A) = ----- + ----- + ... + ----- ,
N N N
де число слааемых равно числу исходов N(А), составляющих со-
бытие А. Отсюда
N(A )
P(A) = -------------- .
N
Ита, вероятность события в опыте с N равновозможными ис-

ходами равна отношению числа исходов, образующих событие А,
общему числу исходов.
Последнее утверждение мы ранее назвали лассичес им опре-
делением вероятности. Теперь мы ео получили а частный слу-
чай общео определения.
Пример 7. В урне находится пять шаров, среди оторых три бе-

лых и два черных. Из нее наудачу извлеают один. Каова вероят-
ность тоо, что извлеченный шар оажется черным?
Пронумеруем шары числами 1, 2, 3, 4, 5, причем первые три
номера припишем белым шарам. ПЭИ опыта имеет вид U = {1, 2,
3, 4, 5}, исходы равновозможны, N = 5. Событие А составляют те
исходы, оторые совпадают с номерами черных шаров: А = {4, 5},
2
N(А) = 2. Таим образом, Р(А) = --- .
5
Чему равна вероятность тоо, что извлеченный шар оажется

белым?
Вернемся примеру 6. Ранее мы фатичеси подсчитали отно-

сительные частоты событий A, B, C, D, они соответственно равны:
0,79; 0,4; 0,26; 0,31. Вычислим вероятности этих событий по дан-
ным таблицы 2.19 с помощью лассичесоо определения.
Эти события можно выразить через исходы ПЭИ U5 рассмат-
риваемоо опыта следующим образом:
А = {13, 14, 15, 16, 23, 24, 25, 26, 31, 32, 35, 36, 41,
42, 45, 46, 51, 52, 53, 54, 61, 62, 63, 64};
B = {34, 35, 36, 43, 45, 46, 53, 54, 56, 63, 64, 65};
C = {31, 32, 41, 42, 51, 52, 61, 62};
D = {31, 32, 34, 35, 36, 41, 42, 43, 45, 46}.
Та а U = {12, 13, 14, 15, 16, 21, 23, 24, 25, 26, 31, 32, 34, 35,
36, 41, 42, 43, 45, 46, 51, 52, 53, 54, 56, 61, 62, 63, 64, 65} и число
всех исходов опыта равно 30, то вероятности этих событий соответ-
ственно равны:
24 4 12 2
P(A) = ------ = --- = 0,8; P(B) = ------ = --- = 0,4;
30 5 30 5
8 4 10 1
P(C) = ------ = ------ d 0,27; P(D) = ------ = --- d 0,33.
30 15 30 3
Ка видим, имеет место неплохое соласование между теоретиче-

сими расчетами и результатами опыта; друими словами, относи-
тельные частоты событий близи их вероятностям. Точно таой
же результат получим при вычислении вероятностей событий А
и В, если воспользуемся моделью, зафисированной в таблице 2.20:
U = {12, 13, 14, 15, 16, 23, 24, 25, 26, 34, 35, 36, 45, 46, 56}, число
всех исходов опыта равно 15; исходы равновозможны;
А = {13, 14, 15, 16, 23, 24, 25, 26, 35, 36, 45, 46};
B = {34, 35, 36, 45, 46, 56}.
12 6
P(A) = ------ = 0,8; P(B) = ------ = 0,4.
15 16
В следующем примере используется связь между вероятностью

события и ео относительной частотой.
Пример 8. Ихтиоло хотел определить, сольо в пруду рыбы, при-

одной для вылавливания. Для этоо он заинул сеть с заведомо за-
данными размерами ячее и, вытянув ее, обнаружил 30 рыб. Поме-
тив аждую из них метой, он бросил всю рыбу назад в пруд. На сле-
дующий день ихтиоло заинул ту же сеть и поймал 40 рыб, на двух
из оторых были ео мети. Каим образом он по этим данным най-
дет приближенное оличество рыбы, приодной для вылавливания?
Пусть в пруду N рыб, приодных для вылавливания, тода ве-
30
роятность события «науад взятая рыба помечена» равна ------ . Соот-
N
ветственно результатам 40 опытов (опытом считаем вылавливание
одной рыбы), проведенных на следующий день, можно подсчитать
2 1
относительную частоту этоо события. Она равна ------ = ------ . На ос-
40 20
новании приближенноо равенства относительных частот и веро-
30 1
ятностей событий имеем ------ d ------ . Ита, можно утверждать, что
N 20
N d 600.
Подобные вероятностные оцени широо используют в физие,

биолоии, социолоии, языознании, эономие, политие, спор-
те и повседневной жизни аждоо человеа. Например, таие ме-
тоды используют при оценивании урожайности ультуры на поле
по урожайности той же ультуры на неотором оличестве неболь-
ших участов; плотности минералов по результатам взвешивания
неотороо оличества образцов; влажности зерна на приемных
пунтах; волонистости хлопа и т. п.
Теперь уже можно подвести ито, ответив на лавный вопрос:

«Что таое вероятность события?» Для ео получения мы матема-
тичеси описали случайный опыт, построили ео вероятностную
модель. С ее помощью определили вероятность события. Сазанное
можно чето описать следующим образом.
Пусть U = {u1, ..., uN} — произвольное онечное множество.
Будем называть ео пространством элементарных исходов
(ПЭИ) случайноо опыта, а ео элементы u1, ..., uN — исходами
этоо опыта. Произвольное подмножество (часть) ПЭИ будем
называть слчайным событием (или ороче, событием). Каж-
дому элементарному исходу ui из ПЭИ U = {u1, u2, ..., uN} поста-
вим в соответствие не оторое число pi, оторое удовлетворяет
условиям:
1) 0 < pi < 1 для всех i = 1, 2, ..., N;
2) p1 + p2 + ... + pN = 1.
Числа pi называют элементарными вероятностями, или ве-
роятностями элементарных исходов ui.
Вероятностью события А называют сумму вероятностей
исходов, составляющих это событие:
P(A) = ∑ pi.
i: u i Ý A
Это определение инода называют а сиоматичес им определени-

ем вероятности. Напоминаем, что речь идет об определении веро-
ятности в частном случае: для опытов с онечным числом исходов.
Введение ПЭИ и элементарных вероятностей означает постро-
ение вероятностной модели случайноо опыта. Для одноо и тоо
же опыта моут быть построены разные модели. Теория вероятнос-
тей не учит тому, а «правильно» определять вероятности рi эле-
ментарных исходов ui. Она таже не занимается поисом ответа на
вопрос о том, правильно ли построена вероятностная модель. Соот-
ветствие модели реальному опыту проверяют на пратие. Теория
вероятностей лишь отвечает на вопрос: «Ка вычислять вероятнос-
ти различных событий, связанных с построенной моделью?»
В дальнейшем, оворя о вероятностях событий, мы можем не за-
думываться над тем, связано ли это событие со статистичеси устой-
чивыми опытами, или с опытом с онечным числом равновозмож-
ных исходов, или эти вероятности являются оценами эспертов.
Наличие вероятности события будет означать, что для опыта с о-
нечным числом элементарных исходов выполняются условия 1 и 2.
Система асиом теории вероятностей была построена на основе теории

множеств в 1933 . выдающимся российсим математиом А. Н. Колмо-
оровым (1903—1992). Более ранним является иной (и несольо менее
дачный) вариант асиоматии теории вероятностей, предложенный в 1917 . отечест-
венным математиом С. Н. Бернштейном (1880—1968). Известной ниой А. Н. Колмо-
орова «Основные понятия теории вероятностей», вышедшей впервые на немецом
язые в 1933 ., история асиоматичесих подходов теории вероятностей таже не
заончилась.
1. Сумма всех элементарных ве- причем ни один исход не вхо-

роятностей ПЭИ, роме одной, дит в оба события. Чему равна
равна 0,8. Чему равна эта по- сумма вероятностей этих собы-
следняя вероятность? тий?
2. Случайное событие А образу- 5. Два события состоят из всех
ют все элементарные исходы элементарных исходов ПЭИ,
ПЭИ, роме одноо. Вероятность причем один элементарный ис-
этоо элементарноо исхода рав- ход входит в оба события. Чему
на 0,15. Чему равна вероятность равна сумма вероятностей этих
события А? событий, если вероятность это-
3. Вероятность события А рав- о исхода равна 0,05?
на 0,45. Чему равна сумма ве- 6. Может ли сумма вероятнос-
роятностей элементарных исхо- тей трех событий, связанных
дов, не входящих в А? с одним опытом, быть больше 1,
4. Два события состоят из всех если ниаой исход не входит
элементарных исходов ПЭИ, в два из этих трех событий?
Задачи
126.° Производится опрос, связанный с планами улучшения
обслуживания населения зрелищными мероприятиями. Каждому
из опрашиваемых задают два вопроса:
1) Реулярно ли вы посещаете инотеатры?
2) Реулярно ли вы смотрите телевизор?
Оазалось, что 40% опрошенных реулярно посещают инотеат-
ры и смотрят телевизор; 20% посещают инотеатры, но телевизор
не смотрят; 30% не ходят в ино, но смотрят телевизор и 10% не
посещают ино и не смотрят телевизор. Постройте ПЭИ опыта, за-
лючающеося в опросе одноо человеа. Введите элементарные

вероятности. Найдите вероятность тоо, что наудачу выбранный
челове реулярно: а) посещает ино; б) смотрит телевизор.
127. Для лечения неоторой болезни применяют четыре ле-
арства: а, b, с, d. Проводится сравнительное исследование трех
леарств, выбираемых случайным образом. Постройте ПЭИ опыта
и выпишите элементарные исходы, составляющие события:
а) «леарство а исследовано»;
б) «исследованы леарства а и b»;
в) «исследовано по райней мере одно из леарств а или b».
Вычислите вероятности этих событий.
128. Одновременно бросают два иральных убиа. Постройте
для этоо опыта:
а)° ПЭИ с равновозможными исходами;
б)° ПЭИ с неравновозможными исходами;
в) событие, описываемое исходами ПЭИ а), но не описываемое
исходами ПЭИ б).
129. Подбрасывают монету, а после этоо бросают иральный
уби. Составьте для этоо опыта:
а) ПЭИ с равновозможными исходами;
б) ПЭИ с неравновозможными исходами;
в) событие, описываемое исходами ПЭИ а), но не описываемое
исходами ПЭИ б).
130. Из олоды в 36 арт науад вынимают одну арту. Пост-
ройте ПЭИ этоо опыта, принимая в ачестве исходов опыта:
а) масть извлеченной арты;
б) достоинство извлеченной арты (шестера, валет, туз и т. д.);
в) масть и достоинство извлеченной арты;
) тот фат, является ли извлеченная арта артиной (валет,
дама, ороль, туз) или не является.
В аих из этих случаев исходы опыта будут равновозможны-
ми, а в аих — неравновозможными? Приведите примеры собы-
тий, оторые можно описать элементами этих пространств.
131.° В ящие пять пронумерованных шаров: три белых и два
черных. Наудачу вынимают три шара.
а) Постройте ПЭИ этоо опыта.
б) Уажите два события, связанные с этим опытом. Опишите их
элементами ПЭИ.
в) Введите элементарные вероятности.
) Найдите вероятность тоо, что извлечены два белых и один
черный шар.
132. Неая фирма выпусает шоолади. В аждую шоолад-

у владывается одна из двух фоторафий известных спортсменов.
Фоторафий аждоо спортсмена одинаовое оличество. Тому,
то соберет полный омплет фоторафий, следующая шоолада
выдается бесплатно.
а) Постройте ПЭИ опыта, состоящео в том, что нето соберет
полный омплет фоторафий или упит не более трех шооладо.
б) Уажите два события, связанные с этим опытом. Опишите их
элементами ПЭИ.
в) Введите элементарные вероятности.
) Найдите вероятность тоо, что будет получен приз.
133. Выпущено 100 лотерейных билетов с 11 денежными вы-
ирышами, из оторых восемь — по 10 денежных единиц, два —
по 50 денежных единиц и один — 100 денежных единиц. Из уп-
ленных 25 билетов три выирали по 10 денежных единиц и один
выирал 50 денежных единиц. Остальные остались без выирыша.
Найдите вероятность и относительную частоту события:
а) «упленный билет невыирышный»;
б) «на приобретенный билет выпадает выирыш 10, 50, 100 де-
нежных единиц».
§ 2.6. Операции над событиями

Вычисление вероятности события по определению не вседа
удобно и даже не вседа осуществимо. Поэтому для вычисления ве-
роятностей событий часто пользуются правилами, дающими воз-
можность по известным вероятностям одних событий находить ве-
роятности друих событий, оторые получают из первых с по-
мощью неоторых операций. Введение этих операций и составляет
содержание данноо парарафа.
2.6.1. Достоверное и невозможное события

Пусть U = {u1, ..., uN} — ПЭИ неотороо случайноо опыта.
Все ПЭИ U естественно назвать достоверным событием. Оно
наступает при любом исходе эсперимента.
Для удобства через V обозначим подмножество множества U, не
содержащее ни одноо элемента U. Таое подмножество в матема-
тие называют пустым. В теории вероятностей оно моделирует со-
бытие, оторое не наступает ни при аом исходе эсперимента.
Ео называют невозможным событием.
§ 2.6. Операции над событиями 181
Например, в опыте с бросанием иральноо убиа событие

«число выпавших очов не превышает 6» достоверно, а событие
«выпало 7 очов» — невозможно.
События, отличные от достоверных и невозможных, считают
случайными. Обращаем внимание на то, что одно и то же собы-
тие в одной ситуации может быть достоверным, а в друой — слу-
чайным и даже невозможным. Например, если в ящие находит-
ся пять белых, пять черных и пять расных шаров, то при извле-
чении семи, восьми или девяти шаров мы можем получить три
цвета, а можем и не получить, т. е. событие «извлечены шары трех
цветов» является случайным. Если же извлеают не менее 11 ша-
ров, то событие «извлечены шары трех цветов» является достовер-
ным. Если извлеают менее трех шаров, то событие «извлечены
шары трех цветов» является невозможным.
Причина таоо парадоса роется в том, что эти события свя-
заны с различными ПЭИ и, по существу, являются различными со-
бытиями.
Каие из следующих событий — случайные, достоверные, не-
возможные:
а) «извлечь из ящиа, содержащео белые и расные шары,
три шара различных цветов»;
б) «сумма очов, выпавших при бросании двух иральных у-
биов, больше 1»;
в) «сумма очов, выпавших при бросании трех иральных у-
биов, ратна 3»;
) «при подбрасывании трех монет ерб не выпал ни разу»;
д) «при подбрасывании монета стала на ребро»;
е) «при подбрасывании двух монет ерб выпал хотя бы один
раз»;
ж) «при бросании иральноо убиа выпало по райней мере
одно очо»;
з) «при раздаче олоды из 36 арт один из ироов получил
шесть тузов»?
В ящие лежит несольо одинаовых по размеру атуше
с нитами трех цветов: черные, белые и оричневые. Из ящи-
а берут четыре атуши нито. Каие из следующих собы-
тий, связанных с этим опытом, — случайные, достоверные,
невозможные:
а) «среди взятых атуше хотя бы две с черными нитами»;
б) «среди взятых атуше хотя бы две с нитами одноо цвета»;
в) «среди взятых атуше хотя бы три с черными нитами»;
) «среди взятых атуше хотя бы три с нитами одноо цве-
та»?
Основная цель теории вероятностей — изучение случайных со-

бытий. Достоверные и невозможные события являются «райни-
ми» случаями. Случайное событие — промежуточное между досто-
верным и невозможным. В дальнейшем все события мы будем на-
зывать случайными, а невозможные и достоверные рассматривать
а их частные, райние разновидности.
Будем предполаать, что на ПЭИ заданы элементарные вероят-
ности, т. е. построена вероятностная модель случайноо опыта.
Из определения вероятности события вытеает, что вероятность
случайноо события вседа является числом положительным, ро-
ме случая, ода оно невозможно. Она не может быть больше еди-
ницы (сумма всех элементарных вероятностей равна 1). Вероятность
достоверноо события равна 1, посольу Р(U) = P{u1, u2, ..., uN} =
= p1 + p2 + ... + pN = 1. Вероятность невозможноо события рав-
на 0: P(V) = 0.
Таим образом, имеем следующие свойства вероятности:
1) P(U) = 1;
2) Р(V) = 0;
3) 0 m Р(А) m 1 для любоо события A.

Если вероятность события равна 0 или близа 0, то это событие
или невозможно, или происходит очень редо и ео можно считать
пратичеси невозможным. Возниает вопрос, насольо малой
должна быть вероятность события, чтобы считать ео пратичеси
невозможным? Понятно, что это зависит от харатера события, о о-
тором идет речь. Например, если вероятность наличия дефета для
элетричесой лампы равна 0,001, то событие «лампа дефетна»
можно считать пратичеси невозможным: таой процент браа
можно проинорировать. В то же время, если вероятность наличия
дефета для парашюта равна 0,001, то это означает, что из аждых
1000 парашютов приблизительно один отажет в работе. Таой ре-
зультат нельзя считать удовлетворительным. В этом случае нельзя
инорировать возможность осуществления события «парашют де-
фетный». Друими словами, в аждой онретной ситуации на ос-
нове ее анализа можно установить, насольо малой (или большой)
должна быть вероятность, чтобы событие можно было бы считать
пратичеси невозможным (пратичеси достоверным). Выи-
рать большой приз на тотализаторе — событие, пратичеси невоз-
можное.
Пример 1. Представим, что вам предложили упить элетрон-
ные часы за 1 р. на следующих условиях: заплатив 1 р., вы полу-
чаете право вынуть один шар из урны, содержащей один черный
шар и 149 белых. Если шар оажется черным, то часы ваши. Если
шар оажется белым, то 1 р. остается у продавца.
а) Можно ли считать, что событие «вы выираете часы» являет-
ся пратичеси невозможным?
б) Можно ли считать, что событие «часы останутся у продавца»
является пратичеси достоверным?
В первую очередь нужно выбрать ритерий, по оторому со-
бытие будет признаваться пратичеси невозможным или прати-
чеси достоверным. Инода пользуются таим ритерием (если это
не относится жизненно важным событиям): если вероятность со-
бытия не превосходит 0,01, то событие считают пратичеси не-
возможным; если же вероятность события не меньше 0,99, то —
пратичеси достоверным. Воспользуемся и мы таим ритерием
для ответа на вопросы, поставленные в задании.
1
а) Вероятность события «вы выираете часы» равна ---------- d 0,0067.
150
Оно пратичеси невозможно.
б) Вероятность события «часы останутся у продавца» равна
149
---------- d 0,9933. Оно пратичеси достоверно.
150
2.6.2. Противоположные события

Часто возниает необходимость по информации, содержащейся
в одних событиях, делать выводы о шансах наступления друих
событий, аим-то образом связанных с первыми. Точнее, необхо-
димо уметь одни события выражать через друие, или по одним со-
бытиям строить новые. Конечно, речь идет о событиях, связанных
с одним случайным опытом, т. е. о событиях, являющихся подмно-
жествами одноо и тоо же ПЭИ.
Если опыт завершился исходом, не содержащимся в неотором
событии, то это событие не наступило. Событие A , составленное
из тех и тольо тех элементов ПЭИ, оторые не содержатся в собы-
тии А, называют противополож-
ным событию А. Оно наступает то-
да и тольо тода, ода А не насту-
пает. В опыте с бросанием ираль-
ноо убиа событие A = {1, 2, 3, 4}
противоположно событию А —
«число выпавших очов больше 4»,
А = {5, 6}. На рис. 23 событие A изо-
бражается совоупностью 20 точе,
не входящих в событие А. Рис. 23
Событие A , оторое происходит тода и толь о тода, ода

событие А не происходит, называют противоположным собы-
тию A.
Ясно, что если событие A противоположно событию А, то собы-
тие А противоположно событию A . События А и A называют про-
тивоположными.
Та, в опыте с одним выстрелом по мишени событию A —
«попадание в цель» противоположно событие A — «непопадание
в цель». В опыте с приобретением лотерейных билетов событию
А — «ни один из билетов не выирал» противоположно событие
A — «хотя бы один из билетов выирал». Противоположными яв-
ляются выпадение единицы и невыпадение единицы при подбра-
сывании иральноо убиа; непопадание в цель ни при одном из
трех выстрелов и попадание в цель хотя бы при одном выстреле
и т. д.
Из ящиа, содержащео белые и расные шары, извлели

пять шаров. Каие из приведенных событий являются пара-
ми противоположных событий:
а) «извлели по райней мере один белый шар»;
б) «извлели более одноо белоо шара»;
в) «среди извлеченных шаров нет белых»;
) «извлели один белый шар»?
Вероятность события A , противоположноо событию А, равна

сумме вероятностей всех исходов ПЭИ, не входящих в А. Та а
сумма вероятностей всех элементарных исходов ПЭИ равна 1, то
Р( A ) = 1 – P(A).
2.6.3. Пересечение, или произведение, событий

Мноие случайные события образуются из двух событий А, В
с помощью союза «и»: А и В. Например:
событие «сумма выпавших очов равна 2» при двуратном
бросании иральноо убиа образуется из событий «при первом
бросе выпала 1» и «при втором бросе выпала 1»;
событие «тольо первое изделие браовано» при онтроле двух
изделий образуется из событий «первое изделие браовано» и «вто-
рое изделие не браовано»;
событие «два промаха» при двух бросах мяча в орзину обра-

зуется из событий «промах при первом бросе» и «промах при вто-
ром бросе»;
событие «элетричесая цепь, составленная из двух элемен-
тов, соединенных параллельно, не работает» образуется из двух
событий «первый элемент не работает» и «второй элемент не рабо-
тает»;
событие «дважды выпала цифра» при двух подбрасываниях
монеты образуется из двух событий «при первом подбрасывании
выпала цифра» и «при втором подбрасывании выпала цифра».
Ка же строится событие «А и В» в вероятностной модели слу-
чайноо опыта? Пусть аждое из событий А, В состоит из неото-
рых элементов ПЭИ. Тода событие, залючающееся в том, что
произошло и событие А, и событие В, должно содержать общие эле-
ментарные исходы, входящие и в А, и в В и тольо их, т. е. состоять
из общей части множеств элементарных исходов, образующих эти
события. Эту общую часть в математие называют пересечением
двух множеств.
Событие С, составленное из тех и толь о тех элементов
ПЭИ, оторые принадлежат одновременно и событию А, и собы-
тию В, называют пересечением, или произведением, событий А
и В; ео обозначают:
C = A B, или C = AB.
Использование двух терминов (пересечение и произведение) для
результата рассмотренной операции над событиями вполне оправ-
дано. На язые множеств — пересечение, на язые алебры — про-
изведение. Мы будем пользоваться обоими терминами.
Графичесая иллюстрация операции пересечения (или умноже-
ния) событий А и В приведена на рис. 24. На нем четыре точи
являются общими для событий А и В. Если опыт заончится одним
из этих четырех исходов, то наступают оба события А и В, посоль-
у этот исход содержится и в А, и в В.
Событие C = A B наступает
тода и тольо тода, ода наступа-
ет и событие А, и событие В одно-
временно. Нетрудно видеть, что
A A = A; A V = V;
A A = V; A U = A
для любоо события А (здесь U —
достоверное событие, V — невозмож-
ное событие). Рис. 24
Пример 2. Та, в опыте с бросанием иральноо убиа произве-

дением событий А — «выпало четное число очов» и В — «число
выпавших очов ратно 3» является событие С — «выпало 6 оч-
ов».
Пример 3. В опыте, залючающемся в том, что онтролю подвер-

ают два изделия, событие «оба изделия браованы» является про-
изведением двух событий: «первое изделие браовано» и «второе
изделие браовано».
Пример 4. Отец ирает с сыном в шаши до первоо поражения

сына. Событие Аі, і = l, 2, 3, ..., означает, что сын выирал і-ю
партию.
а) Что означает событие В = А1А2?
б) Выразить через события Аі событие «состоялись тольо две
иры».
а) Событие В = А1А2, равное произведению событий А1 и А2,
состоит из тех исходов, оторые входят и в А1, и в А2; происходит
тода и тольо тода, ода происходит и событие А1, и событие А2,
т. е. ода сын выирал первую и вторую партии. Ита, событие В
означает, что сын выирал первые две партии.
б) Событие С — «состоялись тольо две иры» происходит тода
и тольо тода, ода сын выирал первую партию (ира продолжа-
ется) и проирал вторую партию (ира преращена). Друими сло-
вами, ода происходит событие А1 и событие A 2 , т. е. C = A1 A 2 .
В аждой вероятностной модели существуют события, не имею-

щие общих элементарных исходов в своем составе, т. е. события,
оторые не моут произойти одновременно. Например:
в опыте с бросанием иральноо убиа не моут одновременно
наступить события: «число выпавших очов меньше 3» и «число вы-
павших очов есть число составное». Первое состоит из элементар-
ных исходов {1, 2}, второе — {4, 6};
в опыте с двуратным подбрасыванием монеты события «ерб
выпал ровно один раз» и «ерб не выпал ни разу» не происходят
одновременно, они состоят из различных исходов: {ГЦ, ЦГ} и {ЦЦ};
в опыте с опросом по поводу жилищных условий работниов
предприятия события «опрошенный удовлетворен ачеством жилья
и удаленностью вартиры от места работы» и «опрошенный не
удовлетворен ачеством жилья и не удовлетворен удаленностью
вартиры от места работы» не происходят одновременно, они со-
стоят из различных исходов {11} и {00} соответственно.
Тот фат, что два события не происходят одновременно, озна-

чает, что множества их элементарных исходов не содержат об-
щих элементов, т. е. что их пересечение есть пустое множество:
А В = V.
Если A B = V, то события
А и В называют несовместны-
ми (рис. 25). События A, A — не-
совместны.
В опыте с бросанием ираль-
ноо убиа события A — «выпа-
ло больше 4 очов» и В — «вы-
пало меньше 3 очов» — несов-
местны. Рис. 25
Каие пары событий из перечисленных ниже являются несов-

местными в опыте с бросанием иральноо убиа:
а) «число выпавших очов ратно 3»;
б) «число выпавших очов простое»;
в) «число выпавших очов меньше 3»;
) «число выпавших очов составное»;
д) «число выпавших очов четно»;
е) «число выпавших очов больше 4»;
ж) «число выпавших очов не делится на 3»?
2.6.4. Объединение, или смма, событий

Еще один способ образования новоо события из двух событий
А, В связан с использованием союза «или»: А или В. Например:
событие «сумма выпавших очов равна 3» при двуратном
бросании иральноо убиа образуется из событий «при первом
бросе выпала 1, при втором — 2» или «при первом бросе выпало
2 оча, при втором — 1»;
событие «хотя бы одно изделие браовано» при онтроле двух
изделий образуется из событий «первое изделие браовано», или
«второе изделие браовано», или «оба изделия браованы»;
событие «ровно один промах» при двух бросах мяча в орзину
образуется из событий «промах при первом бросе и попадание при
втором» или «попадание при первом бросе и промах при втором»;
событие «элетричесая цепь, составленная из двух элемен-
тов, соединенных последовательно, не работает» образуется из двух
событий «первый элемент не работает» или «второй элемент не ра-
ботает» или «оба элемента не работают»;
событие «ровно один раз выпала цифра» при двух подбрасыва-

ниях монеты образуется из двух событий «при первом подбрасыва-
нии выпала цифра, а при втором — ерб» или «при втором подбра-
сывании выпала цифра, а при первом — ерб».
В руссом язые союз «или» употребляют в двух смыслах: ис-
лючающем и не ислючающем. Мы будем употреблять этот союз
в не ислючающем смысле.
Ка же строится событие «А или В» в вероятностной модели слу-
чайноо опыта? Пусть аждое из событий А, В состоит из неоторых
элементов ПЭИ. Тода событие, залючающееся в том, что про-
изошло или событие А, или событие В, или оба события А и В, дол-
жно содержать элементарные исходы, входящие или в А, или в В,
или в оба этих события и тольо их, т. е. состоять из объединения
множества А и той части множества В, оторая не входит в А. Таое
множество в математие называют объединением двух множеств.
Событие D, составленное из тех и толь о тех элементов
ПЭИ, оторые принадлежат или событию А, или событию В,
или событиям А и В одновременно, называют объединением, или
сммой, событий А и В; ео обозначают:
D = A Ÿ B, или D = A + B.
Друими словами, событие A Ÿ В наступает тода и тольо то-
да, ода или наступает событие А, или наступает событие В, или
А и В одновременно.
28 точе на рис. 24 принадлежат по райней мере одному из со-
бытий или А, или В. Если опыт заончится одним из этих исходов, то
наступает или событие А, или В, или оба эти события одновременно.
Ясно, что для любоо события А имеют место равенства:
A Ÿ U = U; A Ÿ A = A; A Ÿ A = U; A Ÿ V = A.
Пример 5. В опыте с бросанием иральноо убиа суммой собы-
тий А — «выпало четное число очов» и В — «число выпавших
очов ратно 3» является событие С — «выпало любое число оч-
ов, роме 1 и 5».
Пример 6. В опыте, залючающемся в том, что онтролю подвер-
ают два изделия, событие «ровно одно изделие браовано» являет-
ся суммой двух событий: «первое изделие браовано, а второе при-
одно», «первое изделие приодно, а второе изделие браовано».
Пример 7. Отец ирает с сыном в шаши до первоо поражения сы-
на. Событие Аі, і = l, 2, 3, ..., означает, что сын выирал і-ю партию.
а) Что означает событие В = А1 + А2?
б) Выразить через события Аі событие «число проведенных пар-
тий отлично от двух».
а) Событие В = А1 + А2, равное сумме событий А1 и А2, проис-

ходит тода и тольо тода, ода происходит или событие А1 или
событие А2, т. е. ода сын выирал первую или вторую партию.
Ита, событие В означает, что проведено более одной партии.
б) Событие С — «число проведенных партий отлично от двух»
происходит тода и тольо тода, ода сын проирал первую пар-
тию (ира состоит из одной партии) или выирал вторую партию
(ира продолжается). Друими словами, ода происходит событие
A 1 или событие А2, т. е. C = A 1 + A2.
2.6.5. Обобщение операций объединения

и пересечения событий
Введенные операции сложения и умножения событий обобща-
ются на любое онечное число событий. Пусть А1, А2, ..., Ап — со-
бытия, связанные с данным случайным опытом, т. е. подмножест-
ва ПЭИ U.
Пересечением, или произведением, событий А1, А2, ..., Ап на-
зывают событие, состоящее из тех и толь о тех исходов, ото-
рые являются общими для всех данных событий, и обозначают:
n
A1 A2 ... An, или A k,
k=1
или A1 · A2 · ... · An.
Оно происходит тода и тольо тода, ода происходит и собы-

тие А1, и событие А2, и т. д., и событие An.
Объединением, или сммой, событий А1, А2, ..., An называют
событие, состоящее из всех тех и толь о тех исходов, оторые
принадлежат хотя бы одному из данных событий и обозначают:
n
A1 Ÿ A2 Ÿ ... Ÿ An, или Ak,
k=1
или A1 + A2 + ... + An.
Оно происходит тода и тольо тода, ода происходит хотя бы

одно из событий A1, A2, ..., An.
Пример 8. Басетболист сделал три броса мяча в орзину.

Пусть событие Аі означает попадание в орзину при і-м бросе
(і = 1, 2, 3).
а) Что означают события:
B = A1 Ÿ A2; C = A1 A2 A3 ; D = A1 A2 A 3 ; E = A1 Ÿ A2 Ÿ A3?
б) Выразить через события А1, А2 и А3 следующие события: F —

«спортсмен попал в орзину лишь при первом бросе»; G — «имело
место три попадания»; Н — «попадание произошло тольо при од-
ном из бросов».
а) В — «попадание имело место при первом или втором бро-
се»; С — «попадание имело место при всех трех бросах»; D —
«попадание имело место тольо при первых двух бросах»; Е —
«произошло хотя бы одно попадание».
б) Событие F означает, что спортсмен попал при первом бросе,
и не попал при втором, и не попал при третьем; событие G означает,
что спортсмен попал и при первом, и при втором, и при третьем
бросе; событие Н означает, что имело место попадание или тольо
при первом, или тольо при втором, или тольо при третьем бро-
се. Поэтому:
F = A1 A 2 A 3 ; G = A1 A2 A3;
H = ( A1 A 2 A 3 ) Ÿ ( A 1 A2 A 3 ) Ÿ ( A 1 A 2 A3 ).
1. Из ящиа, оторый содержит аемых? Что можно тода са-

белые и черные шары, вынима- зать о друом из событий?
ют науад четыре шара. Каое 4. Что можно сазать о событиях
событие противоположно собы- А и В, если их произведение есть:
тию: а) достоверное событие;
а) «вынут хотя бы один белый б) невозможное событие?
шар»; 5. Известно, что всяий исход,
б) «вынуто более двух белых принадлежащий событию В, со-
шаров»; держится и в А. Чему равно:
в) «среди вынутых шаров белых а) А В; б) А В?
нет»? 6. Может ли быть достоверным
2. Бросают иральный уби. событием сумма двух несовмест-
Пусть событие А — «выпало ных событий?
4 оча», В — «выпало четное 7. Рассмотрим таую иру. Ве-
число очов», С — «выпало не- дущий записывает на листе бу-
четное число очов». Будут ли маи любое число от 1 до 1000.
несовместными события А и В; Если вы ео уадаете, то полу-
В и С? чаете приз. Можно ли считать
3. Может ли сумма двух собы- пратичеси невозможным со-
тий совпадать с одним из сла- бытие «число уадано»?
§ 2.7. Шансы в пользу события 191
Задачи
134.° Элетричесая цепь состоит из двух элементов. Пусть
Аі — событие, залючающееся в том, что выйдет из строя і-й эле-
мент, і = 1, 2. Что означает событие:
а) А1 А2; б) A 1 A 2 ; в) A1 A 2 ; ) A1 A2?
135. Прибор состоит из блоа I типа и двух блоов II типа. Со-
бытие А — «исправен бло I типа», Bi (i = 1, 2) — «исправен i-й
бло II типа». Прибор работает, если исправен бло I типа и хотя
бы один из блоов II типа. Выразите через А и Bi событие С, озна-
чающее, что прибор работает.
136. Элетричесая цепь со-
ставлена по схеме, приведенной на
рис. 26. Выход из строя элемента aі
(і = 1, 2) — событие Aі, элемента bi
(і = 1, 2) — событие Ві. Выразите че-
рез Aі и Ві события С и C , если С
означает разрыв цепи.
137.° Произведено два выстрела Рис. 26
по мишени. Рассмотрим следующие
события:
В1 — «попадание имело место при обоих выстрелах»;
В2 — «попадание имело место тольо при первом выстреле»;
В3 — «попадание имело место тольо при втором выстреле»;
В4 — «при обоих выстрелах имел место промах».
а) Выразите через эти события следующие события: А1 — «попа-
дание имело место при первом выстреле»; А2 — «попадание имело
место при втором выстреле»;
б) Выразите события Ві (і = 1, 2, 3, 4) через события А1 и А2.
в) Что означают события: В2 + В3; В1В2; В1 B 4?
§ 2.7. Шансы в польз события

Мы часто прибеаем залючению пари, ода не можем ару-
ментами убедить своео оппонента в справедливости своео проно-
за или своей точи зрения. Не будем рассматривать те пари, ода
один из спорящих наверняа знает, что возобладает ео точа зре-
ния. Например, обсуждается вопрос о том, а заончился матч
между двумя футбольными омандами, репортаж о отором бу-

дет транслироваться тольо поздно вечером. Но один из спорящих
из Интернета уже знает исход этоо матча и все-таи идет на за-
лючение пари. Таие пари будем называть недобросовестными
и в дальнейшем рассматривать не будем. Будем рассматривать толь-
о таие пари, ода аждый из спорящих считает, что наступле-
ние любоо из исходов есть дело случая, ео нельзя заранее пред-
сазать, но у спорящих различные представления о вероятностях
наступления этих исходов.
Ка правило, спорящие отстаивают различные, противоположные
точи зрения. Например, один утверждает, что дождь сеодня пойдет,
друой — что не пойдет; при извлечении арты из олоды появит-
ся расная арта, черная арта; останется в живых ерой фильма
или поибнет и т. д. Таие события являются противоположными.
Если проведено n опытов, и в m из них произошло событие А,
то в n – m опытах событие А не произошло, т. е. произошло собы-
тие A . Поэтому относительные частоты событий А и A соответ-
m n–m m
ственно равны ----- и --------------- = 1 – ----- . Тода вероятности событий А
n n n
и A , связанные с проведением достаточно большоо оличества
статистичеси устойчивых опытов, естественно принять равными
их относительным частотам:
m m
P(A) = ----- ; P( A ) = 1 – ----- .
n n
Если же рассматривается опыт с N равновозможными исхода-
ми, в отором наступлению события А блаоприятствует М исхо-
дов, то наступлению события A будет блаоприятствовать N – M
исходов, и вероятности этих событий соответственно равны:
M N–M M
P(A) = ------ ; P( A ) = ----------------- = 1 – ------ .
N N N
В любом случае, а мы установили в предыдущем парарафе,
имеет место равенство:
Р( A ) = 1 – Р(А).
Относительные возможности событий А и A по сравнению дру

с друом будем выражать термином «шансы в пользу А», или «шан-
сы против A»:
P(A)
шансы в пользу A = ------------- .
P(A)
P(A)
Понятно, что шансы в пользу A = ------------- .
P(A)
Та, например, вероятность события 0,5 соответствует шансу
0,5
------------------ = 1. Это инода формулируют в виде «шансы 1 1». Вероят-
1 – 0,5
0,75
ность 0,75 соответствует шансу ---------------------- = 3, или 3 1. Больший
1 – 0,75
шанс соответствует более высоой вероятности и большему правдо-
подобию. Обратите внимание, что, несмотря на то что вероятность
не может выходить за пределы промежута от 0 до 1, шанс может
принимать любые неотрицательные значения.
В случае большоо числа n статистичеси устойчивых опытов
имеем
m
-----
P(A) n m
шансы в пользу A = ------------- = --------------- = --------------- .
P(A) n–m n–m
---------------
n
Для опытов с N равновозможными исходами аналоично полу-

чим
M
------
P(A) N M
шансы в пользу A = ------------- = ----------------- = ----------------- .
P(A) N–M N–M
-----------------
N
Пример 1. Рассмотрим опыт с бросанием иральноо убиа.

Пусть событие А означает, что число выпавших очов ратно 3.
Тода событие A означает, что число выпавших очов не ратно 3.
Та а событию А блаоприятствуют два исхода {3, 6} из шести
возможных {1, 2, 3, 4, 5, 6}, значит событию A — четыре исхода
2 1 1 2
{1, 2, 4, 5}, то P(A) = --- = --- ; P( A ) = 1 – --- = --- . Поэтому
6 3 3 3
2 1
шансы в пользу A = --- = --- ;
4 2
4 2
шансы в пользу A = --- = --- .
2 1
Пример 2. Пусть неоторый водитель путем мнооратных на-

блюдений установил, что в 85% тех случаев, ода он моет свой
автомобиль, на следующий день идет дождь. Друими словами,
можно считать, что вероятность тоо, что на следующий день после

мытья машины пойдет дождь, равна 0,85, а вероятность тоо, что
на следующий день после мытья машины не пойдет дождь, равна
0,85 17
1 – 0,85 = 0,15. Тода шансы в пользу дождя ------------ = ------ .
0,15 3
Пример 3. Пусть принято, что вероятность тоо, что неоторая

3
лошадь выирает на сачах, равна --- . Тода шансы сторон в пари
4
3 1
в пользу победы этой лошади относятся а --- : --- = 3 : 1. Возниа-
4 4
ет вопрос, на аих условиях следует залючать пари, чтобы оно
было честным? Ясно, что тот, то ставит на эту лошадь, рисует
меньше, чем тот, то ставит против этой лошади. Можно считать,
что этот рис в 3 раза меньше риса второо участниа пари. По-
этому стави при честном пари должны быть обратно пропорцио-
нальны вероятностям выирыша и проирыша лошади. Для то-
о чтобы пари было честным, надо условиться платить тому, то
ставит против этой лошади, например, 30 (или 60, или 90) денеж-
ных единиц, если эта лошадь проирает, и взимать с нео 10 (соот-
ветственно, 20, 30) денежных единиц, если она выирает. Подсчи-
таем суммарный выирыш при большом оличестве таих пари
1
для тоо, то ставит против этой лошади. В --- случаев (а именно
4
в таой доле случаев проирывает рассматриваемая лошадь) выи-
3
рыш составляет 30 денежных единиц, а в --- случаев, ода эта ло-
4
шадь выирывает, проирыш составляет 10 денежных единиц.
1 3
Суммарный выирыш в среднем равен 30 · --- – 10 · --- = 0. Для дру-
4 4
оо участниа пари выирыш составляет 10 денежных единиц
3
(лошадь выирывает в --- случаев), а проирыш — 30 денежных
4
1
единиц (лошадь не выирывает в --- случаев). Суммарный выирыш
4
3 1
в среднем для нео равен 10 · --- – 30 · --- = 0.
4 4
В дальнейшем пари будем считать честным, если средняя ве-

личина выирыша, приходящеося на одно пари, равна нулю.
Если шансы в пользу события А равны p : q, выирыш ироа,

поставившео на событие А, составляет а денежных единиц, а про-
ирыш этоо ироа — b денежных единиц, то суммарный выи-
рыш в среднем для этоо ироа, по аналоии с вышерассмотрен-
ным примером, равен ap — bq = ap — b(1 — p). Если эта величина
p b
равна нулю, то пари является честным. Если ap — bq = 0, то --- = --- ,
q a
т. е. отношение b : a таже равно шансам в пользу события А. Об
этом отношении таже оворят, что оно определяет условия, при
оторых пари будет честным.
В примере 2 с мытьем машины пари будет честным, если води-
тель в случае дождя на следующий день после мытья машины по-
лучит, например, 15 денежных единиц, а в случае, если дождя не
будет, заплатит 85 денежных единиц.
p
Если известно, что шансы в пользу события А равны --- , то
q
p q
P(A) = ------------ ; P( A ) = ------------ .
p+q p+q
Действительно, пусть Р(А) = h, Р( A ) = 1 – h, тода шансы

h h p
в пользу события А равны ------------- . Имеем уравнение ------------- = --- . Решим
1–h 1–h q
это уравнение относительно h. Соласно основному свойству пропор-
ции имеем:
p
hq = (1 – h)p, или hq = p – hp, hq + hp = p, h(p + q) = p, h = ------------ ,
p+q
что и требовалось доазать.
Пример 4. Серей отов залючить пари на условиях 5 : 3, что

при выстреле по мишени он попадет в нее. Каой должна быть ве-
роятность попадания в мишень для тоо, чтобы пари было честным?
Здесь p = 5, q = 3, A — «попадание в мишень при выстреле».
5 5
Соласно полученной формуле P(A) = ------------- = --- .
5+3 8
Формлой для подсчета шансов в польз неотороо события пользова-

лись итальянсие математии Л. Пачиоли (1445—1514), Д. Кардано (1501—
1576), Н. Тарталья (1499—1557), францзсие ченые Б. Пасаль (1623—
1662), П. Ферма (1601—1665) еще до тоо, а было сформлировано определение ве-
роятности.
1. Вероятность неотороо со- 4. На аих условиях должно

бытия равна 0,65. Каовы шан- залючаться честное пари о том,
сы в пользу этоо события? что наступит событие А, если ве-
2. Известно, что шансы в пользу роятность ео наступления рав-
неотороо события равны 1 : 3. на 0,3?
Каова вероятность этоо события? 5. Будет ли пари о том, что на-
3. Известно, что шансы в пользу ступит событие А, честным, ес-
неотороо события меньше 1. ли вероятность этоо события
Что можно сазать о вероятнос- равна 0,6 и пари залючено на
ти наступления этоо события? условиях 3 : 2?
Задачи
138.° Из олоды в 36 арт науад выбирают одну арту. Као-
вы шансы в пользу тоо, что это не будет артина (шестера, се-
мера, восьмера, девята, десята)?
139. В тесте по истории учащемуся названы три даты — 1825,
1812 и 1861 . — и сазано, что это даты трех историчесих собы-
тий: начала первой Отечественной войны, отмены репостноо
права и восстания деабристов. Предложено уазать дату аждоо
из этих трех событий. Учащийся не знает, ода произошли эти
события и называет даты науад.
а) Постройте ПЭИ опыта, залючающеося в том, что учащийся
науад выбирает из предложенных дату аждоо из этих историче-
сих событий.
б) Введите элементарные вероятности исходов этоо опыта.
в) Каовы шансы в пользу наступления события «учени не уа-
дал ни одной даты»?
140. Лена во время пребывания в летнем лаере написала три
письма: маме, дедуше и подруе. Она положила их в онверты, не
сверяя с заранее написанными адресами, не проверив, соответствует
ли письмо адресу на онверте, и опустила письма в почтовый ящи.
а) Постройте ПЭИ опыта, залючающеося в выборе науад он-
вертов для писем.
в) Каовы шансы в пользу наступления события «точно одно
письмо будет отправлено своему адресату»?
§ 2.8. Вероятность суммы событий 197
141.° Подбрасывают три монеты.

а) Постройте ПЭИ этоо опыта.
в) Каовы шансы в пользу наступления события «выпадут три
ерба или три цифры»?
§ 2.8. Вероятность сммы событий

Теперь рассмотрим правила, с помощью оторых можно по веро-
ятностям одних случайных событий вычислять вероятности друих
событий, аим-то образом связанных с первыми. Необходимость
подобных правил иллюстрирует следующий пример.
Пример 1. Прибор, состоящий из двух блоов, выходит из строя,
если выходят из строя оба блоа. Вероятность безотазной работы
за определенный промежуто времени первоо блоа составляет
0,9, второо — 0,8, обоих блоов — 0,75. К вычислению вероятнос-
ти аоо события сводится нахождение вероятности безотазной
работы прибора за уазанный промежуто времени?
В этом задании даны вероятности трех событий: А — «первый
бло работает безотазно в течение определенноо промежута вре-
мени», В — «второй бло работает безотазно в течение определен-
ноо промежута времени», АВ — «оба блоа работают безотазно
в течение определенноо промежута времени». Требуется найти
вероятность события С — «прибор работает безотазно в течение
определенноо промежута времени», являющеося суммой собы-
тий А и В: С = А + В.
Чтобы найти правило, позволяющее по вероятностям двух собы-
тий найти вероятность их суммы, рассмотрим следующий пример.
Пример 2. Рассмотрим опыт с бросанием дважды иральноо убиа
и события А — «число очов, выпавших при первом бросе, больше 4»
и В — «при втором бросе выпало более 3 очов». Найти P(A + B).
Событие А образуют 12 исходов, расположенных в последних
двух строах ПЭИ (табл. 2.22), событие В составляют 18 исхо-
дов, записанных в последних трех столбцах той же таблицы. Собы-
24 2
тие А + В содержит 24 исхода, следовательно, Р(A + В) = ------ = --- .
36 3
Вычисление числа исходов, составляющих событие A + B, можно
выполнить следующим образом: 24 = 12 + 18 – 6, де N(А + В) =
= 24, N(А) =12, N(B) = 18, N(AВ) = 6. Отсюда получаем, что
12 + 18 – 6 N(A ) N(B ) N ( AB )
P(A + B) = ----------------------------- = -------------- + -------------- – ------------------- =
36 N N N
= P(A) + P(B) – P(AB).
Таблица 2.22
II
I
1 2 3 4 5 6
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
Этот результат имеет место и в общем виде. Обычно ео называ-

ют теоремой сложения вероятностей.
ТЕОРЕМА 1. Для любых двух событий А и В справедливо ра-

венство
P(A + B) = P(A) + P(B) – P(AB),
т. е. вероятность суммы двух событий равна сумме их вероят-
ностей минус вероятность их произведения.
Доажем это утверждение. По определению вероятности
события (см. § 2.5) вероятность Р(А + В) равна сумме вероятностей
элементарных исходов, входящих в А + В. В то же время
Р(А) + Р(В) — это сумма вероятностей элементарных исходов, со-
ставляющих событие А, и веро-
ятностей элементарных исходов,
образующих событие В. При этом
вероятности исходов, входящих
в АВ, суммируются дважды: эти
исходы входят и в событие А, и в
событие В. Рис. 27 налядно ил-
люстрирует этот фат. Если вы-
честь Р(АВ) из Р(А) + Р(В), то по-
лучится сумма вероятностей ис-
ходов, составляющих событие
Рис. 27
А + В.
Верно ли, что вероятность суммы двух событий не больше

суммы вероятностей этих событий?
Теперь вернемся рассмотрению примера 1 и вычислим вероят-

ность события C.
По условию, Р(А) = 0,9, Р(В) = 0,8, Р(АВ) = 0,75. Требуется
найти Р(С) = Р(А + В). По теореме сложения вероятностей
Р(С) = Р(А + В) = 0,9 + 0,8 – 0,75 = 0,95.
Пример 3. Предыдущий опыт работы мастерсой свидетельствует

о том, что вероятность переорания предохранителя в неисправном
приборе составляет 6%, а вероятность обрыва провода — 4%. Таже
в 1% случаев приборы поступали с переоревшим предохраните-
лем и обрывом провода. Найти вероятность тоо, что в онретном
сданном в ремонт приборе присутствует по райней мере одна из
этих неисправностей.
Обозначим через А и В соответственно события: «переорел
предохранитель» и «обрыв провода». Событие «переорел предохра-
нитель или есть обрыв провода» является их суммой. Ео вероятность,
по теореме сложения вероятностей, равна 0,06 + 0,04 – 0,01 = 0,09.
Таим образом, в 9%случаев обращений в мастерсую прибор
имеет одну из этих неисправностей или обе сразу.
Пример 4. Числа 1, 2, 3, ..., 20 написаны на листах бумаи, ото-

рые помещены в оробу и тщательно перемешаны. Из ороби
науад вынимают один лист. Каова вероятность тоо, что число на
вынутом листе оажется либо простым, либо делящимся на 3?
Пространство элементарных исходов данноо опыта имеет вид
U = {1, 2, 3, ..., 20}, А — «на вынутом листе простое число», А =
= {2, 3, 5, 7, 11, 13, 17, 19}; В — «на вынутом листе число, рат-
ное 3», B = {3, 6, 9, 12, 15, 18}.
8 2
Та а исходы опыта равновозможны, то Р(A) = ------ = --- ; Р(В) =
20 5
6 3
= ------ = ------ . Событие АВ залючается в том, что на вынутом листе
20 10
1
простое число, ратное 3: AB = {3}, Р(AB) = ------ . Таим образом,
20
2 3 1 13
P(A + B) = --- + ------ – ------ = ------ .
5 10 20 20
Впрочем, эту вероятность можно найти и непосредственно:

A + B = {2, 3, 5, 6, 7, 9, 11, 12, 13, 15, 17, 18, 19},
13
Р(A + B) = ------ .
20
Из теоремы сложения вероятностей следует, что, зная любые

три из четырех вероятностей (Р(А), Р(В), Р(А + В), Р(АВ)), можно
найти четвертую неизвестную вероятность. В частности, P(AB) =
= P(A) + P(B) – P(A + B).

В аих случаях оазываются полезными эти формулы? Один
из случаев их применения состоит в том, чтобы взять в ачестве
исходных известные сведения о вероятностях и вычислить по соот-
ветствующей формуле вероятность друоо события, возможно,
представляющео больший интерес или являющеося более важ-
ным. Друой случай — если мы хотим убедиться, что информация,
на оторой основано решение, лоичеси непротиворечива. Пред-
положим, например, что у нас есть вероятности событий А и В, вы-
численные а относительные частоты на основе данных прошлых
наблюдений. Планируется использовать субъетивную оцену ве-
роятностей событий АВ и А + В. При этом может оазаться полез-
ным убедиться в том, что связь между четырьмя рассматриваемы-
ми вероятностями не противоречит приведенным формулам.
Вероятность попадания в цель одним стрелом равна р1, вто-
рым — р2, вероятность тоо, что хотя бы один стрело попа-
дет в цель равна р3. Вероятность тоо, что оба стрела попадут
в цель равна р4. Выразите через остальные данные аждую из
вероятностей р1, р2, р3, р4.
Приведенные примеры поазывают, что трудности применения

теоремы сложения вероятностей связаны с нахождением вероят-
ности произведения событий (либо эта вероятность задавалась, ли-
бо находилась по лассичесой модели из предположения о равно-
возможности исходов опыта). Эти трудности исчезают, если из-
вестно, что события несовместны, т. е. нет элементарных исходов,
входящих в оба события; друими словами, если AB = V. В этом
случае Р(АВ) = 0 и теорема сложения вероятностей принимает
следующий вид.
ТЕОРЕМА 2. Вероятность суммы двух несовместных собы-

тий равна сумме вероятностей этих событий:
Р(А + В) = Р(А) + Р(В).
ЗАМЕЧАНИЕ 1. Полученная формула напоминает известное

равенство
S(F1 + F2) = S(F1) + S(F2),
де F1 и F2 — фиуры, не имеющие общих внутренних точе, а S(F1)

и S(F2) — их площади. Эта общность на самом деле очень лубоая,
она отражает тот фат, что и площадь фиуры, и вероятность собы-
тия являются мерами величин.
ЗАМЕЧАНИЕ 2. Точно та же, а равенство S(F1 + F2) =

= S(F1) + S(F2) используют при асиоматичесом определении пло-
щади фиуры, та и равенство Р(А + В) = Р(А) + Р(В) может быть
принято в ачестве одной из асиом при определении вероятности
события.
Пример 5. Найти вероятность тоо, что сумма очов, выпавших

при бросании двух иральных убиов, равна 3 или 4.
ПЭИ опыта представлено в таблице 2.22. Пусть событие А —
«сумма выпавших очов равна 3», В — «сумма выпавших очов
равна 4».
А = {(1, 2), (2, 1)}; B = {(1, 3), (2, 2), (3, 1)},
А и В — несовместные события.
2 3 5
P(A + B) = P(A) + P(B) = ------ + ------ = ------ .
36 36 36
Найдите ошибу в следующих рассуждениях.

Вероятность попадания в цель одним стрелом равна 0,8, вто-
рым — 0,7. Стрели сделали по одному выстрелу. Каова ве-
роятность тоо, что хотя бы один из них попал в цель? Приме-
нение предыдущео следствия приводит нелепому результа-
ту: 0,8 + 0,7 = 1, 5, ведь вероятность не может быть больше 1.
При решении задач нередо приходится вычислять вероятнос-

ти событий, являющиеся объединением более чем двух событий.
Правило сложения вероятностей
имеет место для суммы любоо
онечноо числа попарно несов-
местных событий:
Если А1, А2, ..., Аm — попар-
но несовместные события, то
P(A1 + A2 + ... + Am) =
= P(Al) + P(A2) + ... + P(Am).
Рис. 28 является иллюстра-
цией этоо утверждения. Рис. 28
Верно ли, что попарно несовместные события несовместны

в совоупности?
Верно ли, что события, несовместные в совоупности, явля-

ются попарно несовместными?
Обращаем внимание на то, что теорема сложения вероятностей

справедлива для событий, относящихся одному ПЭИ.

Предыдущее утверждение позволяет по вероятностям событий
находить вероятность суммы несольих событий в случае их по-
парной несовместности. А а быть, если это условие не выполня-
ется? Ответ на этот вопрос дадим для суммы трех событий.
По определению вероятности события (см. § 2.5) вероятность
Р(А + В + С) равна сумме вероятностей элементарных исходов, вхо-
дящих в А + В + С. В то же время Р(А) + Р(В) + Р(С) — это сумма
вероятностей элементарных исходов, образующих событие А, и ве-
роятностей элементарных исходов, образующих событие В, и веро-
ятностей элементарных исходов, образующих событие С. При этом
вероятности исходов, входящих в АВ, АС, ВС, суммируются дваж-
ды: исходы АВ входят и в событие А, и в событие В; исходы АС —
и в событие А, и в событие С; исходы ВС — и в событие В, и в собы-
тие С. Вычтя Р(АВ), Р(АС), Р(ВС) из Р(А) + Р(В) + Р(С), получим,
что оставшаяся разность не будет содержать вероятностей исходов,
входящих одновременно и в А, и в В, и в С. Дело в том, что эти
вероятности трижды входят в сумму Р(А) + Р(В) + Р(С) и входят
в аждую из вероятностей Р(АВ), Р(АС), Р(ВС), т. е. Р(АВС) мы триж-
ды сложили, а затем трижды вычли. Поэтому, прибавив Р(АВС)
выражению Р(А) + Р(В) + Р(С) – Р(АВ) – Р(АС) – Р(ВС), получим
сумму вероятностей исходов, образующих событие А + В + С.
Таим образом, доазано следующее утверждение.
ТЕОРЕМА 3. Для любых трех событий А, В, С имеет место

равенство
Р(А + В + С) = Р(А) + Р(В) + Р(С) – Р(АВ) – Р(АС) – Р(ВС) + Р(АВС),
т. е. вероятность суммы трех событий равна сумме вероятнос-
тей этих событий без суммы вероятностей их попарных про-
изведений, сложенной с вероятностью произведения этих собы-
тий.
Пример 6. Иральный уби бросают дважды. Каова вероят-

ность тоо, что сумма выпавших очов ратна 2, 3 или 5?
Обозначим через А, В, С соответственно события «сумма вы-
павших очов ратна 2», «сумма выпавших очов ратна 3», «сум-
ма выпавших очов ратна 5». В § 2.4 и 2.5 строились ПЭИ для
данноо опыта и вводились элементарные вероятности. Если в а-
честве элементарных исходов опыта выбрать суммы выпавших оч-
ов, то множество элементарных исходов примет вид U = {2, 3, 4,
5, 6, 7, 8, 9, 10, 11, 12}. Элементарные вероятности для этоо ПЭИ
соответственно равны:
1 2 3 4 5 6
p(2) = ------ ; p(3) = ------ ; p(4) = ------ ; p(5) = ------ ; p(6) = ------ ; p(7) = ------ ;
36 36 36 36 36 36
5 4 3 2 1
p(8) = ------ ; p(9) = ------ ; p(10) = ------ ; p(11) = ------ ; p(12) = ------ .
36 36 36 36 36
Отсюда
1
Р(А) = р(2) + р(4) + р(6) + р(8) + р(10) + р(12) = --- ;
2
1
Р(В) = р(3) + р(6) + р(9) + р(12) = --- ;
3
7
Р(С) = р(5) + р(10) = ------ .
36
События АВ, АС, ВС состоят в том, что сумма выпавших очов
ратна соответственно 6, 10 и 15.
6 3
Р(АВ) = р(6) + р(12) = ------ ; Р(АС) = р(10) = ------ ; Р(ВС) =Р(V) = 0.
36 36
Событие АВС состоит в том, что сумма выпавших очов рат-
на 30, АВС = V, P(АВС) = P(V) = 0. Поэтому
1 1 7 6 3 7
P(А + В + С) = --- + --- + ------ – ------ – ------ – 0 + 0 = --- .
2 3 36 36 36 9
Впрочем, эту вероятность можно было найти, не прибеая об-
щей теореме сложения, а воспользовавшись определением вероят-
ности события. Та а А + В + С = {2, 3, 4, 5, 6, 8, 9, 10, 12}, то
1 2 3 4 5 5 4 3 1 7
P(А + В + С) = ------ + ------ + ------ + ------ + ------ + ------ + ------ + ------ + ------ = --- .
36 36 36 36 36 36 36 36 36 9
Можно было перейти событию, противоположному событию А +
+ В + С:
6 2 7
P(А + В + С) = 1 – P(A + B + C) = 1 – P(7, 11) = 1 –  ------ + ------  = --- .
36 36 9
Теорему 3 можно обобщить на сумму любоо онечноо числа

событий.
Фатичеси еще Д. Кардано (1501—1576) в ХVІ столетии, сладывая шан-

сы, пользовался теоремой сложения вероятностей. Он понимал, что при
этом события должны быть несовместными. Понятно, что он не рассмат-
ривал вероятности, а подсчитывал стави в «справедливых» ирах, оторые пропорци-
ональны вероятностям. Теорем сложения вероятностей применял Х Гюйенс (1629—
1695) в своей работе «О подсчетах в азартных ирах» (1657 .) при решении известной
задачи о распределении стави. Я. Бернлли в (1654—1705) своей ние «Иссство
предположений» (1713 .) в ориинальной форме разъясняет применение теоремы
сложения вероятностей, в частности невозможность ее применения для совместных
событий. Анлийсий ченый Т. Бейес (1702—1761) доазал теорем сложения вероят-
ностей.
1. Может ли вероятность сум- 6. Известно, что во избежание

мы двух событий быть: больших затруднений на строи-
а) меньше суммы вероятностей тельстве неотороо объета
этих событий; необходимо, чтобы цемент был
б) равной сумме вероятностей доставлен не позднее 27 июля,
этих событий; а финансирование оранизова-
в) больше суммы вероятностей но до 6 авуста. На основе пре-
этих событий? дыдущео опыта и анализа
2. Может ли вероятность сум- аналоичных ситуаций с при-
мы двух событий равняться менением субъетивной оцени
вероятности одноо из слаае- вероятности этим двум собы-
мых? тиям приписаны соответствен-
3. Ка с помощью теоремы сло- но вероятности 0,83 и 0,91.
жения вероятностей установить Предположим таже, что веро-
связь между вероятностями про- ятность выполнения хотя бы
тивоположных событий? одноо из этих сроов составля-
4. Чему равна вероятность сум- ет 0,96.
мы событий, если в аждом а) Чему равна вероятность воз-
опыте наступает одно и тольо ниновения «больших затруд-
одно из этих событий? нений»?
5. Верно ли, что вероятность б) Являются ли данные собы-
суммы трех событий не превос- тия несовместными?
ходит сумму вероятностей этих 7. Найдите ошибу в следую-
событий? щих рассуждениях: в Мосве
и Сант-Петербуре одновремен- буре — 0,6. Вероятность тоо,

но проходят соревнования. Ве- что спортсмен победит в Мос-
роятность тоо, что спортсмен ве или в Сант-Петербуре, по
выирает соревнование в Мос- теореме сложения вероятностей
ве, равна 0,9, а в Сант-Петер- равна 0,9 + 0,6 = 1,5.
Задачи
142.° Проводится стрельба по мишени,
изображенной на рис. 29. Вероятность по-
падания для неотороо стрела в учас-
то 1 составляет 0,35, в участо 2 — 0,21.
Выстрел считается отличным, если пуля
попала в участо 1, и хорошим, если пу-
ля попала в участо 2. Каова вероятность
тоо, что выстрел будет или хорошим, или
отличным?
143.° При мнооратном повторении Рис. 29
двух выстрелов по мишени в среднем в 30%
случаев было два, а в 50% — одно попадание. Найдите вероятность
тоо, что имело место:
а) хотя бы одно попадание;
б) не более одноо попадания.
144.° Продолжительными наблюдениями установлено, что в
маазине из аждых 100 проданных пар мужсой обуви в среднем
12 пар имеют 44-й размер, 5 пар — 45-й или больший размер. Каова
вероятность тоо, что следующей будет продана пара мужсой обу-
ви, размер оторой не меньше, чем 44-й?
145. Пассажир ждет автобус 32-о или 35-о маршрута на ос-
танове, де проходят три автобусных маршрута: 32-й, 35-й,
37-й. Считая, что автобусы всех маршрутов появляются в сред-
нем с одинаовой частотой, найдите вероятность тоо, что первый
из автобусов, оторый подойдет останове, будет нужноо
маршрута.
146. Подбрасывают три монеты. Найдите вероятность выпаде-
ния не менее двух ербов.
147. Три события попарно несовместны, их объединение есть
достоверное событие. Вероятности этих событий относятся а
3 : 2 : 1. Найдите вероятности аждоо из этих событий.
148. Бросают два иральных убиа. Найдите вероятность то-

о, что:
а) сумма выпавших очов равна 4 или 11;
б) наступит хотя бы одно из двух событий: «на первом убие
выпало не менее 3 очов», «на втором убие — не менее 2 оч-
ов».
149. В урне десять расных и шесть синих шаров. Наудачу вы-
нимают два шара. Каова вероятность тоо, что оба шара одноо
цвета?
150. Найдите вероятность тоо, что наудачу выбранное двузнач-
ное число оажется ратным либо 2, либо 5, либо тому и друому
одновременно.
151. Проводится опрос, связанный с улучшением работы служ-
бы быта. Каждый должен ответить на два вопроса:
1) Удовлетворены ли вы ачеством ремонта телевизора?
2) Удовлетворяет ли вас сро выполнения зааза на ео ре-
монт?
Оазалось, что 30% опрошенных положительно ответили на оба
вопроса; 20% — положительно на первый и отрицательно на вто-
рой вопрос; 10% — отрицательно на первый и положительно на
второй вопрос; 40% — отрицательно на оба вопроса. Найдите веро-
ятность тоо, что науад выбранный челове:
а) удовлетворен ачеством ремонта;
б) удовлетворен ачеством ремонта или сроом ео выполне-
ния;
в) не удовлетворен сроом выполнения ремонта.
152. Вероятность получения рупноо зааза неоторой фир-
мой равна 0,4. Вероятность финансовых потерь этой фирмы в теу-
щем вартале составляет 0,5. Уазанные события несовместны.
а)° Найдите вероятность получения зааза или финансовых по-
терь.
б) Ислючена ли возможность тоо, что зааз не будет получен
и не удастся заработать дене?
153. Продолжительными наблюдениями установлено, что из
аждых 100 студентов высших учебных заведений приблизитель-
но 60 изучают анлийсий язы, 30 — французсий, 10 — анлий-
сий и французсий. Найдите вероятность тоо, что науад вы-
бранный студент:
а) изучает по райней мере один из двух уазанных языов;
б) не изучает ни одноо из этих языов.
§ 2.9. Условные вероятности 207
§ 2.9. Условные вероятности

При проведении случайных опытов часто появляется дополни-
тельная информация, оторая существенно влияет на шансы на-
ступления событий, связанных с этим опытом. Рассмотрим приме-
ры, иллюстрирующие эти соображения.
Пример 1. Иральный уби бросают дважды. Пусть событие А
означает, что «сумма выпавших очов равна 11», а событие В —
«при первом бросе выпало 6 очов». Ясно, что шансы наступле-
ния события А изменяются в зависимости от тоо, произошло или
не произошло событие В.
Пример 2. Если события А и В несовместны, то вероятность
наступления события А, если известно, что событие В наступило,
равна 0.
Пример 3. Если аждый исход из В входит и в A, то вероятность
наступления А при условии, что В наступило, равна 1.
Чему равно произведение событий А и В, если аждый исход
из В входит и в A?
Пример 4. Предположим, что местная футбольная оманда мо-

жет выирать важную иру с вероятностью 70%. Поступила новая
информация, соответствующая событию «после оончания первоо
тайма оманда выирывает». В зависимости от тоо, реализуется
ли это событие, вероятность победы изменяется. Вероятность побе-
ды оманды при условии, что она действительно выирывает после
первоо тайма, оажется выше и будет равна, например, 85%. Эта
вероятность 85% представляет собой вероятность события «оман-
да одержала победу» при условии наступления события «оманда
выирывает после первоо тайма». Вероятность выирыша при ус-
ловии, что оманда проирывает после первоо тайма, будет мень-
ше, чем вероятность победы, составляющая 70%; пусть, например,
эта вероятность оценивается в 35%. Данная вероятность представ-
ляет собой вероятность события «оманда одержала победу» при ус-
ловии наступления события «оманда проирывает после первоо
тайма».
Пример 5. На успех новоо оммерчесоо проета влияет мноо
фаторов, таих, а блаоприятные или неблаоприятные эоно-
мичесие условия, действия онурентов. Эономичесий рост
будет повышать шансы на успех; это означает, что вероятность ус-
пеха при условии эономичесоо роста будет больше, чем вероят-
ность успеха вообще (мы будем оворить: чем безусловная веро-

ятность).
Примеры 1—5 позволяют сделать вывод, что целесообразно рас-
сматривать вероятность одноо события при условии, что друое
произошло.
Пример 6. В опыте с бросанием иральноо убиа дважды най-
дем вероятность тоо, что «при первом бросе выпала 1» (событие
А), если известно, что «сумма выпавших очов меньше 4» (собы-
тие В).
ПЭИ рассматриваемоо опыта представлено в таблице 2.22.
Исходы этоо опыта будем считать равновозможными. Друими
словами, имеем лассичесую модель случайноо опыта. По усло-
вию событие В считается наступившим. Оно состоит из трех равно-
возможных исходов {(1, 1), (1, 2), (2, 1)}, причем в двух из них мож-
но наблюдать и событие А = {(1, 1), (1, 2)}. Таим образом, вероят-
2
ность события А при условии, что В наступило, равна --- . Это число
3
будем называть словной вероятностью события А при сло-
3 2
вии В и обозначать Р(А | В). Та а Р(В) = ------ , Р(АВ) = ------ , то
36 36
2
------
2 36 P ( AB )
P(A | B) = --- = ------- = ------------------ .
3 3 P(B )
------
36
Это равенство получено для опытов с равновозможными исхо-
дами.
Рассмотрим подобную задачу для статистичеси устойчивых
опытов.
Пример 7. С первоо стана в сборочный цех поступает 40%, а со
второо — 60% всех деталей. 3% всех деталей, изотовленных на
первом стане, и 5% всех деталей, изотовленных на втором, —
браованы. Вероятность детали быть браованной зависит от тоо,
на аом стане ее изотовили.
Посольу существует вероятность события «деталь браована»,
то опыты являются статистичеси устойчивыми и вероятность со-
бытия можно считать равной относительной частоте этоо собы-
тия. Поэтому лео найти, что из аждой тысячи деталей, поступив-
ших на сбору, в среднем 42 браованы: 400 · 0,03 + 600 · 0,05 =
= 42. Друими словами, вероятность тоо, что науад взятая деталь
будет браованной (событие А), можно считать равной 0,042:
Р(A) = 0,042.
Вместе с тем, если деталь изотовлена на первом стане (собы-

тие В1), то, а следует из условия, вероятность тоо, что она бра-
ована, составляет 0,03. Эту вероятность будем обозначать Р(A | В1)
и оворить: условная вероятность события А при условии, что
событие В1 произошло: Р(A | B1) = 0,03.
Аналоично если через В2 обозначить событие «деталь изотов-
лена на втором стане», то Р(А | В2) = 0,05.
Вычислим вероятность одновременноо осуществления событий
А и В1, т. е. события AB1. Из любой 1000 деталей, поступивших на
сбору, в среднем 400 изотовлены на первом стане, из них при-
мерно 3% (т. е. 12) браованы. Поэтому
12 400 12
P(AB1) = ------------- = ------------- · ---------- = P(B1)P(A | B1).
1000 1000 400
Отсюда
P ( AB )1
P(A | B1) = --------------------
-.
P (B1)
Опять пришли тому же равенству для условной вероятности.

Примем ео в ачестве определения для произвольных опытов.
Условная вероятность события А при условии В есть число,

определяемое равенством:
P ( AB )
P(A | B) = ------------------ .
P(B)
Конечно, здесь подразумевается, что Р(В) > 0, т. е. событие B не

является невозможным. В противном случае событие АВ невоз-
можно и Р(АВ) = 0.
В ящие 15 шаров, из них 10 белых. Из ящиа наудачу после-

довательно один за друим, не возвращая обратно, извлеают
два шара. Каова вероятность тоо, что второй шар белый, ес-
ли первый белый?
Вероятность тоо, что деталь, изотовленная на стане А, яв-

ляется браованной равна 0,01. Что таое 0,01: вероятность
одновременноо наступления событий «деталь изотовлена
на стане А» и «деталь браована» или условная вероятность
тоо, что деталь браована при условии, что она изотовлена
на стане А»?
Введение условной вероятности P(A | B) для аждоо события В

в ПЭИ U приводит построению новой вероятностной модели с ПЭИ
UB, состоящем из тех и тольо тех элементов U, оторые образуют
i p(u )
событие В, и элементарными вероятностями ------------- .
p(B)
Пример 8. Вероятность тоо, что в неисправном приборе перео-

рел предохранитель, составляет 6%, вероятность обрыва провода
равна 4%, а вероятность наличия обеих этих неисправностей равна
1%. Найти условную вероятность обрыва провода при условии то-
о, что в приборе переорел предохранитель.
Обозначив через А и В соответственно события «обрыв прово-
да» и «предохранитель переорел», будем иметь
P ( AB ) 0,01
P(A | B) = ------------------ = ------------ d 0,167.
P(B ) 0,06
В этом случае переорание предохранителя означает повыше-

ние вероятности тоо, что в неисправном приборе присутствует
таже и обрыв провода.
Таая условная вероятность свидетельствует о том, что из всех
приборов, в оторых сорел предохранитель, 16,7% обычно имеют
еще и обрыв провода. Обратите внимание на то, насольо эта ус-
ловная вероятность больше, чем безусловная вероятность обрыва
провода (4%). Это связано с тем, что при рассмотрении приборов со
соревшим предохранителем больше не идет речь обо «всех прибо-
рах», а тольо о тех, в оторых сорел предохранитель, т. е. о 6%
всех приборов. Вероятность «обрыва провода» при этом возрастает
с 4 до 16,7%, что и отражает учет дополнительной информации.
На рис. 30 схематично изображена рассматриваемая ситуа-
ция.
Вычислим условную вероятность Р(А | В) для событий, рассмот-

ренных в примере 1.
1
В = {(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}; Р(В)= --- ;
6
1 1 1 1
АВ = {(6,5)}, Р(АВ) = ------ ; P(A | B) = ------ : --- = --- .
36 36 6 6
1 5
P( B ) = 1 – --- = --- ; AB = {(5, 6)};
6 6
1 1 5 1
P( AB ) = ------ ; P( A | B ) = ------ : --- = ------ .
36 36 6 30
Рис. 30
Ка видим, подтвердилась мысль о том, что вероятность наступ-

ления события А изменяется в зависимости от тоо, произошло или
не произошло событие В.
Из определения условной вероятности следует, что если
Р(В) > 0, то
Р(АВ) = Р(В) Р(А | В).
Аналоично если Р(A) > 0, то
Р(АВ) = Р(А) Р(В | А).
Таим образом, имеет место та называемая теорема множе-
ния вероятностей.
ТЕОРЕМА. Если P(B) > 0, Р(A) > 0, то
P(AB) = P(A) P(B | A) = P(B) P(A | B).
Друими словами, если вероятности аждоо из двух событий
отличны от нуля, то вероятность одновременноо наступления
двух событий равна произведению вероятности одноо из этих

событий и условной вероятности второо при условии, что пер-
вое наступило.
Эту теорему используют для нахождения вероятности произве-

дения двух событий.
Пример 9. Цех изотовляет инесопы для телевизоров, причем

70% всех инесопов предназначены для цветных телевизоров. Из
общео оличества инесопов, предназначенных для цветных те-
левизоров, 40% отправляют на эспорт. Найти вероятность тоо,
что науад взятый для онтроля инесоп предназначен для цвет-
ноо телевизора и будет отправлен на эспорт.
Через А обозначим событие «науад взятый инесоп изо-
товлен для цветноо телевизора», через В — «инесоп будет от-
правлен на эспорт».
Известно, что Р(А) = 0,7; Р(В | A) = 0,4. Требуется найти Р(АВ).
Соласно теореме умножения вероятностей
P(AB) = P(A) P(B | A) = 0,7 · 0,4 = 0,28.
Пример 10. В урне пять белых и три черных шара. Наудачу один
за друим извлеают два шара, причем извлеченный шар в урну не
возвращается. Каова вероятность, что:
а) оба шара белые;
б)* второй шар белый;
в)* первый шар белый, если второй оазался черным?
а) Пусть событие Aі, i = 1, 2, означает, что «і-й извлеченный
шар белый»; А — «оба шара белые»; А = А1А2.
Известно, что в урне восемь шаров, извлечение любоо из них —
равновозможно (выбор производится науад). Событие А1 происхо-
дит при любом из пяти исходов опыта (пять белых шаров), тода
5
Р(А1) = --- . Если первым вынут белый шар, то после ео извлечения
8
в урне остается семь шаров, из оторых четыре белых. Ита,
4 5 4 5
P(A2 | A1) = --- ; P(A) = P(A1) P(A2 | A1) = --- · --- = ------ .
7 8 7 14
б) Событие A2 — «второй извлеченный шар белый» — наступает
в двух случаях: если или оба извлеченных шара белые, или первый
черный, а второй белый, т. е.
A2 = A1A2 + A 1 A2.
Применяя последовательно теоремы сложения и умножения ве-

роятностей, получим
P(A2) = P(A1A2) + P( A 1 A2) = P(A1) P(A2 | A1) + P( A 1 ) P( A2 | A 1 ).
Почему вероятность события A2 = A1A2 + A 1 A2 равна сумме

вероятностей событий A1A2 и A 1 A2?
5 4
Ранее мы установили, что Р(А1) = --- , а P(A2 | A1) = --- . Аналоич-
8 7
3 5 5 4
но находим, что P( A 1 ) = --- , P(A2 | A 1 ) = --- . Отсюда P(A2) = --- · --- +
8 7 8 7
3 5 5
+ --- · --- = --- . Заметим, что
8 7 8
5
P(A1) = P(A2) = --- .
8
5
Ка найдено, что P( A2 | A 1 ) = --- ?
7
в) Надо найти P( A1 | A 2 ). В соответствии с определением услов-

ной вероятности и теоремой умножения вероятностей,
5 3
P(A A ) P(A ) P(A | A ) --- · ---
1 2 1 2 1 8 7 5
P( A1 | A 2 ) = ----------------------- = ---------------------------------------------- = ------------- = --- .
P (A2 ) 1 – P ( A2 ) 5 7
1 – ---
8
При решении задач нередо приходится вычислять вероятнос-

ти событий, являющихся пересечением более чем двух событий.
Обобщим теорему умножения вероятностей на произведение любо-
о онечноо числа событий. Вначале рассмотрим вероятность про-
изведения трех событий Р(АВС). Обозначив АВ = D и применив
теорему умножения для двух событий дважды, получим
Р(АВС) = P(DC) = P(D) P(C | D) = P(AB) P(C | AB) =
= P(A) P(B | A) P(C | AB),
т. е.
Р(АВС) = P(A) P(B | A) P(C | AB).
Аналоично для п событий имеет место формула

Р(А1А2А3 … Ап) = Р(А1) Р(А2 | A1) P(A3 | A1A2) ... P(An | A1A2 … An – 1).
Пример 11. Из полной олоды в 36 арт вынимают науад после-

довательно без возвращения одну за друой три арты. Найдите ве-
роятность тоо, что среди них не будет ни одноо туза.
Обозначим через Аі событие «і-я вынутая арта не туз» (і = 1,
2, 3). Тода исомое событие В — «среди трех вынутых арт нет
туза» можно представить в виде В = А1А2А3. Применяя теорему ум-
ножения для трех событий, получим
Р(В) = Р(А1А2А3) = Р(А1) Р(А2 | A1) P(A3 | A1A2).
Та а всех арт 36, а тузов из них четыре, то при извлечении
первой арты для А1 имеем лассичесую модель с N = 36, N(A1) =
32
= 32, поэтому Р(А1) = ------ . При условии, что первая извлеченная ар-
36
та не туз для события А2 снова имеем лассичесую модель с N = 35,
31 30
N(А2) = 31, поэтому Р(А2 | А1) = ------ . Аналоично P(A3 | A1A2) = ------ ,
35 34
и следовательно,
32 31 30
P(A1A2A3) = ------ · ------ · ------ = 0,695.
36 35 34
1. Почему Р(A | B) < 1? 6. Имеет ли смысл Р(А | V)?

2. Пусть А и В — несовместные 7. Верно ли, что P(A | B) l P(A)?
события и Р(В) ≠ 0. Найдите 8. Вам сообщили хорошие но-
Р(A | B). вости: опытный образец новоо
3. Пусть аждый элементарный товара выпущен с опережением
исход события В входит таже рафиа, и ео фунциональ-
и в событие А. Чему равна: ные ачества выше, чем ожида-
а) Р(A | B); б) Р(B | A)? лось. Следует ли ожидать, что
4. Известно, что события A и В «условная вероятность тоо, что
несовместны. Верно ли, что этот товар будет иметь успех
Р(A1 + A2 |В) = Р(A1 |В) + Р(A2 |В)? в случае хороших новостей»,
5. Чему равна: оажется больше, меньше или
а) Р(A | U); б) P(U | А); в) P(V | А) равной безусловной вероятнос-
для произвольноо события A? ти успеха?
Задачи
154.° В ящие десять деталей, среди оторых семь орашенных.
Сборщи наудачу достает две детали. Найдите вероятность тоо, что
вторая деталь орашена, если первая:
а) орашена; б) не орашена.
155. Из цифр 1, 2, 3, 4, 5 выбирают одну, а из оставшихся —
еще одну. Найдите вероятность тоо, что во второй раз будет выбра-
на нечетная цифра, если в первый раз была выбрана:
а) четная цифра; б) нечетная цифра.
156. Урна содержит пять черных и десять расных мячей. Из
урны (без возвращения) вынимают один за друим два мяча.
а) Найдите вероятность тоо, что оба мяча черные.
б) Постройте ПЭИ этоо опыта. Определите вероятности ео эле-
ментов.
157.° Для условия задачи 154 найдите вероятность тоо, что
обе детали:
а) орашены; б) не орашены.
158.° Для условия задачи 155 найдите вероятность тоо, что
оба раза выбраны
а) нечетные цифры; б) четные цифры.
159.° На неотором предприятии 96% изделий считаются при-
одными. Из приодных изделий в среднем 75% составляют изде-
лия первоо сорта, остальные — второо сорта. Найдите вероят-
ность тоо, что изделие, изотовленное на этом предприятии, оа-
жется второсортным.
160. В ящиче десять расных и шесть синих пуовиц. Выни-
мают наудачу две пуовицы. Каова вероятность тоо, что обе пу-
овицы будут:
а) расными; б) синими?
161. Вероятность для деталей неотороо производства удов-
летворять стандарту равна 0,96. Предлаается упрощенная систе-
ма испытаний, оторая дает положительный результат с вероятно-
стью 0,98 для деталей, удовлетворяющих стандарту, и с вероятно-
стью 0,05 — для тех, оторые не удовлетворяют стандарту.
Найдите вероятность тоо, что науад взятая деталь:
а) удовлетворяет стандарту и выдерживает испытание;
б) удовлетворяет стандарту и не выдерживает испытания;
в) не удовлетворяет стандарту, но выдерживает испытание;
) не удовлетворяет стандарту и не выдерживает испытания.
162. По данным переписи населения в Анлии и Уэльсе (1891 .)

установлено, что темнолазые родители и темнолазые дети состав-
ляют 5% от общео оличества обследованных лиц; темнолазые
родители и светлолазые дети — 7,9%; светлолазые родители и
темнолазые дети — 8,9%; светлолазые родители и светлолазые
дети — 78,2%. Найдите связь между цветом лаз родителей и детей.
163. В техниуме обучается 500 студентов, причем известно,
что 300 студентов изучают анлийсий язы, 200 — французсий,
50 — немеций, 20 — анлийсий и немеций языи, 30 — фран-
цузсий и немеций, 20 — анлийсий и французсий, 10 челове
изучают все три языа. Каова вероятность тоо, что науад вы-
бранный студент изучает французсий язы, если:
а)° он изучает анлийсий язы;
б) он изучает анлийсий и немеций языи;
в)* он не изучает ни анлийсоо, ни немецоо языа?
164. Число рузовых автомобилей, проезжающих вдоль шоссе,
на отором находится бензоолона, относится числу леовых
автомобилей, проезжающих вдоль тоо же шоссе, а 3 : 2. Извест-
но, что в среднем один из 30 рузовых и два из 50 леовых автомо-
билей подъезжают бензоолоне для заправи. Чему равна веро-
ятность тоо, что:
а) бензоолоне подъедет рузовой автомобиль, и он будет за-
правляться;
б) бензоолоне подъедет леовой автомобиль, и он будет за-
правляться;
в) автомобиль, оторый подъедет бензоолоне, будет заправ-
ляться?
165. В ящие имеется десять деталей, среди оторых семь о-
рашенных. Рабочий науад по одной вынимает две детали. Найди-
те вероятность тоо, что:
а)° вторая деталь орашена, если первая орашена;
б)° вторая деталь орашена, если первая не орашена;
в) обе детали не орашены;
) обе детали орашены;
д)* вторая деталь орашена;
е)* первая деталь орашена, если вторая оазалась орашенной.
166. Следующий од для фирмы ожидается удачным с вероят-
ностью 0,7. При условии, что од удачный, с вероятностью 0,9 ожи-
дается выплата дивидендов. Однао, если од оажется неудач-
ным, выплата дивидендов произойдет с вероятностью 0,2.
§ 2.10. Независимые события 217
а) Найдите вероятность тоо, что од удачный и дивиденды вы-

плачиваются.
б) Найдите вероятность тоо, что дивиденды выплачиваются.
в) Найдите условную вероятность тоо, что од удачный при ус-
ловии, что дивиденды выплачиваются.
167.* В ящиче десять расных и шесть синих пуовиц. Выни-
мают наудачу последовательно без возвращения одну за друой три
пуовицы. Каова вероятность тоо, что все пуовицы будут:
а) расными; б) синими?
§ 2.10. Независимые события

При исследовании случайных событий инода важно устано-
вить зависимость между неоторыми из них. Понятие независи-
мости является очень важным в теории вероятностей. Оно доволь-
но точно отображает понятие независимости явлений в обычном
понимании, т. е. в понимании отсутствия влияния одних событий
на друие. В повседневной речи часто оворят о том, что аие-то
два события «не имеют отношения дру друу». Фатичеси речь
идет о понятии, оторое на математичесом язые называют неза-
висимостью событий. Вместе с тем обычное понятие независимос-
ти и понятие вероятностной независимости имеют отличия.
Пример 1. Два исследователя проводят измерения неоторой фи-

зичесой величины. Вероятности сделать ошибу при снятии по-
азателей прибора для них соответственно составляют 0,1 и 0,15.
Каова вероятность тоо, что при одноразовом измерении оба ис-
следователя допустят ошибу?
Обозначим через Аі, і = 1, 2, событие, оторое состоит в том,
что і-й исследователь сделает ошибу. Нужно найти P(A1A2). По
теореме умножения вероятностей
P(A1A2) = P(A1) P(A2 | A1).
По условию Р(А1) = 0,1. А что таое P(A2 | A1)? Это условная ве-
роятность тоо, что второй исследователь ошибется при снятии
поазателей прибора, при условии, что первый ошибся. Но мы
вправе считать, что вероятность события А2 не зависит от тоо, про-
изошло событие А1 или нет. Ведь второй исследователь мо сни-
мать данные прибора, не зная результата работы первоо. Ита,
P(A2 | A1) = P(A2) = 0,15. Поэтому
P(A1A2) = P(A1) P(A2) = 0,1 · 0,15 = 0,015.
В рассмотренном примере условная вероятность P(A2 | A1) рав-

на безусловной вероятности P(A2). В этом случае оворят, что собы-
тие А2 не зависит от события А1.
Пример 2. Обратимся снова опыту с бросанием иральноо

убиа дважды (см. табл. 2.22 на с. 198).
Рассмотрим следующие события, связанные с этим опытом:
А — «при первом бросе выпало менее 3 очов»;
В — «при втором бросе выпало более 3 очов».
12 1
Ясно, что P(A) = ------ = --- (исходы, образующие событие А, стоят
36 3
18 1
в первых двух строах таблицы); P(B) = ------ = --- (исходы, образую-
36 2
щие событие В, стоят в последних трех столбцах таблицы); P(AB) =
6 1
= ------ = --- (исходы, образующие событие АВ, стоят на пересечении
36 6
первых двух стро и последних трех столбцов таблицы), т. е. Р(АВ) =
1 1 1
= --- = --- · --- = P(A) P(B).
6 3 2
По теореме умножения P(AB) = P(A) P(B | A). Сравнивая два по-
следних равенства, получим P(B | A) = P(B).
Этот результат можно объяснить на интуитивном уровне. Ре-

зультат первоо броса ниа не влияет на результат второо
броса, значит, вероятность тоо, что при втором бросе выпало бо-
лее 3 очов, не зависит от тоо, выпало ли при первом бросе менее
3 очов или нет. Ка и в предыдущем примере, оворят, что собы-
тие B не зависит от события A.
Однао не вседа условная вероятность наступления одноо со-
бытия при условии, что друое наступило, совпадает с безуслов-
ной вероятностью наступления первоо. Например, в том же опы-
те с бросанием иральноо убиа дважды рассмотрим то же собы-
тие A и событие C — «сумма выпавших очов равна 5»:
1 4 1
P(A) = --- ; Р(С) = Р{(1, 4), (2, 3), (3, 2), (4, 1)} = ------ = --- ;
3 36 9
2 1
P(С | А) = Р{(1, 4), (2, 3)} = ------ = ------ − P(C).
36 18
Интуитивно ясно, что сумма очов зависит от числа очов, вы-
павших при первом бросе.
Рассмотренные примеры поазывают, что естественно считать
одно событие не зависящим от друоо, если условная вероятность
наступления первоо при условии, что второе произошло, совпада-

ет с безусловной вероятностью наступления первоо.
Будем оворить, что событие А не зависит от события B,
если Р(A | B) = Р(A).
Поажем, что если событие А не зависит от В и Р(А) − 0, то
и событие В не зависит от А.
В самом деле, в соответствии с теоремой умножения вероят-
ностей
P(A | B) P(B) = P(B | A) P(A).
По условию Р(A | B) = Р(А) и Р(А) − 0. Отсюда
P(A) · P(B )
P(B | A) = --------------------------------- = P(B).
P(A)
А это означает, что событие В не зависит от события А.
Если событие А не зависит от события В, а событие В не за-

висит от события А, то события А и В называют независимыми.
ТЕОРЕМА 1. События A и В независимы тода и толь о то-

да, ода имеет место равенство
P(AB) = P(A) P(B).
Если Р(А) − 0, Р(В) − 0, то это утверждение вытеает из пред-
шествующих соображений. Это равенство остается справедливым
и в том случае, если P(A) = 0 или Р(В) = 0.
Проведите самостоятельно полное доазательство.
Утверждение, содержащееся в теореме 1, может быть принято

в ачестве определения независимых событий.
Пример 3. Симметричную монету подбрасывают трижды. Поа-

зать, что события А — «при первом подбрасывании выпал ерб» и В —
«при последних двух подбрасываниях выпала цифра» независимы.
ПЭИ рассматриваемоо опыта, события А и В имеют вид:
U = {ГГГ, ГГЦ, ГЦГ, ГЦЦ, ЦГГ, ЦГЦ, ЦЦГ, ЦЦЦ},
A = {ГГГ, ГГЦ, ГЦГ, ГЦЦ}, В = {ГЦЦ, ЦЦЦ}, АВ = {ГЦЦ};
4 1 2 1 1 1 1
Р(А) = --- = --- ; Р(В) = --- = --- ; Р(АВ) = --- = --- · --- = Р(А) Р(В).
8 2 8 4 8 2 4
События независимы.
Пример 4. В опыте со статистиой жилищных условий (см. при-

мер 3 из § 2.4) выяснить, зависимы ли события А — «опрошенный
удовлетворен ачеством жилья» и В — «опрошенный удовлетво-
рен удаленностью вартиры от места работы».
Напомним, что ПЭИ опыта имеет вид
U = {11, 10, 01, 00}, причем р1 = 0,5; р2 = 0,25; р3 = 0,15; р4 = 0,1;

Р(А) = Р{11, 10} = р1 + р2 = 0,75;
Р(В) = Р{11, 01} = р1 + р3 = 0,65;
Р(АВ) = Р{11} = р1 = 0,5 − 0,75 · 0,65 = Р(А) · Р(В).
События зависимы.
Вероятность получения рупноо зааза неоторой фирмой

равна 0,4. Вероятность финансовых потерь этой фирмы в те-
ущем вартале составляет 0,5, вероятность получения за-
аза и финансовых потерь составляет 0,1. Являются ли со-
бытия «получение зааза» и «финансовые потери» независи-
мыми?
Вероятность получения рупноо зааза неоторой фирмой

равна 0,4. Вероятность финансовых потерь этой фирмы в те-
ущем вартале составляет 0,5. Если эти события независи-
мы, найдите вероятность получения зааза и финансовых по-
терь.

С помощью определения установить независимость событий
можно далео не вседа, особенно если речь идет о построении ве-
роятностной модели аой-либо реальной ситуации. Существует
способ, основанный на ипотезе о физичесой независимости собы-
тий. Если аие-либо события описывают пренебрежимо мало свя-
занные процессы, то их считают физичеси независимыми, а из
физичесой независимости следует независимость в вероятност-
ном смысле. Это утверждение является эмпиричесим фатом, но
мноовеовой опыт человечества подтверждает возможность таой
точи зрения и ее пратичесую пользу. Та, например, отсутст-
вие ошибо при прораммировании не зависит от отсутствия сбоев
ЭВМ при решении задач: эти события — результат действия несвя-
занных физичесих процессов.
Рассмотрим важное свойство независимых событий.
ТЕОРЕМА 2. Если события А и В независимы, то независи-

мыми будут и события А и B .
Посольу событие А происходит тода и тольо тода, ода
происходят события А и В или события А и B , то
А = АВ + AB , Р(А) = Р(АВ) + Р( AB ).
Отсюда
Р( AB ) = Р(А) – Р(АВ) = Р(А) – Р(А) Р(В) =

= Р(А)(1 – Р(В)) = Р(А) Р( B ).
А это и означает, что события A и B независимы.
Это свойство дает возможность заменять любое событие в обеих

частях равенства P(AB) = P(A) P(B) событием, ему противополож-
ным. Доазанное утверждение означает, что независимость собы-
тий А и В эвивалентна независимости событий А и B , а в связи с
симметрией таже и событий A и В, A и B .
Правильную монету подбрасывают до первоо появления ер-

ба. Каова вероятность тоо, что потребуется два подбрасыва-
ния?
Вероятность тоо, что в течение одной смены вознинет непо-

лада стана, равна 0,05. Каова вероятность тоо, что не про-
изойдет ни одной неполади за две смены?
Обобщим понятие независимости на любое онечное число со-

бытий.
Случайные события А1, A2, A3 независимы в сово упности, ес-
ли они попарно независимы и
Р(А1А2А3) = P(A1) P(A2) P(A3).
Случайные события А1, А2, А3, А4 независимы в сово упности,

если независимы в сово упности любые три из них и
Р(А1А2А3А4) = Р(А1) Р(А2) Р(A3 ) P(А4).
Аналоично определяют независимость в совоупности собы-

тий А1, A2, ..., Ап.
Можно доазать, что если мы имеем неоторую совоупность
независимых в совоупности событий, то, заменив неоторые из
них противоположными им событиями, снова получим независи-
мые в совоупности события.
Например, поажем, что если события А1, A2, A3 независимы
в совоупности, то и события А1, A2, A 3 независимы в совоуп-
ности.
Из теоремы 2 следует, что события А1, A2, A 3 попарно незави-
симы. Аналоично доазательству теоремы 2 имеем:
А1 A2 = А1A2A3 + А1A2 A 3 ; Р(А1A2) = Р(А1A2A3) + Р( А1A2 A 3 );

Р( А1A2 A 3 ) = Р(А1A2) – Р(А1A2A3) = Р(А1A2) – Р(А1A2) Р(A3 ) =
= Р(А1A2) (1 – Р (A3)) = Р(А1A2) Р( A 3 ) = Р(А1) Р(A2) Р( A 3 ).
* Доажите, что если события А1, A2, A3 независимы в совоуп-

ности, то и события А1, A 2 , A 3 независимы в совоупности.
Пример 5. Прибор, работающий в течение суто, состоит из трех

узлов, аждый из оторых независимо дру от друа может за это
время выйти из строя. Неисправность хотя бы одноо узла приво-
дит отазу прибора. Вероятность безотазной работы в течение
суто первоо узла равна 0,9, второо — 0,95, третьео — 0,85. Че-
му равна вероятность тоо, что:
а) в течение суто прибор будет работать безотазно;
б) на протяжении суто будет работать по райней мере один
узел?
а) Пусть событие Аі, і = 1, 2, 3, означает, что «і-й узел испра-
вен»; событие A — «прибор на протяжении суто работает безот-
азно». Посольу прибор работает безотазно тода и тольо то-
да, ода исправны все три узла, то A = А1А2А3 . Та а события А1,
A2, А3 независимы в совоупности, то
Р(А) = Р(А1А2А3) = Р(A1) Р(А2) Р(А3) = 0,9 · 0,95 · 0,85 d 0,73.
б) Пусть событие В означает, что на протяжении суто будет ра-

ботать по райней мере один узел. Это событие противоположно
событию «на протяжении суто отажут все узлы», т. е. событию

A1A2 A3. Соласно сделанному замечанию, посольу события А1,
A2, А3 независимы в совоупности, то события A 1, A 2 , A 3 таже
независимы в совоупности. Поэтому
Р(В) = 1 – Р( A 1 A 2 A 3 ) = 1 – Р( A 1 ) P( A 2 ) P( A 3 ) =
= 1 – 0,1 · 0,05 · 0,15 = 0,99925.
Правильную монету подбрасывают до первоо появления ер-

ба. Каова вероятность тоо, что потребуется три подбрасы-
вания?
Вероятность тоо, что в течение одной смены вознинет непо-

лада стана, равна 0,05. Каова вероятность тоо, что не про-
изойдет ни одной неполади за три смены?
Из независимости событий в сово упности выте ает их по-

парная независимость. Обратное утверждение неверно даже для
трех событий, в чем можно убедиться на следующем примере.
Пример 6. Рассмотрим опыт с подбрасыванием двух монет. ПЭИ

этоо опыта имеет вид {ГГ, ГЦ, ЦГ, ЦЦ}, исходы опыта будем счи-
тать равновозможными, т. е. Р(ГГ) = Р(ГЦ) = Р(ЦГ) = Р(ЦЦ) = 0,25.
Введем следующие обозначения: А1 — «на первой монете выпал
ерб»; А2 — «на второй монете выпал ерб»; A3 — «монеты упали
одинаово». Являются ли события А1, А2, А3 :
а) попарно независимыми; б) независимыми в совоупности?
Посольу А1 = {ГГ, ГЦ}, то Р(A1) = Р(ГГ, ГЦ) = Р(ГГ) + Р(ГЦ) =
= 0,25 + 0,25 = 0,5.
Аналоично Р(А2) = Р(ГГ) + Р(ЦГ) = 0,5; Р(А3) = Р(ГГ) +
+ Р(ЦЦ) = 0,5.
Очевидно, что А1A2 = ГГ. Поэтому Р(А1А2) = Р(ГГ) = 0,25 =
= 0,5 · 0,5 = P(A1)P(A2).
Аналоично P(A1A3) = P(ГГ) = 0,25 = 0,5 · 0,5 = Р(А1) Р(А3).
Р(А2A3 ) = P(ГГ) = 0,25 = Р(А2)Р(А3).
События A1, А2, А3 попарно независимы. Проверим их незави-

симость в совоупности: Р(А1А2А3) = Р(ГГ) = 0,25 − 0,5 · 0,5 · 0,5,
т. е. эти события не являются независимыми в совоупности.
Теоремой множения для независимых событий фатичеси пользовался

еще Д. Кардано (1501—1576). Но, а и для теоремы сложения, он не
рассматривал вероятности, а подсчитывал стави в «справедливых» и-
рах, оторые пропорциональны вероятностям. В работах Т. Бейеса (1702—1761) содер-
жится доазательство теоремы множения для зависимых событий и теоремы множе-
ния для несольих независимых событий.
1. Будут ли независимыми про- в) A и B ; ) А + В и В;

извольное событие А и: д) АВ и А?
а) достоверное событие U; 6. Чему равна вероятность сум-
б) невозможное событие V; мы двух независимых собы-
в) противоположное ему собы- тий?
тие A ? 7. Верно ли, что вероятность
2. Будут ли несовместными произведения трех попарно не-
независимые события с по- зависимых событий равна про-
ложительными вероятностя- изведению вероятностей этих
ми? событий?
3. Верны ли следующие утверж- 8. Известно, что во избежание
дения: больших затруднений на строи-
а) если события А и В независи- тельстве неотороо объета не-
мы, то они и несовместны; обходимо, чтобы цемент был
б) если события А и В несовмест- доставлен не позднее 27 июля,
ны, то они и независимы: а финансирование оранизовано
в) если события А и В независи- до 6 авуста. На основе преды-
мы, то они совместны? дущео опыта и анализа анало-
ичных ситуаций с применени-
4. Следует ли из независимости
ем субъетивной оцени веро-
событий в совоупности их по-
ятности этим двум событиям
парная независимость? А наобо-
приписаны соответственно ве-
рот?
роятности 0,83 и 0,91. Предпо-
5. Если события А и В неза-
ложим таже, что вероятность
висимы, то, что можно са-
выполнения хотя бы одноо из
зать о независимости собы-
этих сроов составляет 0,96. Яв-
тий:
ляются ли данные события не-
а) А и B ; б) A и B; зависимыми?
Задачи
168.° В урне лежат пять черных, четыре расных и три белых
шара. Последовательно вынимают три шара, причем аждый шар
возвращают в урну перед тем, а вынимать следующий. Найдите
вероятность тоо, что первый шар оажется черным, второй —
расным и третий — белым.
169. Вероятность безотазной работы прибора равна 0,9. При
выходе ео из строя происходит мновенное перелючение на дуб-
лирующий прибор, причем вероятность ео безотазной работы —
0,9, а перелючающео устройства — 1. Найдите вероятность без-
отазной работы системы, состоящей из:
а) двух приборов; б) трех приборов; в)* n приборов.
170. Решите предыдущую задачу в случае, если вероятность
безотазной работы перелючающео устройства равна 0,8.
171. Бросают два правильных иральных убиа. Пусть собы-
тие А1 означает, что «на первом убие выпало четное число очов»,
А2 — «на втором убие выпало нечетное число очов», А3 — «у-
бии упали одинаово». Будут ли события А1, А2, А3 :
а) попарно независимыми; б) независимыми в совоупности?
172. Для условий задачи 126 о статистие зрелищных меро-
приятий выясните, зависимы ли события А — «опрошенный реу-
лярно посещает инотеатр», В — «опрошенный реулярно смотрит
телевизор».
173. На мебельной фабрие на отдельных участах произво-
дятся спини, сиденья и ножи стульев. Дефетными оазывают-
ся 1% спино, 2% сидений и 0,5% ноже. Произведенные детали
случайно омбинируются на участе, де собирают стулья. Каой
примерно процент стульев:
а) не будет испорчен; б) имеет дефетные спини и сиденья?
174. Пусть U = {u1, u2, u3 , u4, u5, u6} — ПЭИ неотороо опыта.
1 5 1 3 1
Пусть р1 = --- ; р2 = ------ ; р3 = ------ ; р4 = --- ; р5 = р6 = ------ , де рi = Р(ui),
8 16 16 8 16
i = 1, 2, ..., 6. Пусть А = {u1, u4}, B = {u1, u2, u5}, C = {u1, u2, u3}.
Будут ли события А, В, С:
а) попарно независимы; б) независимы в совоупности?
175. Вероятность попадания в мишень для первоо стрела
равна 0,8, а для второо — 0,6. Стрели независимо дру от друа
сделали по одному выстрелу. Каова вероятность тоо, что
а)° в мишень попадает тольо первый стрело;

б)° оба стрела попадут в мишень;
в)° ни один из стрелов не попадет в мишень;
) тольо один стрело попадет в мишень;
д) хотя бы один из стрелов попадет в мишень?
176. Устройство состоит из двух элементов, работающих неза-
висимо дру от друа. Вероятности отаза элементов соответствен-
но равны 0,05 и 0,08. Найдите вероятность тоо, что:
а)° будет работать тольо второй элемент;
б)° отажут оба элемента;
в)° будут работать оба элемента;
) будет работать тольо один элемент;
д) отажет устройство, если для этоо достаточно, чтобы ота-
зал хотя бы один элемент.
177. На исследовательсом стенде проходят испытание 180 при-
боров. Вероятность тоо, что в течение часа отажет любой из этих
приборов, равна 0,05. Найдите вероятность тоо, что в течение часа:
а) ни один из приборов не отажет;
б) отажет хотя бы один из приборов.
§ 2.11. Формла полной вероятности

Рассмотрим формулу, оторая позволит по вероятностям по-
парно несовместных событий Н1, ..., Нп, охватывающих всевоз-
можные случаи, найти вероятность события А, если известны ус-
ловные вероятности Р(А | Ні), і = 1, ..., п.
Пример 1. С первоо стана на сбору поступает 40%, со второо —

30% и с третьео — 30% всех деталей. Вероятности изотовления
браованной детали равны для аждоо стана соответственно
0,01; 0,03; 0,05. Найдите вероятность тоо, что наудачу взятая де-
таль, поступившая на сбору, браованная.
Обозначим через А событие, залючающееся в том, что деталь
браованная, Ні — деталь изотовлена на і-м стане, i = 1, 2, 3. Из
условия следует:
Р(Н1) = 0,4; Р(Н2) = 0,3; Р(Н3 ) = 0,3;
Р(А | Н1) = 0,01; Р(А | Н2) = 0,03; Р(А | Н3) = 0,05.
Деталь может быть изотовлена или на первом стане, или на

втором, или на третьем стане. Таим образом, Н1 + Н2 + Н3 = U
§ 2.11. Формула полной вероятности 227
и события Н1, Н2, Н3 попарно не-

совместны. Рис. 31 служит иллю-
страцией этой ситуации. Собы-
тие А наступает тода и тольо
тода, ода или деталь изотов-
лена на первом стане и она бра-
ованная, или деталь изотовле-
на на втором стане и она бра-
ованная, или на третьем стане Рис. 31
и браованная, т. е.
A = H1A + H2A + H3A.
Та а события Hi, i = 1, 2, 3, попарно несовместны, то несов-
местны попарно и события H1A, H2A, H3 A. Рис. 31 иллюстрирует
это утверждение. По теореме сложения вероятностей для попарно
несовместных событий
P(A) = P(H1A) + P(H2A) + P(H3 A).
Используя теорему умножения вероятностей, получим
Р(A) = Р(H1) Р(A | H1) + Р(H2) Р(A | H2) + Р(H3) Р(A | H3) =
= 0,4 · 0,01 + 0,3 · 0,03 + 0,3 · 0,05 = 0,028.
Рассуждения, проведенные при решении примера 1, моут быть
использованы и в общей ситуации. Предварительно введем новое
понятие, оторое фатичеси рассматривалось при решении при-
мера 1.
Пусть U — произвольное ПЭИ и события H1, H2, ..., Hn таие, что:
1) H1 + H2 + ... + Hn = U, т. е. по райней мере одно из собы-
тий Hi, і = 1, 2, ..., п, обязательно наступает;
2) HiHk = V, i − k, т. е. события Hi попарно несовместны.
Таую систему событий H1, H2, ..., Hn называют полной рп-
пой несовместных событий. События H1, H2, ..., Hn называют
инода ипотезами. Произвольное событие A и ему противополож-
ное событие A образуют полную руппу несовместных событий.
В примере 1 события Н1, Н2, Н3 образовывали полную руппу
попарно несовместных событий.
Пример 2 (задача о телевизионном шо). Вы участвуете в ировом

телевизионном шоу. Приз спрятан за одной из трех дверей. Вы вы-
бираете одну. Прежде чем отрыть выбранную дверь, отрывают
друую, за оторой приза нет. После этоо вам разрешается изме-

нить свой выбор. Зарытыми остались две двери: названная вами
и еще одна. Измените ли вы свой выбор?
В описанной ситуации события «дверь, за оторой срывается
приз, уадана при первом выборе» и «дверь, за оторой срывается
приз, не уадана при первом выборе» образуют полную руппу не-
совместных событий.
Каие из перечисленных ниже систем событий, связанных

с уазанным опытом, образуют полную руппу несовместных
событий:
а) науад выбирают студента дневноо отделения математиче-
соо фаультета университета; события Аі — «выбранный сту-
дент учится на і-м урсе», і = 1, 2, 3, 4, 5;
б) учащийся выполняет тестовое задание, в отором предлаа-
ется выбрать один из пяти уазанных ответов; события Аі —
«учащийся выбрал і-й ответ», і = 1, 2, 3, 4, 5;
в) бросают иральный уби; события А1 — «число выпавших
очов меньше 2», А2 — «число выпавших очов простое», А3 —
«число выпавших очов составное»;
) бросают иральный уби; события А1 — «число выпавших
очов меньше 3», А2 — «число выпавших очов больше 3».
Проводя рассуждения, аналоичные решению примера 1, по-

лучим
Р(A) = Р(H1) Р(A | H1) + Р(H2) Р(A | H2) + ...
... + Р(Hп) Р(A | Hп).
Это равенство называют формлой полной вероятности. При-

ведем ее доазательство.
Имеем
А = AU = A(H1 + H2 + ... + Hn) .
Можно поазать, что операции сложения (объединения) и ум-

ножения (пересечения) событий подчиняются распределительным
заонам:
А(В + С) = АВ + АС; А + ВС = (А + В)(А + С).
Поэтому
А = AH1 + АH2 + ... + АHn.
Из попарной несовместности событий H1, H2, ..., Hn следует

и попарная несовместность событий AH1, АH2, ..., АHn. Применяя
теорему сложения для попарно несовместных событий, получим
Р(А) = Р(AH1) + Р(АH2) + ... + Р(АHn).
Использование теоремы умножения вероятностей завершает
доазательство формулы полной вероятности.
Пример 3. Решим рассмотренную в примере 2 задачу о телевизи-

онном шоу.
Введем следующие обозначения: А1 — «местонахождение при-
за уадано при первом выборе», А2 — «местонахождение приза уа-
дано при втором выборе».
1
Р(А1) = --- (выбор производится науад из трех дверей).
3
Р(А2) найдем по формуле полной вероятности, приняв в ачест-
ве полной руппы несовместных событий события А1 и A 1 . Будем
иметь
1 2 1 2
P(A2) = P(A1) P(A2 | A1) + P( A 1 ) P( A2 | A 1 ) = --- · 1 + --- · --- = --- .
3 3 2 3
Обратите внимание на то, что условная вероятность тоо, что при
втором выборе дверь будет уадана, если она была уадана при пер-
вом, равна 1, а условная вероятность тоо, что при втором выборе
1
дверь будет уадана, если она не была уадана при первом, равна ---
2
(выбор производится науад из двух дверей).
Ита, правильным является решение об изменении выбора: оно
1 2
удваивает шансы на получение приза с --- до --- . А аое решение вы
3 3
приняли до рассмотрения этоо решения?
Ка и большинство приведенных вероятностных задач, данная
задача может быть решена неформально.
Представим себе, что у участниа шоу есть двойни, оторый
меняет выбор в то время, ода сам участни свой выбор не меняет.
Посольу осталось тольо две двери и приз должен находиться за
одной из них, двойни выирает в аждом случае, ода участни
проирает. Посольу общий шанс участниа на выирыш остает-
1
ся неизменным и составляет --- , получается, что при изменившемся
3
2
выборе двойни получает остальной шанс, равный --- .
3
Пример 4. В урне 15 шаров, из них 10 белых. Науад один за дру-

им извлеают два шара, не возвращая их в урну. Каова вероят-
ность тоо, что второй шар будет белый?
Обозначим через Аі, і = 1, 2, событие «i-й извлеченный шар
белый». События А1 и A 1 образуют полную руппу несовместных
событий. Поэтому применима формула полной вероятности:
Р(A2) = Р(A1) Р(A2 | A1) + Р( A 1 ) Р( A2 | A 1 ).
Та а
10 2 5 1
Р(A1) = ------ = --- , Р( A 1 ) = ------ = --- ,
15 3 15 3
9 10 5
Р(A2 | A1) = ------ , Р( A2 | A 1 ) = ------ = --- ,
14 14 7
2 9 1 5 2
то P(A2) = --- · ------ + --- · --- = --- .
3 14 3 7 3
2
Обратите внимание на то, что Р(A1) = Р(A2) = --- !
3
Вероятность тоо, что мама возьмет своео сына с собой в ма-

азин, равна 0,4. Если это происходит, то вероятность поуп-
и новой ируши равна 0,8. Если же она не взяла сына с со-
бой в маазин, то ируша поупается с вероятностью 0,3.
Каова вероятность тоо, что сыну будет уплена новая и-
руша?
Обратите внимание на то, что пример 10 из § 2.9, аналоичный

предыдущему примеру, был решен без использования формулы
полной вероятности, фатичеси там была реализована идея ее вы-
вода.
1. Приведите пример п попарно 2. Чему равна сумма веро-

несовместных событий, объеди- ятностей попарно несовмест-
нение оторых есть достоверное ных событий, объединение о-
событие, если: торых есть достоверное собы-
а) п = 2; б) п = 3; в) п = 4. тие?
3. Известно, что события В1 Моут ли они образовывать пол-

и В2 несовместны. Будут ли ную руппу событий?
несовместны события AB1 и 5. О событиях В1, В2, В3, В4 из-
AB2? вестно, что Р(В1) = 0,1, Р(В2) =
4. О событиях В1, В2, В3, В4 из- = 0,25, Р(В3) = 0,15, Р(В4) = 0,5.
вестно, что Р(В1) = 0,1, Р(В2) = Обязательно ли они образуют
= 0,25, Р(В3) = 0,15, Р(В4) = 0,4. полную руппу событий?
Задачи
178. Имеются два одинаовых ящиа с шарами. В первом
ящие два белых и один черный шар, во втором — один белый
и четыре черных шара. Наудачу выбирают один ящи и вынимают
из нео шар. Каова вероятность тоо, что вынутый шар оажется
белым?
179. На фабрие, изотовляющей болты, первая машина произ-
водит 25%, вторая — 35%, третья — 40% всех изделий. В их про-
дуции бра составляет соответственно 5, 4 и 2%. Каовая вероят-
ность тоо, что случайно выбранный болт дефетный?
180. В шоле 60% учащихся — мальчии. 80% мальчиов и
75% девоче имеют билеты на футбольный матч. Каова вероят-
ность тоо, что науад выбранный учащийся шолы имеет билет на
футбольный матч?
181. На трех дочерей — Веру, Надю и Любу — в семье возло-
жена обязанность мыть посуду. Старшая дочь Вера выполняет
50% всей работы. Остальные 50% Надя и Люба делят между со-
бой поровну. Кода Вера моет посуду, вероятность для нее раз-
бить хотя бы одну тарелу равна 0,01; для Нади и Любы эта ве-
роятность соответственно равна 0,02 и 0,03. Каова вероятность
тоо, что при мытье посуды будет разбита по райней мере одна
тарела?
182. Вероятность получения патента равна 0,6. Если патент
будет получен, условная вероятность получения дохода от нео со-
ставит 0,9. Однао, если патент не будет получен, условная вероят-
ность получения дохода составит тольо 0,3. Найдите вероятность
получения дохода.

К § 2.1. Статистичес ая вероятность
183. Выберите в телефонном справочние подряд 100 телефон-
ных номеров. Найдите распределение частот последних цифр этих
номеров. Результаты занесите в таблицу следующео вида:
Цифра 0 1 2 3 4 5 6 7 8 9
Частота
Относительная частота
Каой вывод можно сделать о распределении частот? Сравните

свои результаты с результатами ваших однолассниов. Можно ли
считать проведенные опыты статистичеси устойчивыми? Объеди-
ните результаты опытов, проведенных всеми однолассниами.
Каие выводы вы можете сделать?
184. Руоводителю производства в онце рабочео дня дола-
дывают, сольо выпущено чехлов для автомобильных сидений.
а) Опишите соответствующий случайный эсперимент.
б) Каим будет ео выборочное пространство?
) Точно определите событие «в соответствии с дневным планом
выпущено 750 единиц продуции, плюс-минус 5 единиц» в терми-
нах результатов, составляющих выборочное пространство.
д) За последние 15 дней в течение 8 дней это событие наблюда-
лось. Найдите соответствующую относительную частоту.
К § 1.2. Классичес ая вероятность

185. Иральный уби бросают дважды. Каие значения сум-
мы очов при двух бросах имеют наибольшую и наименьшую ве-
роятность?
186. Есть пять отрезов длиной 1, 3, 4, 7 и 9 см. Найдите веро-
ятность тоо, что из трех науад выбранных отрезов можно по-
строить треуольни.
187. В неоторой семье есть три ребена. Считая вероятности
рождения мальчиа и девочи одинаовыми, найдите вероятность
тоо, что все дети в этой семье мальчии.
Дополнительные задачи в лаве 2 233
188. Из 28 остей домино науад выбирают одну. До вытяива-

ния ости вы предсазываете сумму очов на ней. Если вы уадае-
те, то получите приз. Каой сумме вы отдадите предпочтение?
189. Рассматривается упрощенный вариант иры в спортлото.
Случайно выбирают два шариа из урны, в оторой находится
пять шариов, пронумерованных числами 1, 2, 3, 4, 5. Иро вы-
черивает два числа на блане (рис. 32). Найдите вероятность тоо,
что иро:
а) уадает оба номера извлеченных шари-
ов;
б) уадает лишь один номер;
в) уадает по райней мере один номер; Рис. 32
) не уадает ни одноо номера.
190. Рассматривается ира в рулету. Есть вращающийся дис
(он разделен на 37 одинаовых сеторов, пронумерованных числа-
ми от 0 до 36; рис. 33), металличесий шари, панель с полями
(рис. 34), жетоны. На панели обозначены поля с отдельными чис-
лами (от 0 до 36), а таже друие поля, обозначающие части сово-
упности {0, 1, 2, …, 36}: поле Pair — четные числа, поле Impair —
нечетные числа, поле Manque — числа от 1 до 18, поле Passe — чис-
ла от 19 до 36, поле 12Р — числа от 1 до 12 (первая дюжина), поле
12М — числа от 13 до 24 (вторая дюжина), поле 12D — числа от 25
до 36 (третья дюжина). Есть на дисе «черные» числа (они на дисе
вписаны в темные лети, на панели — поле с черным ромбом),
есть расные числа (они на дисе вписаны в белые лети, на пане-

ли — поле с серым ромбом). С началом иры иро ладет свои же-
тоны на выбранные поля панели. На вращающийся дис бросают
шари. Каова вероятность тоо, что выирает иро, оторый по-
ложил жетон:
а) на число 13; б) на «черное»; в) на 12Р; ) на Pair?
К § 2.3. Сбъе тивная вероятность

191. Уажите, аому типу вероятностей (имеется в виду ис-
точни ее получения) относится вероятность события:
а) «саовая лошадь Чемпион победит на сачах»;
б) «наудачу выбранный оловной убор, выпущенный фабриой,
имеет дефеты», если известно, что из 925 выпущенных фабриой
оловных уборов 13 имеют дефеты;
в) «деталь имеет дефет»;
) «заявленная величина дохода выше ожидаемой».
К § 2.4. Вероятностная модель слчайноо опыта

192. ПЭИ опыта состоит из п исходов, взаимно ислючающих
дру друа, причем п – 1 из этих исходов имеют равные вероятности,
а последний имеет вероятность, равную сумме вероятностей r + 1
друих, 1 m r m n – 1. Найдите вероятности элементарных исходов
данноо ПЭИ.
193. Четверо друзей Юрий, Андрей, Владимир и Иорь сообща
приобрели лоду, причем Юрий внес 10% стоимости лоди, Анд-
рей — 20%, Владимир — 30% и Иорь — 40% стоимости. В празд-
ничный день они жребием решают, ому достанется лода в этот день.
Постройте вероятностную модель этоо эсперимента, считая, что:
а) шансы воспользоваться в этот день лодой не зависят от вне-
сенноо взноса;
б) шансы воспользоваться в этот день лодой пропорциональны
внесенному взносу.
194. Из олоды в 36 арт вынимают арты одну за друой до
появления первоо туза. Постройте ПЭИ этоо эсперимента.
195. Тщательно перетасованы четыре арточи, причем на двух
из них одна сторона орашена в расный цвет. Карточи сложены
в стопу. Последовательно одну за друой отрывают верхние ар-
точи.
а) Постройте ПЭИ, соответствующее этому эсперименту.

б) Введите элементарные вероятности.
196.* В аждую единицу времени прилаву с вероятностью
1
p = --- подходит новый поупатель. Если у прилава стоят друие
2
поупатели, то он станет в очередь. В противном случае продавец
обслужит ео в течение m = 2 единиц времени. В исходный момент
у прилава нет ни одноо поупателя.
а) Постройте ПЭИ U движения поупателей в течение 4 единиц
времени.
б) Введите элементарные вероятности pk. Проверьте, выполня-
ется ли равенство ∑ pk = 1.
k
К § 2.5. Слчайные события и их вероятности

197. Науад выбирают по одной буве из слов «дама» и «мама».
а) Постройте ПЭИ опыта и введите вероятности ео элементов.
б) Каова вероятность тоо, что элементы ПЭИ будут состоять
из одинаовых був?
198. Известно, что 5% новорожденных мальчиов и 0,25% но-
ворожденных девоче страдают дальтонизмом. Предположим, что
50% новорожденных — мальчии, и 50% — девочи. Науад вы-
бирают одноо новорожденноо. Отмечают ео пол и наличие или
отсутствие у нео дальтонизма.
а) Постройте ПЭИ, соответствующее этому эсперименту.
в) Найдите вероятность тоо, что новорожденный:
— мальчи и страдает дальтонизмом;
— девоча и страдает дальтонизмом;
— страдает дальтонизмом.
199. Два ироа ирают серию партий, причем в аждой пар-
тии аой-то из ироов выирывает очо. Шансы на выирыш для
аждоо ироа одинаовы. Тот из ироов, оторый первым набе-
рет 4 оча, получает приз. Иру вынуждены были прератить в мо-
мент, ода первый иро набрал 3 оча, а второй — 1 очо.
а) Постройте ПЭИ U опыта, залючающеося в том, что ира до-
ирывается.
k
в) Выпишите все исходы, образующие события:

А — «ира заончилась победой первоо ироа»,
В — «ира заончилась победой второо ироа»,
С — «для завершения иры понадобилось сырать более одной
партии».
) Вычислите вероятности этих событий.
д)* Ка следует разделить приз между ироами?
200. Два ироа обладают начальным апиталом в 3 и 2 едини-
цы соответственно. Чтобы участвовать в одной партии, аждый дол-
жен поставить на он 1 единицу своео апитала. Шансы на выи-
рыш для аждоо ироа одинаовы. Выирывающий партию заби-
рает обе стави. Ира продолжается до разорения аоо-то ироа,
но не более четырех партий.
а) Постройте ПЭИ U этой иры.
k
A — «разорится первый иро»,
В — «разорится второй иро»,
C — «ира продлится не более трех партий».
201. В точе О числовой оси находится неоторая частица. Каж-
дую сеунду она с равной вероятностью сдвиается на единицу ли-
бо вправо, либо влево.
а) Постройте ПЭИ U движения частицы в течение 4 с.
k
A — «частица через 4 с будет находиться на расстоянии 2 еди-
ниц от точи О»,
В — «частица за 4 с удалится на 2 единицы вправо от точи О»,
С — «частица через 4 с будет находиться в точе О».
К § 2.6. Операции над событиями

202.° Что означают сумма и произведение уазанных ниже со-
бытий, связанных с соответствующими испытаниями:
а) сделано два выстрела по мишени; А — «попадание при пер-

вом выстреле», В — «попадание при втором выстреле»;
б) бросают иральный уби; А — «выпала единица», В — «вы-
пала двойа»;
в) упили два лотерейных билета; А — «первый билет выи-
рышный», В — «второй билет выирышный».
203. Трижды бросают мяч в басетбольную орзину. Пусть со-
бытия Аі (і = 1, 2, 3) означают, что при і-м бросе мяч попадает
в орзину. Выразите через события А1, А2, А3 событие:
а)° В — «мяч ни разу не попал в орзину»;
б)° С — «мяч по райней мере один раз попал в орзину»;
в)° D — «мяч попал в орзину при всех бросах»;
) Е — «мяч попал в орзину лишь при первом бросе»;
д) F — «мяч попал в орзину лишь при первом и втором бро-
сах»;
е) G — «мяч попал в орзину ровно один раз»;
ж) H — «мяч попал в орзину ровно два раза».
204. Прибор состоит из двух элементов. Рассмотрим следую-
щие события: В1 — «работают оба элемента»; В2 — «работает толь-
о первый элемент»; В3 — «работает тольо второй элемент»; В4 —
«оба элемента вышли из строя».
а) Выразите через эти события следующие события: А1 — «пер-
вый элемент работает»; А2 — «второй элемент работает»; А3 —
«один элемент работает»; А4 — «хотя бы один элемент работает».
б) Выразите события Ві (і = 1, 2, 3, 4) через события А1 и А2.
в) Что означают события В2 + В3 ; В1В2; B 1 B 4 ?
К § 2.7. Шансы в польз события

205. Из урны, содержащей два белых и один расный шар, на-
уад вынимают два шара. Каовы шансы в пользу события:
а) «вынутые шары одноцветны»;
б) «вынутые шары разноцветны»?
206. Ка изменятся шансы в пользу событий, рассмотренных
в предыдущей задаче, если в урну добавить белый шар?
207. Дважды бросают правильный иральный уби. Каовы
шансы в пользу события:
а) «сумма выпавших очов четная»;
б) «сумма выпавших очов меньше 5»;

в) «шестера не выпадет ни разу»?
208. Водитель путем продолжительных наблюдений сделал
вывод, что в 80% тех случаев, ода он моет свой автомобиль, на
следующий день идет дождь. На аих условиях следует идти на
пари, что это состоится и в следующий раз?
209. Гриорий предлаает честное пари на условиях 3 : 1, что
настанет событие А. Каими он считает вероятности событий A
и А?
210. Из олоды арт взяты шесть арт: два туза, два ороля,
две дамы. Карты разложены в две стопи, причем в аждой стопе
по одному тузу, одному оролю и одной даме. Обе стопи арт тща-
тельно перемешаны. Затем отрывают последовательно верхние
арты, и реистрируют, лежат ли на одинаовых местах арты оди-
наовоо достоинства.
а) Постройте ПЭИ опыта, приняв в ачестве ео исходов распо-
ложение тройи арт.
в) Каовы шансы в пользу события «хотя бы на одном месте рас-
положены арты одинаовоо достоинства»?
)* На аих условиях залючается честное пари о том, что
«точно на двух местах расположены арты одинаовоо достоин-
ства»?
211. В урне четыре шара с номерами 1, 2, 3, 4. Случайно извле-
ают два шара, и подсчитывают сумму их номеров.
а) Постройте ПЭИ опыта, приняв в ачестве ео исходов суммы
номеров извлеченных шаров.
в) Каовы шансы в пользу события «сумма номеров извлечен-
ных шаров нечетна»?
) На аих условиях залючается честное пари о том, что «сум-
ма номеров извлеченных шаров оажется нечетной»?
К § 2.8. Вероятность сммы событий

212. Иральный уби налили свинцом та, что вероятности
выпадения аждой рани стали пропорциональными числу очов
на них. Чему равна вероятность выпадения четноо числа очов при
одном бросе убиа?
213. Продолжительные наблюдения поазывают, что прибли-

зительно 60% студентов первоо урса математичесоо фаульте-
та сдают с первой попыти эзамен по математичесому анализу;
80% — по райней мере один из двух эзаменов по математичесо-
му анализу и линейной алебре; 50% — по обоим этим предметам.
Чему равна вероятность тоо, что науад выбранный студент сдаст
эзамен с первой попыти по урсу линейной алебры?
214. Серей предлаает пари на условиях 1 : 3, что настанет со-
бытие А и пари на условиях 1 : 2, что настанет событие В. Он знает,
что события А и В не моут произойти одновременно. На аих ус-
ловиях он пойдет на пари, что произойдет по райней мере одно из
двух событий А или В?
215. Цех дает в среднем 32% продуции высшео сорта и 60% —
первоо сорта. Найдите вероятность тоо, что науад взятое изде-
лие будет:
а)° первоо или высшео сорта;
б) худшим по сравнению с первым сортом.
216. В зрительном зале инотеатра 9 рядов, пронумерованных
подряд числами от 1 до 9, а в аждом ряду по 9 ресел, таже про-
нумерованных числами от 1 до 9. Зритель наудачу занимает место.
Каова вероятность тоо, что сумма номеров ряда и мXеста в ряду
оажется:
а) четной; б) нечетной?
217.* Не менее чем 60% студентов линвистичесоо универ-
ситета изучают немеций язы, не менее чем 70% — французсий
язы; не менее чем 80% — анлийсий язы. Каова наименьшая
доля студентов, изучающих одновременно немеций, французсий
и анлийсий языи?
218.* Из первой сотни натуральных чисел науад выбирают од-
но. Каова вероятность тоо, что оно не делится ни на одно из чисел
2, 3, 5?
К § 2.9. Условные вероятности

219. Два ироа ирают в сле-
дующую иру. Есть уби, раз-
верта отороо изображена на ри-
суне, и урна с пронумерованны-
ми шарами (рис. 35). Выбирают
число с помощью убиа (номер Рис. 35
на верхней рани после броса убиа) или с помощью урны (номер

науад извлеченноо шара). Начинающий иру получает право вы-
бора прибора (уби или урну). Побеждает тот, то выберет боль-
шее число. Что лучше выбрать: уби или урну, если вам предло-
жат начать иру?
220. В мае 20% дождливых дней. Продолжительными наблю-
дениями было подмечено, что неоторая футбольная оманда в яс-
ный день побеждает с вероятностью 0,4, а в дождливый — с веро-
ятностью 0,7.
а)° Найдите вероятность тоо, что в неоторый день мая будет
дождь, и эта оманда победит.
б) Каова вероятность тоо, что оманда победит в науад вы-
бранный майсий день?
в) Известно, что оманда выирала иру в мае. Каова вероят-
ность тоо, что в этот день шел дождь?
221. Тест с выбором одноо ответа из неоторых предложен-
ных содержит для аждой задачи четыре варианта ответа. Таим
образом, если учени знает правильный ответ, то для нео вероят-
ность правильноо ответа равняется 1; если он просто уадывает, то
вероятность правильноо ответа составляет 0,25. Старательный
учени знает 90% ответов, посредственный — лишь 50%.
а) Чему равна вероятность тоо, что старательный (посредствен-
ный) учени ответил правильно на случайно выбранный вопрос?
б) Старательный (посредственный) учени правильно ответил
на вопрос. Каова вероятность тоо, что он уадал ответ?
222. Группе лиц вручают четыре онверта, в аждом из ото-
рых помещено условие одной задачи. Группе предлаают отрыть
один онверт и постараться решить помещенную там задачу в тече-
ние 10 минут. Из предшествующео опыта известно, что вероятность
тоо, что за 10 минут будет решена самая трудная задача, равна
0,1, а для друих задач эти вероятности равняются 0,3; 0,5; 0,8.
а) Чему равна вероятность тоо, что будет отрыт онверт с са-
мой трудной задачей, и она будет решена за 10 минут?
б) Чему равна вероятность тоо, что за 10 минут будет решена
задача из отрытоо онверта?
в) Группа справилась с задачей за установленное время. Каова
вероятность тоо, что был отрыт онверт с самой трудной задачей?
223. На протяжении длительноо времени Анна заметила, что
с вероятностью 0,55 она ходит в ино, если идет дождь, и с вероят-
ностью 0,30, если дождя нет. Метеоролоичесая служба проно-
зирует на следующий день дождь с вероятностью 0,4.
а)° Каова вероятность тоо, что в этот день пойдет дождь, и Ан-
на пойдет в ино?
б) Каова вероятность тоо, что Анна в этот день пойдет в ино?
в) Анна пошла в этот день в ино. Найдите вероятность тоо, что
дождя не было.
224.* На аждые 100 000 мужчин приходится в среднем пять
больных раом леих. Курят 75% всех больных раом леих
и 60% тех, то не болеет этой болезнью. Вычислите долю больных
раом леих среди тех, то урит, и среди тех, то не урит.
225. В 1998 оду палата представителей Конресса США подо-
товила выходу в свет видеозапись поазаний Большому жюри пре-
зидента Клинтона; ео рейтин одобрения был таим: 36% одобря-
ли ео а личность, 63% одобряли ео а президента, 30% одоб-
ряли ео а президента, но не а личность. Найдите процент
людей, оторые одобряли ео а личность, но не а президента.
226. Вы принимаете участие в телевизионном шоу и боретесь
за получение приза, спрятанноо за одной из пяти дверей. Есть
тольо один приз, и он спрятан за одной из этих дверей. После тоо
а вы сделали свой выбор, устроители шоу отрывают три двери
(но не ту, оторую вы выбрали), за оторыми нет приза. У вас есть
возможность изменить свой первоначальный выбор и выбрать дру-
ую неотрытую дверь. Измените ли вы свое решение?
К § 2.10. Независимые события

227. Необходимо разжечь остер при наличии двух спиче.
Можно попробовать разжечь остер одной спичой, а потом, если
это не удалось, — второй, или обеими спичами одновременно.
Продолжительными наблюдениями замечено, что вероятность раз-
жечь остер одной спичой равна 0,7, а двумя одновременно —
0,95. Каое решение оптимальное? Ответ обоснуйте.
228. Результаты эзаменов в неотором техниуме поазали,
что 8% студентов не смоли сдать эзамен по математие, 6% — по
физие и 2% не сдали эзамен ни по математие, ни по физие.
Будут ли события «науад выбранный студент не сдал эзамен по
математие» и «науад выбранный студент не сдал эзамен по фи-
зие» независимыми?
229. Симметричную монету подбрасывают три раза. Будут ли
независимыми события «при первом подбрасывании выпадает
ерб» и «выпадет не меньше двух ербов»?
230. Каждая из трех элетричесих схем состоит из четырех

вылючателей. Каждый из вылючателей с вероятностью 0,5 мо-
жет быть влючен или вылючен. Выясните, для аой из схем,
изображенных на рис. 36, вероятность тоо, что то будет прохо-
дить от точи А точе В, будет наибольшей?
231. Каждая из двух элетричесих схем состоит из шести вы-
лючателей. Каждый из вылючателей с вероятностью 0,5 может
быть влючен или вылючен. Выясните, для аой из схем, изо-
браженных на рис. 37, вероятность тоо, что то будет проходить
от точи А точе В, будет наибольшей?
232. Два ироа ирают серию партий, причем в аждой пар-
тии аой-то из ироов выирывает очо. Шансы на выирыш от-
носятся а 1 : 2. Тот из ироов, оторый первым наберет 4 оча,
получает приз. Иру вынуждены были прератить в момент, ода
первый иро набрал 2 оча, а второй 1 очо.
а)° Найдите вероятности выирышей для обоих ироов в одной
партии.
б) Постройте ПЭИ опыта, залючающеося в том, что ира дои-
рывается.
в) Введите элементарные вероятности исходов этоо опыта.
) Каовы шансы в пользу наступления события «приз получит
первый иро»?
д) Ка разделить приз между ироами?
е) На аих условиях должно залючаться честное пари на по-

беду первоо ироа?
233. Два ироа обладают начальным апиталом в 3 и 1 едини-
цы соответственно. Чтобы участвовать в одной партии, аждый
должен поставить на он 1 единицу своео апитала. Шансы на вы-
ирыш относятся а 2 : 3. Выирывающий партию забирает обе
стави. Ира продолжается до разорения аоо-то ироа, но не
более четырех партий.
а)° Найдите вероятности выирышей для обоих ироов в одной
партии.
б) Постройте ПЭИ этой иры.
в) Введите элементарные вероятности исходов этоо опыта.
) Каовы шансы в пользу наступления события «разорится
первый иро»?
д) На аих условиях должно залючаться честное пари на раз-
орение первоо ироа?
К § 2.11. Формла полной вероятности

234.* При переливании рови надо учитывать руппу рови до-
нора и больноо. Человеу, имеющему четвертую руппу рови,
можно перелить ровь любой руппы, человеу со второй или
третьей руппой можно перелить ровь либо той же руппы, либо
первой. Человеу с первой руппой рови можно перелить ровь
тольо первой руппы. Среди населения 33,7% имеют первую,
37,5% — вторую, 20,9% — третью и 7,9% — четвертую руппу
рови. Найдите вероятность тоо, что случайно взятому больному
можно перелить ровь случайно взятоо донора.
235.* За неоторый промежуто времени амеба может поиб-
1 1
нуть с вероятностью --- , выжить с вероятностью --- , разделиться на
4 4
1
две с вероятностью --- . В следующий промежуто времени с аждой
2
амебой происходит то же самое. Сольо амеб, и с аими вероят-
ностями будут существовать онцу второо промежута времени,
если в момент начала отсчета времени число амеб равнялось 1?
236.* Студент знает не все эзаменационные билеты. В аом
случае вероятность вытащить неизвестный билет будет для нео
наименьшей: ода он тащит билет первым или последним?
Глава 3
ЭЛЕМЕНТЫ КОМБИНАТОРИКИ
В опытах, оторые рассматривались в предыдущей лаве, число

исходов можно было подсчитать непосредственно. Но довольно
часто этоо сделать невозможно без использования специальных
приемов.
Область математии, в оторой изучается вопрос о том, сольо
различных онфиураций, удовлетворяющих тем или иным усло-
виям, можно составить из заданных объетов, называют омбина-
ториой.
В повседневной жизни нередо возниают проблемы, оторые
имеют не один, а несольо вариантов решения. Чтобы сделать пра-
вильный выбор, очень важно не упустить ни один из них. Для этоо
надо уметь осуществлять перебор всех возможных вариантов или
хотя бы подсчитывать их число. Таоо рода задачи называют ом-
бинаторными.
Комбинаториа — важный раздел математии, знание ото-
роо необходимо представителям самых разных специальностей.
С омбинаторными задачами приходится иметь дело физиам, хи-
миам, биолоам, линвистам, эономистам, специалистам по о-
дам, омпьютерам, информационным технолоиям и т. д. Комби-
наторные методы лежат в основе решения мноих задач теории ве-
роятностей, математичесой статистии и их приложений.
В настоящей лаве рассмотрены различные методы решения
омбинаторных задач. Прежде всео предлаается освоить метод
перебора различных вариантов. При этом появляется возможность
различать случаи, ода онфиурации составляются из одинао-
вых элементов или из различных; ода онфиурации содержат
данный элемент ровно один раз, не более одноо раза, хотя бы один
раз, более одноо раза; ода порядо извлечения элементов будет
существенным или несущественным при составлении онфиура-
ций; ода онфиурация образуется выбором элементов с возвра-
§ 3.1. Перебор возможных вариантов 245
щением или без возвращения. Метод перебора вариантов будет

полезен и в том случае, ода вы овладеете друими методами ре-
шения омбинаторных задач. Инода друие методы или оазыва-
ются неприменимыми, или приводят сложным рассуждениям.
Но в любом случае метод перебора вариантов можно использовать
для самоонтроля.
Далее рассмотрен метод решения омбинаторных задач, осно-
ванный на применении правил умножения и сложения. Этот метод
позволяет решать разнообразные омбинаторные задачи, прати-
чеси не прибеая использованию формул. Он дает возможность
овладеть основными омбинаторными идеями.
И наонец, омбинаторные задачи будут решаться с помощью
формул для числа размещений, сочетаний, перестаново а с по-
вторениями, та и без повторений.
Элементы омбинатории будут применены для обобщения из-
вестных формул вадрата и уба двучлена, т. е. для получения та
называемой формулы Ньютона п-й степени двучлена.
Основное применение омбинатории связано с решением вероят-
ностных задач, приводящих лассичесой вероятностной модели.
§ 3.1. Перебор возможных вариантов

Сущность метода перебора вариантов рассмотрим на примерах.
Пример 1. Проводится ира. Из оробочи, содержащей три бе-

лых и два расных шара, науад вынимают два.
а) Ведущий перед извлечением шаров принимает у зрителей
стави на число вынутых белых шаров. На сольо белых шаров
вы поставите?
б) Ведущий принимает стави на два исхода иры: шары одина-
овоо цвета, шары разноо цвета. На аой исход вы поставите?
Чтобы ответить на поставленные вопросы, нужно или подсчи-
тать число всех возможных вариантов исхода иры, или перебрать
их, а затем подсчитать их число. Перебор можно осуществить раз-
личными способами.
Первый способ — способ одирови.

Обозначим белые шары цифрами 1, 2, 3, а расные — бува-
ми а, б, т. е. заодируем предметы. Возможные варианты:
12 13 23
1а 1б 2а 2б 3а 3б
аб
246 Глава 3. ЭЛЕМЕНТЫ КОМБИНАТОРИКИ
Заметим, что вариант 1 2 означает, что извлечены два белых

шара (1 и 2). Вариант 2 1 мы не записываем, та а он совпадает
с вариантом 1 2. Всео получили 10 вариантов извлечения двух ша-
ров, в трех из них два белых шара (1 2, 1 3, 2 3), в шести — один бе-
лый шар (1 а, 1 б, 2 а, 2 б, 3 а, 3 б) и в одном — нет белых шаров (а б).
а) Ясно, что если иру повторить мноо раз, то чаще будут появ-
ляться варианты с одним белым шаром. Теперь понятно, что нуж-
но ставить на один белый шар. Фатичеси мы подсчитали, что ве-
роятность появления двух белых шаров равна 0,3, одноо белоо
шара — 0,6, отсутствия белых шаров — 0,1.
б) Из двух исходов — шары одинаовоо цвета и шары разноо
цвета — при мнооратном повторении опыта чаще будет иметь
место второй исход: шесть вариантов из десяти против четырех из
десяти, т. е. вероятности этих исходов равны соответственно 0,6 и
0,4. Ставить нужно на шары разноо цвета.
Второй способ перебора основан на построении та называемо-

о дерева возможных вариантов.
Звездоча (*) на рис. 38 изображает орень дерева, ветви
дерева — различные варианты. Чтобы вынуть два шара, нужно
сначала вынуть первый, а для этоо есть пять вариантов (1, 2, 3, а,
б). Поэтому от звездочи проведены пять отрезов и на их онцах
поставлены обозначения 1, 2, 3, а, б. Затем нужно вынуть второй
шар из оставшихся четырех. Поэтому от онца аждоо отреза
проведены по четыре отреза, на онцах оторых написаны обо-
значения оставшихся шаров. Получено 20 вариантов извлечения
шаров. Но среди них аждый вариант повторяется дважды: 1 2 и
2 1, 1 3 и 3 1, а б и б а и т. д. Ита, различных вариантов 10 и
друих вариантов извлечения шаров нет. Получили тот же резуль-
тат, что и способом одирови.
Рис. 38
Третий способ (набор точе и от-

резов) применим в том случае, ода
из неоторой совоупности предметов
выбирают два. Изобразим шары в ви-
де точе, расположенных та, что ни-
аие три точи не лежат на одной
прямой (рис. 39). Затем соединяем аж-
дые две точи отрезом прямой. Всео
получено 10 отрезов. Каждый из них
изображает вариант извлечения двух
шаров. Снова получили тот же резуль-
тат. Рис. 39
Четвертый способ — табличный.
Ео можно применять а в случае под-
счета числа вариантов, с помощью оторых можно извлечь из дан-
ной совоупности неоторое оличество элементов, удовлетворяю-
щих определенным условиям, та и в случае нахождения числа
способов разбиения совоупности различных или одинаовых эле-
ментов на заданное число рупп.
Пример 2. Сольими способами можно распределить четыре

одинаовых арандаша между тремя детьми?
Решение представлено в таблице 3.1.
Таблица 3.1
№ варианта
№ ребена
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
1 4 0 0 3 3 1 1 0 0 2 2 0 2 1 1
2 0 4 0 1 0 3 0 3 1 2 0 2 1 2 1
3 0 0 4 0 1 0 3 1 3 0 2 2 1 1 2
Целесообразно заполнять эту таблицу по столбцам. Первый

столбец означает, что первый ребено получил все четыре аранда-
ша, а двум друим арандаши не достались. Обратите внимание на
то, что арандаши одинаовые. Поэтому, например, для варианта
(3, 1, 0), стоящео в четвертом столбце, не следует рассматривать
различные способы выбора трех арандашей из четырех. Из четы-
рех одинаовых элементов три (и любое друое число) можно вы-
брать единственным способом.
Ответ: 15.
Пример 3. Сольими способами можно распределить два раз-

личных арандаша между тремя детьми?
Обозначив арандаши цифрами 1 и 2, можно рассмотреть все
варианты распределения арандашей (табл. 3.2). В летах табли-
цы уазаны номера арандашей, полученных соответствующим ре-
беном.
Таблица 3.2
№ ребена
1 2 3 4 5 6 7 8 9
1 1, 2 — — 1 1 — 2 2 —
2 — 1, 2 — 2 — 1 1 — 2
3 — — 1, 2 — 2 2 — 1 1
Обратите внимание на то, что, например, в четвертом и седьмом

столбцах стоят различные варианты распределения арандашей:
ведь арандаши разные.
Ответ: 9.
Пример 4. Сольими способами из пяти шахматистов можно

выбрать трех для участия в соревнованиях и, роме тоо, одноо
апитана?
Обозначив шахматистов цифрами 1, 2, 3, 4, 5, можно рас-
смотреть все варианты выбора (табл. 3.3). В летах таблицы уа-
заны номера выбранных шахматистов.
Таблица 3.3
Выбор
1 2 3 4 5 6 7 8 9 10
Трех 1 1 1 1 1 1 1 1 1 1
шахматистов 2 2 2 2 2 2 3 3 3 3
3 3 4 4 5 5 4 4 5 5
Капитана 4 5 3 5 3 4 2 5 2 4
Выбор
11 12 13 14 15 16 17 18 19 20
Трех 1 1 2 2 2 2 2 2 3 3
шахматистов 4 4 3 3 3 3 4 4 4 4
5 5 4 4 5 5 5 5 5 5
Капитана 2 3 1 5 1 4 1 3 1 2
Обратите внимание на то, что сначала выбирались три шахма-

тиста для участия в соревнованиях, а потом из двух оставшихся
выбирался апитан. Задачу можно решить и иначе: сначала вы-
брать четырех спортсменов из пяти, а потом из них — апитана,
или сначала выбрать апитана, а потом из четырех оставшихся
шахматистов — трех участниов соревнований.
Ответ: 20.
Постройте соответствующие таблицы для аждоо из этих
способов и убедитесь в том, что они приводят одному и тому
же результату.
Пример 5. В ондитерсом афе имеются пирожные четырех

сортов: «Наполеон», «Элер», песочные и слоеные. Серей и Оса-
на решили упить по одному пирожному.
а) Сольо существует вариантов таой поупи?
б) Сольо существует вариантов поупи, при оторой Серей
и Осана не хотят поупать пирожные одноо вида?
в) Сольо существует вариантов поупи, если Серей оба пи-
рожных поупает Осане?
) Сольо существует вариантов поупи, если оба пирожных
поупаются Осане, и она не хочет, чтобы они были одноо сорта?
Заодируем сорта пирожных бувами Н, Э, П, С (соответ-
ственно).
а) Н Н Э Н П Н С Н
НЭ ЭЭ ПЭ СЭ
НП ЭП ПП СП
НС ЭС ПС СС
Всео 16 вариантов и все они различны.
б) Если Серей и Осана не хотят поупать пирожные одноо
сорта, то нужно ислючить варианты Н Н, Э Э, П П, С С. Остается
12 различных вариантов.
в) Если оба пирожных поупают для Осаны, то, например, ва-
рианты Н Э и Э Н, П Н и Н П не различаются и получаются следую-
щие 10 вариантов:
НН НЭ НП НС
ЭЭ ЭП ЭС
ПП ПС
СС
) Если оба пирожных поупают для Осаны, и она не хочет,
чтобы они были одноо сорта, то надо ислючить варианты Н Н,
Э Э, П П, С С и останется шесть вариантов:
НЭ НП НС ЭП ЭС ПС
Ответ: 16, 12, 10, 6.
Обратите внимание, что в заданиях а)—) речь шла о выборе

двух предметов из четырех. В первом случае ниаих ораничений
на выбор не делалось. Во втором предполаалось, что один предмет
не может быть выбран дважды. В задании в не различался порядо
выбранных предметов, однао предметы моли быть и одинаовы-
ми. В последнем задании снова не различался порядо выбранных
предметов, и ни один предмет не мо быть выбран дважды.
Попробуйте решить задачу, пользуясь друими способами пе-

ребора возможных вариантов. Сравните их.
В большинстве из выше рассмотренных задач элементы, из о-

торых осуществлялся выбор, или оторые распределялись по раз-
личным руппам, были различными. Решение задачи существен-
ным образом меняется, если элементы считать одинаовыми. На-
пример, из пяти различных элементов а, б, в, , д два элемента
можно выбрать 10 способами: а б, а в, б в, а , б , в , а д, б д, в д,
д, а из пяти одинаовых а, а, а, а, а — тольо одним способом
(выбранные два элемента а а ничем не будут отличаться от друой
пары а а). Рассмотрим следующую задачу.
Пример 6. Сольими способами три арандаша можно распреде-

лить между двумя детьми, если арандаши:
а) различные; б) одинаовые?
а) Обозначим арандаши цифрами 1, 2, 3. Все способы их рас-
пределения между тремя детьми представим в таблице 3.4.
Таблица 3.4
№ способа
№ ребена
1 2 3 4 5 6 7 8
1 123 — 12 13 23 1 2 3
2 — 123 3 2 1 23 13 12
Ита, восемью способами можно распределить три различных

арандаша между двумя детьми. Например, 4-й и 5-й способы раз-
личны, хотя первый ребено получил при аждом из этих способов
два арандаша, а второму достался один арандаш, но первый ре-
бено получил при этом различные арандаши.
б) Если арандаши одинаовые, то различные способы распре-
деления арандашей между двумя детьми будут отличаться тольо
оличеством арандашей, оторые достанутся детям. Представим
эти способы в таблице 3.5. В летах на пересечении стро и столб-

цов стоит оличество арандашей.
Таблица 3.5
№ способа
№ ребена
1 2 3 4
1 3 — 2 1
2 — 3 1 2
Таим образом, есть четыре способа распределения трех одина-

овых арандашей между двумя детьми. Заменили в условии раз-
личные предметы одинаовыми — получили друую задачу. Поэто-
му при решении подобных задач обращайте внимание на то, о а-
их предметах — одинаовых или различных — идет речь.
Пример 7. Сольими способами три арандаша можно разде-
лить на две руппы, если арандаши:
а) различные; б) одинаовые?
В предыдущей задаче мы тоже делили три арандаша на две
руппы, но при этом руппы были различны: арандаши распреде-
лялись между детьми. Поэтому распределение, при отором перво-
му ребену достались арандаши 1 2, а второму — арандаш 3, от-
личалось от распределения, при отором первому ребену достался
арандаш 3, а второму — арандаши 1 2. А вот если мы раслады-
ваем арандаши на две «учи», то распределения 1 2 + 3 и 3 + 1 2
ничем не отличаются дру от друа.
Поэтому понятным будет представленные в таблицах 3.6 и 3.7
решения задач а и б соответственно.
Таблица 3.6 Таблица 3.7
№ способа № способа
№ рппы № рппы
1 2 3 4 1 2
1 123 12 13 23 1 3 2
2 — 3 2 1 2 — 1
Ита, имеем соответственно четыре (два) способа распределе-

ния на две руппы трех различных (одинаовых) арандашей. Об-
ратите внимание на то, что по сравнению с примером 7, а (де руп-
пы были различимы) в примере 7, б число способов уменьшилось
вдвое, т. е. в число способов, с помощью оторых можно переста-
вить два элемента (число рупп).
Пример 8. Сольими способами шесть шахматистов из луба

«Дано», среди оторых есть два мастера спорта, моут разделить-
ся на две оманды по три спортсмена в аждой та, чтобы в любой
из них было по одному мастеру спорта, если:
а) эти оманды будут представлять свой луб на одновременно
проходящих омандных соревнованиях в двух ородах;
б) если эти оманды будут ирать между собой?
Обозначим шахматистов — мастеров спорта бувами м, н,
а остальных — цифрами 1, 2, 3, 4.
а) Их разбиение на две руппы представим в таблице 3.8.
Таблица 3.8
№ способа
№ рппы
1 2 3 4 5 6
1 12м 12н 13м 13н 14м 14н
2 34н 34м 24н 24м 23н 23м
№ способа
№ рппы
7 8 9 10 11 12
1 23м 23н 24м 24н 34м 34н
2 14н 14м 13н 13м 12н 12м
Заметьте, например 1-й и 12-й способы различны: в первом слу-

чае оманда 1 2 м едет, сажем, на соревнования в Пермь, а оман-
да 3 4 н — в Казань, а во втором случае — наоборот: оманда
1 2 м — в Казань, а оманда 3 4 н — в Пермь. Поэтому эти два раз-
биения естественно считать различными. Всео имеем 12 разбие-
ний шести шахматистов на две оманды.
б) В этом случае разбиения 1 и 12 одинаовы, та а безраз-
лично, а считать: оманда 1 2 м ирает с омандой 3 4 н или о-
манда 3 4 н ирает с омандой 1 2 м. Точно таже не различаются
разбиения 2 и 11, 3 и 10, 4 и 9, 5 и 8, 6 и 7. Всео получили шесть
различных разбиений.
Обратите внимание на то, что в первом случае рассматривалось
разбиение шахматистов на две различимые руппы, а во втором — на
две неразличимые руппы. Число разбиений уменьшилось в 2 раза.
Ка отличается дру от друа число способов разбиения

элементов на три различимые руппы и три неразличимые
руппы?
1. Сольими способами из двух челове можно построить в о-

различных подаров можно вы- лонну по одному?
брать один? 7. Можно ли два различных по-
2. Сольими способами из двух дара распределить между тре-
различных подаров можно вы- мя детьми та, чтобы аждому
брать два? достался хотя бы один подаро?
3. Сольими способами из трех 8. Из двух различных предметов
одинаовых подаров можно вы- выбирают один та, что аждый
брать два? выбранный элемент фисирует-
4. Сольими способами двоих ся и возвращается в прежний на-
детей можно послать вдвоем в бор элементов. Следующий пред-
лес за яодами? мет выбирают из данноо набора.
5. Сольими способами двоих Обязательно ли он отличается
детей можно послать по одному от первоо выбранноо? Обяза-
в маазин и на почту? тельно ли он совпадает с пер-
6. Сольими способами двоих вым выбранным?
Задачи
237.° Сольо можно составить из цифр 1, 2, 3, 4:
а) двузначных чисел;
б) двузначных чисел с различными цифрами;
в) двузначных нечетных чисел;
) двузначных нечетных чисел с различными цифрами;
д) двузначных чисел с нечетными цифрами;
е) двузначных чисел с различными нечетными цифрами;
ж) двузначных чисел, содержащих хотя бы одну четную цифру?
238.° Четыре друа собрались на футбольный матч. Им удалось
упить два билета. Сольими способами их можно распределить
между четырьмя друзьями, если:
а) билеты различны и аждый может получить оба билета (на-
пример, для своей девуши);
б) билеты различны, но аждый может получить не более одно-
о билета;
в) билеты одинаовы (например, на соседние места), но аждый
может получить оба билета;
) билеты одинаовы и аждый может получить не более одноо
билета?
239.° Сольими способами можно распределить четыре а-

рандаша:
а) между двумя детьми, если арандаши различны;
б) между двумя детьми, если арандаши одинаовы;
в) между двумя детьми, если арандаши одинаовы, и аждый
ребено должен получить хотя бы один арандаш?
240.° Четыре человеа обменялись:
а) руопожатиями; б) фоторафиями.
Сольо было сделано руопожатий? Сольо понадобилось
фоторафий?
241.° Сольими способами оллетив из пяти челове может
выбрать из своео состава:
а) руоводителя и азначея;
б) делеацию из двух челове для возложения цветов?
242.° Сольими способами два фломастера можно распреде-
лить между тремя детьми, если фломастеры:
а) различны; б) одинаовы?
243. Шесть туристов, среди оторых двое уроженцев тех мест,
де проходит туристсий поход, распределились на две равные
руппы, в аждой из оторых было по одному уроженцу этих мест.
Сольими способами они моут это сделать, если руппы:
а) должны заняться поисами одноо исчезнувшео туриста;
б) отправятся на эсурсии в различные населенные пунты?
244. Группа детей, среди оторых два мальчиа и две девочи,
случайно разделилась на две равные руппы. Каова вероятность
тоо, что в аждой руппе будет по одному мальчиу и по одной
девоче, если распределение на руппы проведено с целью:
а) оранизации парной встречи между ними по теннису;
б) пополнения двух шольных оманд по стрельбе?
§ 3.2. Правила множения и сложения

3.2.1. Комбинаторное правило множения
Метод перебора позволяет решать омбинаторные задачи при
небольших значениях данных величин (параметров). Если же па-
раметры принимают большие числовые или бувенные значения,
то этот метод или становится ромоздим, или совсем неприменим.
В этих случаях часто применяют правило умножения, или основ-
ное правило омбинатори и.
§ 3.2. Правила умножения и сложения 255
Пример 1. Из орода А в ород В ведут пять доро, а из В в С —

три дорои. Сольо путей, проходящих через В, ведут из А в С?
Обозначим дорои из А в В цифрами 1, 2, 3, 4, 5, а дорои из
В в С — бувами а, б, в. Построим дерево возможных вариантов
(рис. 40).
Рис. 40
На первом уровне дерева пять «узлов» (доро из А в В). Из аж-

доо узла выходит три вети (дорои из В в С). Всео получилось
5 · 3 = 15 путей из А в С. Если число доро из А в В будет равно 10,
а из В в С — 8, то изобразить дерево возможных вариантов сложно.
Задачу лече решить рассуждением. Из А в В можно добраться по
любой из 10 доро. По аой бы дорое мы ни прибыли в В, есть 8 пу-
тей, по оторым можно добраться из В в С. Всео получим 10 · 8 = 80
различных путей из А в С через В.
Мы использовали та называемое правило множения. Сфор-

мулируем ео:
Если объе т А можно выбрать m способами и если после аж-
доо та оо выбора объе т В можно выбрать n способами, то вы-
бор пары (А, В) в у азанном поряд е можно осуществить m · n
способами.
Можно было описать решение примера 1 иначе. Требовалось
осуществить последовательно одно за друим два действия: выбор
пути из А в В и выбор пути из В в С. Первое действие можно осу-
ществить пятью способами и при любом способе ео осуществления
второе действие можно выполнить тремя способами. Тода оба дей-
ствия (выбор пути из А в В и выбор пути из В в С) можно осущест-
вить 5 · 3 = 15 способами.
Обратите внимание, аим бы способом ни был выбран один
объет, второй объет должен выбираться одним и тем же числом
способов. Друими словами, из аждоо узла одноо уровня дерева

должно выходить одно и то же число вето.
Правило умножения справедливо для выбора любоо онечноо
числа объетов. В общем виде ео можно сформулировать та:
Если объе т А1 может быть выбран n1 различными способа-
ми, А2 — n2 различными способами и т. д., Аk — nk различными
способами, то k объе тов А1, А2, ..., Аk в у азанном поряд е мож-
но выбрать n1 · n2 · ... · nk способами.
Пример 2. Составляются дорожные знаи, состоящие из еомет-

ричесой фиуры (руа, вадрата, треуольниа или шестиуоль-
ниа), бувы и цифры. Сольо таих знаов можно составить?
Сначала нужно выбрать еометричесую фиуру. Этот выбор
может быть совершен четырьмя способами (всео четыре фиуры).
При любом выборе фиуры можно выбрать одну из 33 був. Поэто-
му фиуру и буву можно выбрать 4 · 33 = 132 способами. Для аж-
доо из этих 132 вариантов есть 10 способов выбора цифры. Всео
получается 4 · 33 · 10 = 1320 знаов.
В предыдущих примерах фатичеси в условиях уазывалось

оличество способов, с помощью оторых можно было осущест-
вить тот или иной выбор. Однао та бывает не вседа, в неоторых
задачах это число способов еще нужно определить.
Пример 3. В лассе 25 челове. Сольими способами:

а) можно распределить между ними два различных учебниа;
б) можно распределить между ними два различных учебниа
та, чтобы нито не получил оба учебниа;
в) можно выбрать в этом лассе старосту и ео заместителя?
а) Первый учебни может получить любой из 25 учащихся.
Кто бы ни получил первый учебни, второй может достаться снова
любому из 25, ведь в условии не сазано, что аждый должен полу-
чить не более одноо учебниа. Всео имеем 25 · 25 = 625 способов.
б) В отличие от предыдущео задания, нито не должен полу-
чить оба учебниа. Поэтому для аждоо из 25 вариантов выбора
обладателя первоо учебниа есть 24 способа выбора обладателя
второо учебниа. Всео имеем 25 · 24 = 600 способов.
в) Эта задача подобна предыдущей. Старостой может быть лю-
бой из 25 учащихся. После выбора старосты на роль заместителя
моут претендовать 24 оставшихся учащихся. Таим образом, все-
о есть 25 · 24 = 600 различных вариантов выбора.
Этот пример отличается от предыдущих тем, что в условии фа-

тичеси уазано число способов выбора тольо первоо объета.
Число способов выбора второо объета нужно устанавливать, ис-
ходя из условия задачи. В первом случае оно совпадает с числом
способов выбора первоо объета (в этом случае оворят, что совер-
шается выбор с возвращением: выбранный объет возвращается
в данную совоупность и следующий объет выбирается из преж-
ней совоупности). Во втором случае выбранный объет не возвра-
щается в исходную совоупность: второй учебни не может дос-
таться тому же учащемуся. Точно таже в третьем случае выбор
старосты соращает ру андидатов на роль ео заместителя: вы-
бранный старостой уже не может быть ео заместителем. В этом
случае оворят, что осуществляется выбор без возвращения.
Можно ли из неоторой совоупности выбрать таое оличе-

ство элементов, оторое превышает численность данной сово-
упности, если:
а) выбор осуществляется без возвращения;
б) выбор осуществляется с возвращением?
В отличие от предыдущих двух задач, де при выборе доро или

составлении дорожных знаов все действия были независимыми,
выборы старосты и ео заместителя не являются независимыми.
В следующем примере правило умножения будет применено в
различных ситуациях.
Пример 4. Сольо можно составить из цифр 0, 1, 2, 3, 4, 5:

а) четырехзначных чисел;
б) четырехзначных чисел с различными цифрами;
в) нечетных четырехзначных чисел;
) нечетных четырехзначных чисел с различными цифрами;
д) нечетных четырехзначных чисел, содержащих хотя бы две
одинаовые цифры;
е) четных четырехзначных чисел;
ж) четырехзначных чисел, составленных из нечетных цифр;
з) четырехзначных чисел, делящихся на 4?
Задача сводится выбору четырех цифр из данных шести.
а) На первое место можно поставить любую цифру, роме нуля,
т. е. имеется пять способов ее выбора. Для любоо способа выбора
первой цифры на второе место может претендовать любая из дан-
ных шести цифр. Продолжая и т. д., по правилу умножения будем
иметь 5 · 63 = 1080 четырехзначных чисел.
Каой осуществляется выбор: с возвращением или без возвра-

щения?
б) Первую цифру, а и в предыдущей задаче, можно выбрать

пятью способами. При любом способе ее выбора на второе место
можно поставить одну из пяти цифр (роме цифры, стоящей на пер-
вом месте). Две следующие цифры можно выбрать соответственно
четырьмя и тремя способами. Ита, оличество четырехзначных
чисел с различными цифрами равно 5 · 5 · 4 · 3 = 300.

щения?
в) Четыре цифры, начиная с первой, можно выбрать соответ-

ственно пятью, шестью, шестью и тремя способами (последней
цифрой может быть одна из трех нечетных цифр 1, 3, 5). Таим
образом, имеем 5 · 6 · 6 · 3 = 540 нечетных четырехзначных чисел.

щения?
) Выбор начинаем с последней цифры, в противном случае пос-

ле выбора первых трех цифр может не остаться нечетной цифры.
Для нее есть три возможности: 1, 3, 5. Первой цифрой может быть
одна из четырех цифр (любая из данных, роме нуля и цифры,
стоящей на последнем месте). Вторую и третью цифру можно вы-
брать соответственно четырьмя и тремя способами. Всео получим
3 · 4 · 4 · 3 = 144 нечетных четырехзначных числа с различными
цифрами.
д) Чтобы подсчитать оличество нечетных четырехзначных чи-
сел, содержащих по райней мере две одинаовые цифры, можно
от общео оличества нечетных четырехзначных чисел (см. зада-
ние в) отнять оличество нечетных четырехзначных чисел с раз-
личными цифрами (см. задание ): 540 – 144 = 396. Мы фатиче-
си воспользовались та называемым правилом дополнения:
Чтобы найти оличество элементов не оторой сово упнос-
ти, удовлетворяющих определенному условию, можно из общео
оличества элементов этой сово упности вычесть оличество
тех ее элементов, оторые не удовлетворяют этому условию.
Задание д) можно выполнить и иначе, не пользуясь правилом

дополнения. При этом придется рассмотреть мноо возможных
случаев.
е) Аналоично заданию в) имеем 5 · 6 · 6 · 3 = 540 четных четы-
рехзначных чисел. Можно было воспользоваться правилом допол-
нения — от общео оличества четырехзначных чисел отнять о-
личество нечетных четырехзначных чисел: 1080 – 540 = 540.
ж) Воспользовавшись правилом умножения и учтя, что среди
данных цифр есть три нечетные, получим 3 · 3 · 3 · 3 = 81 четырех-
значное число с нечетными цифрами.
Чему равно оличество четырехзначных чисел, образованных

из данных цифр и содержащих хотя бы одну четную цифру?
з) Воспользуемся признаом делимости на 4: на 4 делятся те

и толь о те числа, в оторых число, образованное двумя послед-
ними цифрами (в том же поряд е), делится на 4. Таих двузнач-
ных чисел, образованных из данных цифр и делящихся на 4, де-
вять: 00, 04, 12, 20, 24, 32, 40, 44, 52 (мы воспользовались методом
перебора). Для аждоо из них первую цифру можно выбрать
пятью способами, вторую — шестью. Ита, имеем 9 · 5 · 6 = 270
четырехзначных чисел, делящихся на 4.
Обратите внимание на то, что из 540 четырехзначных четных
чисел аждое второе делится на 4.
3.2.2. Комбинаторное правило сложения

Выше мы отмечали, что задание 4, д) можно выполнить, не при-
беая правилу дополнения, рассмотрев несольо возможных слу-
чаев. Это связано с применением та называемоо омбинаторноо
правила сложения. Чтобы получить ео, вернемся примеру 1.
Пример 5. Пусть по-прежнему из

орода А в ород В ведут пять до-
ро, а из орода В в ород С — три
дорои. Пусть, роме тоо, из о-
рода А в ород D можно попасть
двумя путями, из D в C — четырь-
мя (рис. 41). Сольими способа-
ми можно добраться из А в С?
Возможны два случая: путь из
А в С проходит через ород В или Рис. 41
через ород D. В аждом из этих случаев число возможных марш-

рутов лео подсчитать, воспользовавшись правилом умножения.
В первом случае имеется 5 · 3 = 15 маршрутов; во втором — 2 · 4 = 8.
Сладывая, получаем общее число маршрутов: 15 + 8 = 23.
В задаче все рассматриваемые варианты разбиты на два ласса,

причем аждый вариант входит в один и тольо в один ласс. В этом
случае общее число вариантов равно сумме оличеств вариантов
в обоих лассах. Это утверждение называют правилом сложения.
Ео можно сформулировать та:
Если не оторый объе т А можно выбрать m способами, а дру-
ой объе т В можно выбрать n способами, причем ни один из спо-
собов выбора А не совпадает с а им-нибудь способом выбора В,
то выбор «либо А, либо В» можно осуществить m + n способами.
Ка, воспользовавшись правилом сложения, найти:

а) сольими способами из набора монет можно выбрать нео-
торое оличество одноцветных монет;
б) сольими способами из набора шаров можно выбрать ша-
ры в оличестве, не превышающем заданноо числа?
Вернемся условию примера 4.
Пример 6. Сольо можно составить из цифр 0, 1, 2, 3, 4, 5:

а) четных четырехзначных чисел с различными цифрами;
б) четырехзначных чисел, делящихся на 4, с различными циф-
рами;
в)* нечетных четырехзначных чисел, содержащих хотя бы две
одинаовые цифры?
а) Возможны два случая: число заанчивается нулем или циф-
рой, отличной от нуля. Количество четных четырехзначных чисел
с различными цифрами, оанчивающихся нулем, равно 5 · 4 · 3 = 60,
а оанчивающихся цифрой, отличной от нуля, — 2 · 4 · 4 · 3 = 96.
Всео 60 + 96 =156 вариантов.
б) Для двух последних цифр есть семь вариантов (см. пример 4, з):
04, 12, 20, 24, 32, 40, 52. Из них в трех случаях имеется нуль,
в четырех — нет нуля. Исомое оличество чисел равно 3 · 4 · 3 +
+ 4 · 3 · 3 = 72.
в)* С помощью правила дополнения мы получили, что оличе-
ство нечетных четырехзначных чисел, содержащих хотя бы две
одинаовые цифры, равно 396.
Однао это задание можно выполнить используя правило сло-

жения. Исомая совоупность чисел состоит из:
1) нечетных трехзначных чисел, не содержащих в записи нуль,

у оторых одна из двух одинаовых цифр стоит на последнем месте
(оличество таих чисел равно 3 · 3 · 4 · 3 = 108);
у оторых одна из двух одинаовых цифр не стоит на последнем
месте (оличество таих чисел равно 3 · 4 · 3 · 3 = 108);
3) нечетных трехзначных чисел, у оторых одна из двух одина-
овых цифр есть нуль (оличество таих чисел равно 3 · 1 · 1 · 4 = 12);
4) нечетных трехзначных чисел, содержащих в записи нуль, у
оторых одна из двух одинаовых цифр не стоит на последнем мес-
те (оличество таих чисел равно 3 · 4 · 2 = 24);
у оторых одна из трех одинаовых цифр стоит на последнем месте
(оличество таих чисел равно 3 · 3 · 4 = 36);
у оторых одна из трех одинаовых цифр не стоит на последнем
месте (оличество таих чисел равно 3 · 4 · 1 = 12);
7) нечетных трехзначных чисел, содержащих в записи нуль,
у оторых одна из двух одинаовых цифр стоит на последнем месте
(оличество таих чисел равно 3 · 3 · 4 = 36);
у оторых одна из трех одинаовых цифр стоит на последнем месте
(оличество таих чисел равно 3 · 2 = 6);
у оторых две пары одинаовых цифр (оличество таих чисел рав-
но 3 · 3 · 4 = 36);
у оторых одна из трех одинаовых цифр не стоит на последнем
месте (оличество таих чисел равно 3 · 4 = 12);
у оторых две пары одинаовых цифр (оличество таих чисел
равно 3);
12) нечетных трехзначных чисел, у оторых четыре одинаовые
цифры (оличество таих чисел равно 3).
Общее оличество нечетных трехзначных чисел, содержащих
хотя бы две одинаовые цифры, равно 108 + 108 + 12 + 24 + 36 +
+ 12 + 36 + 6 + 36 + 12 + 3 + 3 = 396.
Вы убедились, а усложняется решение без использования
правила дополнения.
При использовании правила сложения нужно следить, чтобы ни

один из способов выбора объета А не совпадал с аим-нибудь спо-
собом выбора объета В, т. е. чтобы ни одна омбинация не попала
сразу в два ласса. Если таие совпадения имеются, правило сло-

жения в ранее сформулированной форме утрачивает силу, и мы по-
лучаем m + n – k способов выбора, де k — число совпадений.
Пример 7. В лассе аждый учени знает хотя бы один иностран-

ный язы: анлийсий или немеций. 25 челове знают анлийсий,
10 учащихся — немеций, а пятеро знают оба языа. Сольо уче-
ниов в лассе? Сольо из них знают тольо немеций язы?
В лассе 25 челове знают анлийсий язы, 10 челове —
немеций. При этом пятеро из них знают оба языа, т. е. они во-
шли и в число тех, то знает анлийсий, и в число тех, то знает
немеций язы. Друими словами, если сложим 25 + 10, мы их
учтем дважды (сравните с выводом теоремы сложения вероятнос-
тей в § 2.8). Поэтому в лассе 25 + 10 – 5 = 30 учениов. Немеций
язы знают 10 челове, из них и анлийсий знают пятеро. Зна-
чит, тольо немеций знают 10 – 5 = 5 челове.
Мы воспользовались та называемым общим правилом сложе-

ния. Ео можно сформулировать следующим образом:
Если объе т А можно выбрать m способами, а объе т В —
n способами, причем при k способах одновременно выбираются
и А и В, то выбор «А или В» можно осуществить m + n – k
способами.
Пример 8. Сольо чисел в первой сотне, не делящихся ни на 2,

ни на 3?
Лече вычислить сначала оличество чисел первой сотни, деля-
щихся на 2 или на 3. Каждое второе число в натуральном ряде де-
лится на 2, аждое третье — на 3. Поэтому в первой сотне есть 50 чи-
сел, делящихся на 2, и 33 числа (неполное частное от деления 100
на 3), делящихся на 3. Но среди первых и вторых имеются числа,
делящиеся и на 2, и на 3, т. е. делящиеся на 6. На 6 делится аждое
шестое число в натуральном ряде. Если 100 разделить на 6, то не-
полное частное будет равняться 16, т. е. 16 чисел в первой сотне
делится на 6. Ита, оличество чисел в первой сотне, делящихся
на 2 или на 3, равно 50 + 33 – 16 = 67. Все остальные не делятся ни
на 2, ни на 3. Этих чисел 100 – 67 = 33.
3.2.3. Перестанов и
Рассмотрим задачи, в оторых приходится подсчитывать число
способов, с помощью оторых n различных предметов можно рас-
положить на n местах. Таие расположения называют переста-
новами.
Пример 9. Сольими способами можно расставить на пятимест-

ной поле пять различных ни?
Будем рассуждать та же, а и при решении предыдущих
задач. На первое место можно поставить любую из пяти ни, на
второе место — любую из четырех оставшихся, на третье — лю-
бую из трех оставшихся и т. д. Таим образом, всео получается
5 · 4 · 3 · 2 · 1 = 120 способов.
Произведение 1 · 2 · 3 · 4 · 5 является произведением пяти пер-

вых натуральных чисел, ео обычно обозначают 5! и читают «5-фа-
ториал». И вообще произведение первых п (п > 1) натуральных чи-
сел 1 · 2 · 3 · … · п обозначают п! и читают «п-фаториал». Ясно, что
2! = 1 · 2 = 2; 3! = 1 · 2 · 3 = 6; 4! = 24.
Чему равно: а) 20! · 21; б) n! · (n + 1)?
50! n!
Чему равно: а) --------- ; б) -------------------- ?
48! ( n – 1 )!
Та а n! = (n – 1)! · n для всех натуральных чисел n > 1, то

чтобы это равенство оставалось справедливым и для n = 1, полаа-
ют 1! = 1, 0! = 1.
Аналоично предыдущей задаче получаем, что n различных пред-
метов можно расположить в ряд n(n – 1)(n – 2) · . . . · 2 · 1 различны-
ми способами, т. е. число перестаново из n элементов равно n!
Пример 10. Сольо перестаново можно составить из був слова:

а) «линейа»; б) «тетрадь»; в) «перешее»; ) «альулятор»?
а) В слове «линейа» семь був, все они различны. Поэтому
число перестаново равно 7! = 5040.
б) В слове «тетрадь» тоже семь був. Если бы все они были раз-
личны, то из них можно было бы составить 7! перестаново. Однао
те перестанови, оторые получаются тольо переменой местами
був «т» и «т», на самом деле одинаовы. Таим образом, получен-
ные 7! перестаново разбиваются на пары одинаовых. Поэтому чис-
7!
ло различных перестаново равно ----- = 2520.
2
в) В слове «перешее» восемь був. Если бы они были различ-
ны, то из них можно было получить 8! перестаново. Посольу
четыре бувы «е» можно переставлять 4! способами, то все 8! пере-
станово разбиваются на руппы по 4! одинаовых. Поэтому раз-
8!
личных перестаново всео ----- = 1680.
4!
) В слове «альулятор» имеем 11 був, среди оторых две па-

ры одинаовых. Отождествляя перестанови, отличающиеся лишь
11!
перестановой бувы «», но не «л», получим --------- различных пере-
2!
станово. Отождествляя теперь перестанови, отличающиеся пе-
11!
ременой мест був «л», получим -------------- .
2! · 2!
Рассмотренный метод можно применить решению задач, де

явно не идет речь о подсчете числа перестаново.
Пример 11. Сольими способами можно расставить белые фи-

уры (два оня, два слона, две ладьи, ферзя и ороля) на первой
линии шахматной доси?
Если бы все фиуры были различны, это можно было бы сде-
лать 8! способами. Та а способы, получающиеся перестановой
двух оней между собой, двух слонов между собой и двух ладей
между собой, можно отождествить, то число способов будет равно
8!
------------------------ = 5040.
2! · 2! · 2!
В неоторых задачах удобно объединять несольо элементов

и рассматривать их в ачестве одноо элемента.
Пример 12. Сольими способами можно переставить бувы сло-

ва «задача» та, чтобы три бувы «а» шли подряд?
Чтобы три бувы «а» шли подряд, их нужно рассматривать
а один элемент и переставлять тольо соединенными между со-
бой. «Свяжем» три бувы «а», тода исомое число способов равно
числу перестаново из четырех элементов, т. е. 4! = 24.
Обобщением предыдущео примера служит следующий.
Пример 13. Сольо существует перестаново из n (n l 2) раз-

личных элементов, в оторых данные два элемента не стоят рядом?
Число всех перестаново из n элементов равно n! Вычтем из
нео число тех перестаново, в оторых данные два элемента стоят
рядом. Для подсчета этоо числа объединим эти два элемента в один.
Полученные n – 1 элементов можно переставить (n – 1)! способами.
Однао в аждой из этих перестаново данные элементы можно по-
менять местами, т. е. всео имеется 2(n – 1)! перестаново, в ото-
рых данные два элемента стоят рядом. Исомое число перестано-
во равно n! – 2(n – 1)! = n(n – 1)! – 2(n – 1)! = (n – 1)! (n – 2).
3.2.4. Зависит ли резльтат выбора

от поряд а следования элементов?
Ответ на вопрос, поставленный в заолове, попытаемся найти
при решении следующей задачи.
Пример 14. Сольими способами в лассе из 25 челове можно

избрать:
а) старосту, заместителя, азначея;
б) трех членов ультурно-массовой омиссии?
а) Подобную задачу мы уже решали, используя правило ум-
ножения. Старосту можно выбрать 25 способами, на роль ео замес-
тителя моут претендовать 24 человеа, а азначеем может стать
любой из 23 оставшихся челове. Всео, по правилу умножения,
имеем 25 · 24 · 23 = 13 800 способов. Заметим, что если учащихся
заодируем номерами 1, 2, 3, ..., 25, то результаты выбора имеют,
например, вид (1, 2, 3), (5, 7, 23), и т. д. или вообще (a1, a2, a3 ), де
a1, a2, a3 принимают значения от 1 до 25, причем все числа a1, a2,
a3 различны. Запись (1, 2, 3) означает, что старостой выбран уча-
щийся № 1, заместителем — № 2, азначеем — № 3. Выбор (2, 1, 3)
отличается от предыдущео, та а теперь старостой является
№ 2, а ео заместителем — № 1.
б) Эта задача внешне похожа на предыдущую. Казалось бы, то-
же можно было бы рассуждать та: первоо члена омиссии можно
выбрать 25 способами, при любом способе ео выбора второо мож-
но выбрать 24 способами, третьео — 23 способами. Однао при этом
результатами выбора является и набор (1, 2, 3), и набор (2, 1, 3),
а вместе с тем, это один и тот же состав омиссии. Возниает воп-
рос: сольо раз мы учли аждый состав омиссии? Очевидно, столь-
о, сольо перестаново можно составить из трех элементов, т. е.
3! = 6. Чтобы ислючить одинаовые способы, нужно произведение
25 · 24 · 23
25 · 24 · 23 разделить на 3! Получим ------------------------------ = 2300 способов.
3!
При решении подобных задач не забывайте определять, зависят

ли результаты от поряда следования элементов или нет. Для этоо
можно заодировать все элементы, рассмотреть результаты выбо-
ра, состоящие из одних и тех же элементов, но отличающиеся по-
рядом следования элементов, и выяснить, описывают они один
и тот же результат выбора или различные. В первом случае необ-
ходимо число способов выбора разделить на число перестаново из
k элементов, де k — число отбираемых элементов. В этом случае

результаты выбора называют непорядоченными выборами (ре-
зультат не зависит от поряда следования элементов), в противном
случае — порядоченными выборами (результат зависит от по-
ряда следования элементов).
Пример 15. Сольими способами из олоды в 36 арт можно вы-
брать:
а) четыре арты;
б) четыре арты разных мастей и достоинств;
в) таие четыре арты та, чтобы среди них были ровно две буб-
новой масти?
а) Карты можно пронумеровать числами 1, 2, 3, ... , 36. Пер-
вую арту можно выбрать 36 способами; вторую — 35; третью — 34,
четвертую — 33. Однао результаты выбора (1, 2, 3, 4) и (4, 2, 1, 3)
36 · 35 · 34 · 33
совпадают. Поэтому имеем ----------------------------------------- = 58 905 способов.
4!
Результаты выбора являются упорядоченными или неупоря-

доченными выборами?
б) 1-й способ. Первую арту можно выбрать 36 способами; при

любом ее выборе для второй остаются 24 возможности (ислючают-
ся девять арт той же масти, три арты тоо же достоинства, что
и извлеченная арта). Для третьей остаются 14 вариантов (ислю-
чаем восемь арт той же масти и две арты тоо же достоинства,
оторые имела вторая арта). Для четвертой арты остаются шесть
вариантов (еще нужно ислючить семь арт той же масти и одну
арту тоо же достоинства, оторые имела третья арта). По правилу
умножения имеем 36 · 24 · 14 · 6. При этом результаты выбора не
меняются от перестанови элементов в наборе, например (1, 2, 3, 4).
36 · 24 · 14 · 6 36 24 14 6
Оончательно имеем -------------------------------------- = ------ · ------ · ------ · --- = 9 · 8 · 7 · 6 =
4! 4 3 2 1
= 3024.
2-й способ. Выбор будем производить следующим образом. Коло-
ду разделим на четыре части, аждая из оторых содержит арты
одной масти. Первую арту извлечем из первой части, это можно
сделать девятью способами; вторую — из второй части. Это можно
сделать восемью способами (нельзя брать арту тоо же достоинст-
ва, что и первая). Аналоично для третьей арты остается семь ва-
риантов, а для четвертой — шесть. Фатичеси мы зафисировали
порядо частей олоды, из оторых производили последователь-
ный выбор арт. При изменении поряда меняется оличество воз-

можностей выбора из аждой части. Поэтому результаты выбора
при изменении поряда следования элементов меняются. Исомое
число способов равно 9 · 8 · 7 · 6 = 3024.
Результаты выбора (при втором способе) являются упорядо-

ченными или неупорядоченными выборами?
в) Сначала извлечем две арты из девяти бубновой масти. Это

9·8
можно сделать ----------- = 36 способами. Осталось извлечь еще две ар-
1·2
27 · 26
ты из оставшихся 27. Это можно сделать ------------------ = 351 способом.
1·2
Обратите внимание: вначале выбрали две арты бубновой масти
(первый объет), затем еще две не бубновой масти (второй объет).
По правилу умножения имеем 36 · 351 = 12 636 способов.
Пример 16. Сольими способами из десяти различных аранда-

шей можно выбрать семь?
Решая аналоично предыдущим задачам, получим
10 · 9 · 8 · 7 · 6 · 5 · 4
------------------------------------------------------- = 120 способов.
7!
Однао эту задачу можно решить и иначе. При любом способе

выбора семи арандашей остается 10 – 7 = 3 арандаша. Поэтому
вместо тоо, чтобы выбирать для аих-то целей семь аранда-
шей, можно выбрать три, остающиеся после выбора семи. Тем са-
мым однозначно определятся и семь арандашей, оторые необхо-
димо было выбрать. Таим образом, число способов выбора семи
арандашей из десяти различных равно числу способов выбора
10 · 9 · 8
трех арандашей из десяти различных, т. е. ----------------------- = 120. И вооб-
1·2·3
ще, число способов выбора k (k < n) элементов из n различных, при
оторых результат выбора не меняется при изменении поряда
следования элементов, равно числу способов выбора n – k элемен-
тов из n различных.
Этот прием удобно применять, если требуется подсчитать число

способов выбора из неоторой совоупности различных элементов
больше половины ее элементов.
3.2.5. Распределение n одина овых предметов

по m ячей ам
В большинстве ранее рассмотренных задач элементы, из ото-
рых осуществлялся выбор, или оторые распределялись по раз-
личным ячейам, были различны. Решение задачи существенно
меняется, если элементы считать одинаовыми. Например, из
6·5
шести различных элементов два элемента можно выбрать ----------- = 15
2
способами, а из шести одинаовых — тольо одним (выбранные
два элемента ничем не будут отличаться от друой пары). Для срав-
нения рассмотрим следующую задачу.
Пример 17. Сольими способами шесть арандашей можно рас-

пределить между тремя детьми, если арандаши:
а) разные; б) одинаовые?
а) Первый арандаш может получить любой из трех детей,
второй таже любой из трех и т. д. до шестоо арандаша. По пра-
вилу умножения имеем
3 · 3 · 3 · 3 · 3 · 3 = 36 = 729 способов.
б) Если арандаши одинаовые, то различные способы рас-
пределения арандашей между детьми будут отличаться лишь о-
личеством арандашей у детей. Если детей мы заодируем цифра-
ми 1, 2, 3, то возможны, например, таие способы распределения:
(1 1 1 2 2 3), (1 1 1 1 2 2), (3 3 3 3 3 3) и т. д. Первая запись означа-
ет, что первому ребену досталось три арандаша (их порядо не-
существенен), второму — два, третьему — один. Во втором из при-
веденных вариантов первый ребено получил четыре арандаша,
второй — два. В третьем все шесть арандашей получил третий ре-
бено. Уажем способ подсчета числа вариантов таоо распреде-
ления. Изобразим арандаши в виде точе. Чтобы распределить их
между тремя детьми, поставим две переороди (на одну меньше,
чем детей). Для трех вышеприведенных примеров распределений
имеем следующее положение переородо:
...|..|.; ....|..|; ||......
Левее первой переороди отмечены арандаши, доставшиеся
первому ребену, между первой и второй — второму, правее
второй — третьему. Число способов распределения шести одинао-
вых арандашей между тремя детьми совпадает с числом способов
выбора из восьми мест (шесть точе + две переороди) двух мест

для переородо. Та а от перестанови переородо результат
8·7
не меняется, то это число способов равно ----------- = 28.
2
Каждое распределение арандашей между детьми можно рас-

сматривать а выбор детей для вручения им арандашей.
Для аждоо из рассмотренных случаев определите:
а) этот выбор является выбором с возвращением или без воз-
вращения?
б) результаты выбора являются упорядоченными или неупо-
рядоченными?
Пример 18. Трое ребят собрали с яблони 40 ябло. Яблои счита-

ются одинаовыми. Сольими способами их можно разделить:
а) между тремя сборщиами;
б) между тремя сборщиами та, чтобы аждому досталось хо-
тя бы одно яблоо;
в) между тремя сборщиами та, чтобы аждому досталось по
райней мере по 10 ябло?
а) Аналоично предыдущему примеру число способов распре-
деления 40 одинаовых ябло между тремя сборщиами равно
числу способов выбора из 42 мест (40 точе + 2 переороди) двух
42 · 41
мест для переородо, т. е. ------------------ = 861.
2
б) Начнем с тоо, что аждому дадим по одному яблоу. Та а
яблои одинаовые, то это сделать можно одним способом. Остав-
шиеся 40 – 3 = 37 ябло нужно распределить произвольным обра-
зом между тремя сборщиами. Число способов таоо распределе-
ния равно числу способов выбора из 39 мест (37 + 2) двух мест для
39 · 38
переородо, т. е. ------------------ = 741.
2
в) Опять сначала нужно аждому из трех дать по 10 ябло. Это
можно осуществить единственным способом. Оставшиеся 40 – 30 =
= 10 ябло нужно распределить между тремя сборщиами про-
извольным образом. Число способов таоо распределения равно
12 · 11
------------------ = 66.
2
Заметим, что в примерах 17, б) и 18 по существу шла речь о рас-

пределении n одинаовых предметов в m ячейах. В примере 17, б)
шесть одинаовых арандашей (предметы) распределялись между
тремя детьми (ячейи). В примере 18 соро ябло (предметы) рас-

пределялись между тремя сборщиами (ячейи).
Рассмотренные примеры подсазывают метод решения задачи в
общем виде.

Пример 19. Сольими способами n одинаовых предметов мож-
но распределить по k ячейам?
n одинаовых предметов изображаем точами, между ото-
рыми ставим k – 1 переородо. (Обратите внимание: предметы изо-
бражаем точами, а между переородами — содержимое ячее.)
Число способов распределения n одинаовых предметов по k ячейам
равно числу способов выбора из (n + k – 1) мест (k – 1)-о места для
переородо. Первое место можно выбрать (n + k – 1) способом, вто-
рое — (n + k – 2) способами и т. д., (k – 1)-е — (n + 1) способом.
После выбора (k – 2) мест останется n + k – 1 – (k – 2) = n + 1 место.
По правилу умножения получим (n + k – 1)(n + k – 2) ... (n + 1) спо-
собов. Но не все они различны. Каждый способ повторяется столь-
о раз, сольо перестаново можно составить из (k – 1) элементов,
т. е. (k – 1)! раз. Число повторений для аждоо способа равно (k – 1)!
( n + k – 1 ) ( n + k – 2 )… ( n + 1 )
Исомое число способов равно --------------------------------------------------------------------------------- .
( k – 1 )!
Пример 20. Сольо решений имеет уравнение x1 + x2 + x3 + x4 = 9:

а) в целых неотрицательных числах;
б) в целых положительных числах?
а) Неизвестные x1, x2, x3 , x4 моут принимать значения 0, 1,
2, ..., 9. Напрашивается мысль: записать решение уравнения в ви-
де (А1, А2, А3 , А4), де Аj, j = 1, 2, 3, 4, принимают значения от 0
до 9. Но если набор (1, 2, 3, 3) является решением, та а 1 + 2 +
+ 3 + 3 = 9, то набор (1, 2, 3, 4) уже им не является: сумма чисел,
стоящих в собах, не равна 9. Поэтому число исомых решений
нельзя определить, подсчитав число способов выбора с возвращени-
ем из 10 элементов четырех. Будем исать друой путь. Заодируем
неизвестные числами 1, 2, 3, 4 и тода сможем записать примеры
решений в виде (1 1 2 2 2 3 3 4 4), (1 1 1 1 1 4 4 4 4), (2 2 2 2 2 2 2 2 2)
и т. д. Эти записи соответственно означают: x1 = 2, x2 = 3, x3 = 2,
x4 = 2; x1 = 5, x2 = x3 = 0, x4 = 4; x1 = x3 = x4 = 0, x2 = 9. Здесь роль
ячее ирают неизвестные, правая часть уазывает на число одина-
овых предметов. Решение можно изобразить таже в виде девяти
точе (см. правую часть уравнения) с тремя переородами (4 неиз-

вестных – 1 = 3):
..|...|..|..; .....|||....; |.........||
Число решений равно числу способов распределения девяти то-
12 · 11 · 10
че по четырем ячейам, т. е. ------------------------------ = 220.
3!
б) Эта задание отличается от предыдущео тем, что ни одно из
неизвестных не может принимать значение, равное нулю. Друими
словами, в аждой из четырех ячее должно быть хотя бы по одно-
му предмету. Для этоо понадобится четыре предмета. Остается пять
предметов распределить по четырем ячейам произвольным обра-
зом. Число способов таоо распределения равно числу способов вы-
8·7·6
бора из 5 + 3 = 8 мест трех мест для переородо, т. е. ------------------- = 56.
3!
1. Сольо существует двузнач- письма, если для этоо исполь-

ных чисел, в оторых обе циф- зовать трех урьеров и аждое
ры четные? письмо можно дать любому из
2. Сольо существует двузнач- урьеров?
ных чисел, в оторых обе циф- 5. В маазине продается пять
ры имеют различную четность? разных видов вило, три разных
3. У одноо учениа семь ни типов ножей и четыре разных
по математие, у второо — де- видов ложе. Сольими спосо-
вять дететивов. Сольими спо- бами можно упить в этом ма-
собами можно обменять одну азине омплет из вили, но-
ниу первоо учениа на одну жа и ложи?
ниу второо? 6. Сольими способами шесть
4. Сольими способами мож- различных арандашей можно
но отправить четыре срочных разделить между двумя детьми?
Задачи
245.° В лассе 25 челове. Каждый день назначают одноо де-
журноо. Сольими способами можно составить расписание на
пять дней та, чтобы нито не дежурил более одноо раза?
246. Четверо учащихся Оле, Андрей, Серей и Руслан за упраж-

нение на имнастичесом снаряде моут получить 2, 3, 4, 5 баллов.
а)° Сольими способами можно оценить их выступление на
этом снаряде?
б)° Сольими способами можно оценить их выступление та,
чтобы ниаие два учениа не получили одинаовое число баллов?
в) Сольими способами можно оценить их выступление та,
чтобы все получили 4 или 5 баллов?
) Сольими способами можно оценить их выступление та,
чтобы ниаие два учениа не получили одинаовое число баллов
и Оле получил более высоую оцену, чем Андрей?
247. Алфавит племени Пин-Пон состоит из пяти був П, И, Н,
Г, О. Словом является любая последовательность, состоящая не бо-
лее чем из четырех був. Сольо слов в язые племени Пин-Пон?
248. Сольими способами можно поставить на шахматную
досу белоо и черноо оролей та, чтобы получилась допустимая
правилами иры позиция?
249. Сольо существует шестизначных чисел, все цифры о-
торых имеют одинаовую четность?
250. Футбольная оманда определяется составом ироов и
ролью, оторую ирает в оманде аждый отдельный иро. Соль-
ими способами тренер может определить стартовый состав, если
в ео распоряжении 13 футболистов (общее число ироов 11) и:
а) аждый из этих футболистов может занимать в оманде лю-
бое место;
б) двое ироов моут ирать тольо вратарями?
251.° Сольо четырехбувенных слов, состоящих тольо из
соласных или тольо из ласных, можно составить из був слова
«арниз»?
252. В олледже студенты изучают математиу или эономи-
у. 200 студентов изучают математиу, 150 — эономиу. Сольо
студентов в олледже, если:
а) 20 студентов в олледже изучают оба предмета;
б) ни один из студентов-математиов не изучает эономиу;
в) аждый студент-эономист изучает математиу?
253.° В лифт восьмиэтажноо дома на первом этаже вошли пять
челове. Любой из них с одинаовой вероятностью может выйти на
любом этаже, начиная со второо. Найдите вероятность тоо, что
все пятеро выйдут:
а) на третьем этаже;
б) на одном этаже;
в) на разных этажах.
254. В соревнованиях по имнастие участвует 10 челове.

Трое судей должны независимо дру от друа расположить их в по-
ряде, отражающем их успехи в соревновании по мнению судей.
Победителем считается тот, оо назовут первым хотя бы двое
судей.
а) Сольими способами трое судей моут назвать имнаста, за-
нявшео, по их мнению, первое место?
б) При сольих способах победитель не будет определен?
в) При сольих способах победитель будет определен?
255. Сольими способами можно переставить бувы слова:
а) «перешее» та, чтобы четыре бувы «е» не шли подряд;
б) «оород» та, чтобы три бувы «о» не стояли рядом?
256. Каих семизначных чисел больше: тех, в записи оторых
есть 1, или остальных?
257. Сольими способами можно поселить семь студентов в три
омнаты: одноместную, двухместную и четырехместную?
258. Футбольная оманда шолы должна сырать за сезон шесть
ир с омандами друих шол. Сольими различными способами
может пройти сезон для этой оманды, если в результате она выи-
рает два матча, три проирает и один сведет вничью?
259. Сольими способами руппу из восьми челове можно
расположить за рулым столом та, чтобы два определенных ли-
ца оазались:
а) сидящими рядом;
б) сидящими не рядом?
Два положения считаются одинаовыми, если у аждоо чело-
веа совпадают соседи слева и справа.
260. В спортивном лубе 20 челове. Сольими способами из
них можно выбрать оманду из четырех челове:
а) для участия в бее на 100 м;
б) для участия в эстафете 100 + 200 + 400 + 800 м;
в) для участия в бее на 100 м и роме них одноо апитана?
261.° Учащемуся надо выбрать два фаультативных урса из
шести возможных.
а) Сольими способами он может это сделать?
б) Сольо имеется способов выбора, если чтение аих-то двух
урсов совпадает по времени?
в) Сольо имеется способов выбора, если чтение двух урсов
начинается в 10 часов, чтение двух друих — в 12 часов, а осталь-
ные урсы не пересеаются по времени?
262. Сольими способами из 28 остей домино можно выбрать:

а) две ости;
б)* две ости та, чтобы их можно было приложить дру друу?
263. Рассматривается спортивная лотерея «5 из 36». Сольи-
ми способами можно отобрать из 36 видов спорта:
а) пять видов спорта;
б) пять видов спорта та, чтобы все они были выирышными
(таих 5);
в) пять видов спорта та, чтобы среди них не было ни одноо
выирышноо;
) пять видов спорта та, чтобы среди них было ровно три выи-
рышных;
д) пять видов спорта та, чтобы среди них было не менее трех
выирышных?
264. Рассмотрим прямоуоль-
ную сеть вадратов («шахматный
ород», состоящий из 10 × 8 вадра-
тов, оторые разделены семью ори-
зонтальными и девятью вертиаль-
ными улицами; рис. 42). Сольо
различных ратчайших путей ве-
дут из левоо нижнео ула (точа
(0; 0)) в правый верхний уол (точ-
а (10; 8))?
265.* Сольо существует че-
тырехзначных чисел, у оторых
аждая следующая цифра: Рис. 42
а) больше предыдущей;
б) меньше предыдущей?
266. Имеется домино с числом очов на остях от 0 до 8. Соль-
о таих остей?
267. Сольими способами 12 эземпляров одной нии мож-
но разделить между:
а) тремя призерами олимпиады;
б) тремя призерами олимпиады та, чтобы аждому досталась
хотя бы одна ниа;
в) тремя призерами олимпиады та, чтобы аждому досталось
по райней мере по две нии?
268. Сольо решений имеет уравнение x1 + x2 + x3 = 8:
§ 3.3. Основные омбинаторные схемы 275
269. Сольо решений в целых неотрицательных числах имеет

неравенство x1 + x2 + x3 m 5?
§ 3.3. Основные омбинаторные схемы

В предыдущем парарафе были рассмотрены неоторые общие
правила (правила умножения, сложения, дополнения) решения
омбинаторных задач. С их помощью, а мы видели, можно ре-
шать самые разнообразные омбинаторные задачи. Однао а и
в еометрии неудобно сводить решение задач и доазательство тео-
рем асиомам, а удобнее пользоваться теоремами, та и в омби-
наторие вместо решения задач по общим правилам часто удобнее
пользоваться отовыми формулами. Их выводу и применению по-
священ настоящий парараф.
Основываясь на основных омбинаторных правилах, рассмот-
рим важные омбинаторные схемы.
Имеем случайный опыт, оторый состоит в том, что из урны
с п пронумерованными шарами последовательно один за друим на-
уад вынимают r шаров. Исходы этоо опыта будем называть выбор-
ами из п элементов по r. Любая из них имеет вид (а1, а2, ..., аr),
де аі — номер шара, вынутоо на і-м шае, і = 1, 2, ..., r. Ка мы уже
отмечали в предыдущем парарафе, различают выбори с возвраще-
нием и без возвращения. В первом случае на аждом шае вынутый
шар возвращают в урну, т. е. аждый элемент аі может принимать
любое из п значений 1, 2, ..., n. Если выбор осуществляется без воз-
вращения, т. е. извлеченный шар не возвращают в урну ни на одном
шае, то все элементы выбори (а1, а2, ..., аr) различны.
Если выбори, состоящие из одних и тех же элементов, но отли-
чающиеся порядом следования элементов, харатеризуют раз-
личные исходы опыта, то эти выбори называют порядоченны-
ми. В противном случае — непорядоченными. Например, если
собрание из 20 челове науад избирает президиум в составе трех
челове, то исходами этоо опыта являются неупорядоченные вы-
бори без возвращения из 20 элементов по три: например, выбори
(1, 2, 3) и (2, 3, 1) определяют один и тот же состав президиума.
Если это собрание должно избрать председателя собрания, серета-
ря и члена президиума, то выбори (1, 2, 3) и (2, 3, 1) харатеризу-
ют различные составы президиума: в первом случае председателем
избран участни собрания № 1, во втором — № 2. Здесь исходами
опыта являются упорядоченные выбори без возвращения из 20 эле-
ментов по три.
Четырехзначное число, не содержащее в своей записи ну-

лей, можно рассматривать а выбору из девяти элементов
1, 2, …, 9 по четыре элемента в аждой. Упорядочена эта вы-
бора или нет? В аом случае она будет выборой с возвра-
щением и в аом — выборой без возвращения?
3.3.1. Упорядоченные выбор и (размещения)

Подсчитаем число упорядоченных выборо с возвращением из
п элементов по r. Первый элемент выбори можно получить п спо-
собами, при любом способе ео выбора второй элемент выбирается
таже п способами (напомним: выбор с возвращением!) и т. д. По
правилу умножения число порядоченных выборо с возвраще-
нием из п элементов по r равняется пr (таие выбори таже
называют размещениями с повторениями, а их число обознача-
r
ют A n ). Ита,
r
A n = nr.
Можно ли образовать упорядоченные выбори с возвращени-

ем из n элементов по r, если r > n?
Пусть исходами опыта являются упорядоченные выбори без

возвращения из п элементов по r (r m n). Их называют таже раз-
r
мещениями из п элементов по r, а их число обозначают A n . Най-
r
дем, чему равняется A n . Первый элемент можно выбрать n различ-
ными способами, для выбора второо элемента уже существует п – 1
возможность и т. д. Последний r-й элемент выбирают после извле-
чения (r – 1)-о элемента, т. е. из (n – (r – 1)) оставшихся элемен-
тов. Ита, применяя правило умножения, получим, что число упо-
рядоченных выборо без возвращения из п элементов по r равно
r
A n = n(n – 1)(n – 2) … (n – r + 1).
1 2
Чему равно A n ; A 5 ?
Пример 1. Науад набирают телефонный номер, состоящий из

пяти цифр. Найти вероятность тоо, что этот номер состоит из раз-
личных цифр, если ни один из телефонных номеров не начинается
с нуля.
Исходы опыта, рассматриваемоо в этом примере, имеют вид
(a1, a2, a3, a4, a5); a1 − 0; ai = 0, 1, …, 9; i = 1, 2, 3, 4, 5,
де аі — і-я цифра номера. По правилу умножения их число равно

N = 9 · 104. Все исходы равновозможны. Событие А — «телефон-
ный номер состоит из различных цифр» — происходит при любом
из N(A) = 9 · 9 · 8 · 7 · 6 исходов. Поэтому
N(A ) 9·9·8·7·6
- = 0,3024.
P(A) = -------------- = -----------------------------------
4
N 9 · 10
Можно ли рассматривать в этом примере телефонные номера

а упорядоченные выбори (с возвращением или без возвра-
щения) из 10 элементов по пять?
Пример 2. Поезду, в одном из ваонов отороо находится 10 пас-

сажиров, предстоит сделать 15 останово. Каова вероятность то-
о, что все пассажиры выйдут на разных остановах?
Для решения задачи можно обратиться лассичесой веро-
ятностной модели. Нужно найти общее число исходов опыта, до-
пустить, что исходы равновозможны и подсчитать число исходов,
при оторых наступает исомое событие.
Проиллюстрируем на этой задаче общую схему решения омби-
наторных задач, сводящихся выбору. Эта схема имеет следую-
щий вид:
1) выяснить, что представляет собой опыт, о отором идет речь
в условии задачи;
2) привести несольо примеров выборо — исходов этоо опы-
та, заодировав объеты, фиурирующие в условии;
3) установить, упорядочены эти выбори или нет;
4) установить, являются ли эти выбори с возвращением или
без возвращения;
5) выяснить, из аоо числа элементов они образованы;
6) выяснить, сольо элементов содержит аждая выбора;
7) применить соответствующую формулу.
В данной задаче речь идет о выборе останови аждым из 10 пас-
сажиров. Обозначим останови числами 1, 2, 3, …, 15. Исхо-
дами этоо опыта являются, например, выбори  1, 1, ..., 1  ,

 
10
 1, 2, ..., 10  ,  1, 1, 2, 2, 3, 3, 1, 4, 8, 12  . Первая из них озна-

   
10 10
чает, что все 10 пассажиров вышли на первой останове, вторая —
первый пассажир вышел на первой останове, второй — на второй,
и т. д., десятый — на десятой. Смысл последнео примера теперь
понятен: первый, второй и седьмой пассажиры вышли на первой
останове и т. д. Эти выбори упорядочены, та а, например,
две выбори (1, 2, 3, …, 10), (2, 1, 3, …, 10), состоящие из одних и
тех же элементов, но отличающиеся порядом их следования, опи-
сывают разные исходы опыта. Эти исходы являются выборами
с возвращением: на одной останове может выйти более одноо
пассажира. Каждая выбора образована из 15 элементов и содер-
жит 10 элементов. Ита, исходы данноо опыта — упорядоченные
выбори с возвращением из 15 элементов по 10. Их число равно
10
N = A 15 = 1510.
Событие А — «все выйдут на различных остановах» — состоит
из упорядоченных выборо без возвращения (на разных останов-
10
ах!) из 15 элементов по 10. Их число равно N(A) = A 15 = 15 · 14 ç
ç 13 · 12 · 11 · 10 · 9 · 8 · 7 · 6. Исомая вероятность равна
15 · 14 · 13 · 12 · 11 · 10 · 9 · 8 · 7 · 6
- d 0,0189.
P(A) = ------------------------------------------------------------------------------------------------
10
15
Число размещений из n элементов по r можно вычислить, вос-

пользовавшись редатором элетронных таблиц Microsoft Excel.
Для этоо применяют статистичесую фунцию ПЕРЕСТ(число;
выбранное_число), де число равно n, выбранное_число равно r.
3.3.2. Перестанов и
Если в опыте с извлечением r шаров из n пронумерованных r = n,
то упорядоченные выбори без возвращения называют переста-
новами из п элементов. Число всех различных перестаново
из п элементов вычисляют по формуле
n(n – 1)(n –2)…(n – n + 1) = 1 · 2 · 3 · … · n.
Напомним, что произведение 1 · 2 · 3 · … · n орото обозначают п!
(читается «п-фаториал»). Та 2! = 1 · 2; 3! = 1 · 2 · 3 = 6. По опре-
делению 0! = 1; 1! = 1.
Сольо перестаново можно образовать из був слова

«слон»?
Ранее мы доазали, что число перестаново из п различных

элементов равно п! . Та, из був слова «линейа» можно образо-
вать 7! = 5040 перестаново. В слове «элемент» тоже семь був, но
не все они различны, это слово содержит дважды буву «е». Если
эти бувы «е» переставлять, то будем получать ту же перестанов-
у, т. е. любая из 7! перестаново будет повторяться дважды. По-
этому число перестаново, оторые можно получить из був этоо
7!
слова, равно ----- = 2520. Используем эти соображения для доаза-
2
тельства общео утверждения.
ТЕОРЕМА 1. Число перестаново , оторые можно образовать

из п элементов, среди оторых п1 элементов 1-о типа, п2 — 2-о
типа, ..., пk — k-о типа, равно
n!
------------------------------------- .
n 1 ! n 2 ! ... n k !
Таие перестанови называют инода перестановами с по-

вторениями.

Если бы все n элементов были различными, то число переста-
ново равнялось бы n! Посольу неоторые элементы совпадают,
число перестаново уменьшится. Рассмотрим, например, переста-
нову a, a, ..., a ; b, b, ..., b ; ... ; z, z, ..., z . Элементы 1-о
n1 n2 nk
типа можно переставлять n1! способами. Но, посольу эти элемен-

ты одинаовые, получим ту же перестанову из n элементов. Та
же ничео не изменяют n2! перестаново элементов 2-о типа, ...,
nk! перестаново k-о типа. Перестанови элементов 1-о типа, 2-о
типа и т. д. можно выполнять независимо дру от друа. Поэтому
одинаовые элементы любой перестанови из n элементов можно
переставлять n1! n2! ... nk! способами та, что она не изменяется.
Значит, совоупность всех перестаново распадается на части, со-
стоящие из n1! n2! ... nk! одинаовых перестаново. Таим образом,
число различных перестаново с повторениями, оторые можно об-
разовать из данных элементов (обозначим это число Pn(n1, n2, …, nk)),

равно
n!
Pn(n1, n2, …, nk) = ------------------------------------ .
n 1 !n 2 ! ... n k !
Сольо перестаново можно образовать из був слова

«мама»?
Пример 3. Что вероятнее: при образовании всех возможных пе-

рестаново из був слова «задача» получить «слово», де три бу-
вы «а» будут идти подряд, или «слово», де эти бувы не будут ид-
ти подряд?
Если бы все бувы были бы различными, то общее число пе-
рестаново равнялось бы 6! = 720. Но слово «задача» содержит три
одинаовых бувы «а». Поэтому число всех перестаново из був
6!
слова «задача» равно ----- = 120. Это общее число исходов опыта —
3!
число всех перестаново. Обозначим через А событие «в переста-
нове три бувы «а» идут подряд». Вычислим число исходов опы-
та, блаоприятствующих наступлению этоо события. «Свяжем» три
бувы «а», фатичеси будем иметь перестанови из четырех раз-
24
личных элементов, их число равно 4! = 24. Ита, P(A) = ---------- =
120
= 0,2. Вероятность противоположноо события A равна 1 – 0,2 =
= 0,8. Ита, Р( A ) > P(A).
3.3.3. Непорядоченные выбор и (сочетания)

Выведем теперь формулу для вычисления числа неупорядочен-
ных выборо без возвращения из п элементов по r (r m n). Таие
выбори называют сочетаниями из п элементов по r. Их число
r
обозначают C n (читается «число сочетаний из п элементов по r»).
Идею вывода объясним сначала на примере. Имеем четыре элемен-
та a, b, c, d. Выпишем все неупорядоченные выбори без возвраще-
ния по три элемента в аждой, т. е. сочетания из четырех элемен-
тов по три:
(a, b, c); (a, b, d); (a, c, d); (b, c, d).
3
Из аждой из этих выборо (их C 4 ) образуем все перестанови
(их 3!) из трех элементов. Тем самым мы построим все упорядочен-
ные выбори из четырех элементов по три:
abc acb bac bca cab cba
abd adb bad bda dab dba
acd adc cad cda dac dca
bcd bdc cbd cdb dbc dcb
Все перестанови, например, из элементов a, b, c записаны
в первой строе. Ка известно, число упорядоченных выборо без
возвращения из четырех элементов по три равно 4 · 3 · 2. Таим об-
3
разом, 4 · 3 · 2 = = C 4 · 3!, отсюда
3 4·3·2
C 4 = ------------------- .
3!
Аналоичные соображения остаются справедливыми и в общем
случае.
Из аждой неупорядоченной выбори, состоящей из r различ-
ных элементов, можно получить ровно r! упорядоченных выборо.
Ита, по правилу умножения число всех упорядоченных выборо
из п по r равно
r
n(n – 1)(n – 2)…(n – r + 1) = C n · r!.
Таим образом,
r n ( n – 1 ) ( n – 2 )... ( n – r + 1 )
C n = --------------------------------------------------------------------------- . (1)
r!
По определению считают, что
0
C n = 1.
Умножив числитель и знаменатель правой части равенства (1)
на (n – r)! = 1 · 2 · … · (n – r), получим
r n ( n – 1 ) ( n – 2 )... ( n – r + 1 ) · 1 · 2 · ... · ( n – r )
C n = ----------------------------------------------------------------------------------------------------------------------------- .
r! ( n – r )!
Ита,
r n!
C n = -------------------------- . (2)
r! ( n – r )!
Заменив в равенстве (2) r на п – r, получим

n–r n! n!
Cn = ------------------------------------------------------- = -------------------------- ,
( n – r )! ( n – ( n – r ) )! ( n – r )! r!
т. е.
r n–r
Cn = C n .
Содержание последнео равенства понятно и без преобразова-

ний: аждая выбора из п элементов по r однозначно определяет
выбору из п элементов по п – r оставшихся элементов.
2 4 1 n 6 98
Пример 4. Вычислить C 5 ; C 10 ; C n ; C n ; C 9 ; C 100 .
2 5·4 4 10 · 9 · 8 · 7 10 · 9 · 8 · 7
C 5 = ----------- = 10; C 10 = ------------------------------- = ------------------------------- = 210;
2! 4! 1·2·3·4
1 n! n n! 1
C n = -------------------------- = n; C n = -------------------------- = ----- = 1;
1! ( n – 1 )! n! ( n – n )! 0!
6 3 9·8·7 98 2 100 · 99
C 9 = C 9 = ------------------- = 84; C 100 = C 100 = ---------------------- = 4950.
1·2·3 1·2
Число сочетаний из n элементов по r можно вычислить, вос-

пользовавшись редатором Excel. Для этоо применяют математи-
чесую фунцию ЧИСЛКОМБ(число; выбранное_число), де число
равно n, выбранное_число равно r.
4
Придумайте задание, ответом отороо будет число C 10 .
Пример 5. Из ящиа, содержащео 20 приодных и пять брао-

ванных изделий, науад вынимают три изделия. Чему равна веро-
ятность тоо, что:
а) все изделия приодны;
б) приодны лишь два изделия;
в) приодно лишь одно изделие;
) все изделия браованы?
а) Посольу порядо извлечения изделий не имеет значе-
ния, то исходами опыта являются неупорядоченные выбори без
возвращения из 25 элементов по три. Исходы опыта равновозмож-
ны, их число равно
3 25 · 24 · 23
N = C 25 = ------------------------------ = 2300.
1·2·3
Событие А — «все изделия приодны» — состоит из выборо,
элементами оторых являются приодные изделия, т. е. из неупо-
рядоченных выборо без возвращения из 20 элементов по три:
3 20 · 19 · 18 1140
N(A) = C 20 = ------------------------------ = 1140; P(A) = ------------- d 0,496.
1·2·3 2300
б) Событие В — «приодны лишь два изделия» — наступает то-

да и тольо тода, ода извлели два приодных изделия (это
2 20 · 19
можно сделать C 20 = ------------------ = 190 способами) и одно браованное
1·2
1
(для этоо существует C 5 = 5 способов). По правилу умножения вы-
числим число исходов опыта, блаоприятствующих наступлению
950
события B: N(B) = 190 · 5 = 950. Ита, P(B) = ------------- d 0,413.
2300
в) Аналоично предыдущему заданию, для события С — «при-
1 2
20 C 5 ·C 20 · 10
одно лишь одно изделие» — имеем P(C) = --------------------- = ------------------ d 0,087.
3
C 25 2300
) Аналоично выполнению задания а) для события D — «все из-

3
5 C 10
- = ------------- d 0,004.
делия браованы» — имеем P(D) = --------
3
C 25 2300
Обратите внимание на то, что 0,496 + 0,413 + 0,087 + 0,004 =

= 1,000. Дело в том, что сумма событий A + B + C + D является
достоверным событием: обязательно наступает одно и тольо одно
из попарно несовместных событий A, B, C, D, поэтому Р(A + B +
+ C + D) = Р(А) + Р(В) + Р(С) + Р(D) = 1.
Выше выведены формулы для числа упорядоченных выборо
с возвращением и без возвращения и для числа неупорядоченных
выборо без возвращения. Осталось получить формулу для числа
неупорядоченных выборо из n элементов по r с возвращением.
Их еще называют сочетаниями с повторениями из n элементов
по r. Любая таая выбора содержит r элементов, причем аждый
элемент принадлежит одному из n типов элементов: та а вы-
бори с возвращением, то аждый данный из n элементов можно
тиражировать в любом оличестве эземпляров.
Пример 6. Образуем, например, всевозможные неупорядоченные
выбори с возвращением из трех элементов a, b, c по два элемента
в аждой:
aa
ab bb
ac bc cc
Выпишите все неупорядоченные выбори с возвращением из
трех элементов а, b, c по три.
Можно ли образовать неупорядоченные выбори с возвраще-
нием из n элементов по r, если r > n?
Пример 7. В ачестве примера неупорядоченных выборо с воз-

вращением можно рассматривать ости домино: аждую ость до-
мино можно рассматривать а выбору, образованную из семи
элементов 0, 1, 2, 3, 4, 5, 6, содержащую два элемента, причем это
выбори с возвращением (среди остей домино есть дубли 0 : 0,
1 : 1 и т. д.), неупорядоченные (ости 1 : 2 и 2 : 1 неразличимы).
Подсчитайте число уазанных выборо, т. е. число остей до-

мино, с помощью «точе и переородо».
Пример 8. Неупорядоченными выборами с возвращением явля-

ются, например, различные распределения r одинаовых предме-
тов в n ячейах. Например, распределения трех одинаовых а-
рандашей между двумя детьми можно представить в виде: (1 1 1),
(1 1 2), (1 2 2), (2 2 2). Эти представления означают: первый ребе-
но получил все три арандаша; первый получил два арандаша,
второй — один; первый получил один арандаш, второй — два; все
три арандаша получил второй ребено. Эти представления можно
рассматривать а неупорядоченные (распределения (1 1 2) и (1 2 1)
не различаются) выбори с возвращением (они моут содержать
одинаовые элементы) из двух элементов 1 и 2 по три элемента
в аждой.
Опишите на язые выборо распределения n одинаовых

предметов в r ячейах.
Обозначим число неупорядоченных выборо без возвращения

r
из n элементов по r через f n . В предыдущем парарафе мы подсчиты-
вали это число с помощью «точе и переородо». Оно равнялось
числу способов, с помощью оторых можно выбрать n – 1 место для
переородо из общео числа n + r – 1 мест. Ка мы видели выше,
n–1 r
оно равняется C n + r – 1 = C n + r – 1 , т. е.
r n–1 r
fn = C n + r – 1 = C n + r – 1 .

Доажем эту формулу. Рассмотрим следующий метод для
подсчета таих выборо.
Каждой неупорядоченной выборе с возвращением из n эле-

ментов по r поставим в соответствие последовательность из нулей
и единиц, составленную по следующему правилу. Запишем подряд
стольо единиц, сольо элементов 1-о типа входит в выбору, за-
тем поставим нуль, далее запишем стольо единиц, сольо эле-
ментов 2-о типа содержит выбора, затем ставим нуль и т. д., на-
онец, записываем стольо единиц, сольо элементов n-о типа
содержит выбора.
Для примера 6 эти последовательности имеют следующий вид:
1100
1010 0110
1001 0101 0011
Таим образом, аждой неупорядоченной выборе с возвраще-
нием из n элементов по r поставлена в соответствие последователь-
ность из n – 1 нулей и r единиц, т. е. последовательность длиной
n + r – 1. Верно и обратное: аждая последовательность из n – 1
нулей и r единиц однозначно определяет таую выбору. Между
выборами и последовательностями установлено взаимно одно-
значное соответствие. Поэтому число неупорядоченных выборо
без возвращения из n элементов по r равно числу таих последова-
тельностей, что в свою очередь равно числу способов выбора r мест
для единиц или, что то же самое, n – 1 мест для нулей из общео
числа n + r – 1 мест, т. е.
r n–1 r
f n = Cn + r – 1 = C n + r – 1 .
Выпишите все неупорядоченные выбори с возвращением из

трех элементов а, b, c по три и поставьте аждой выборе в со-
ответствие последовательность из единиц и нулей по описан-
ному выше правилу.
Вернемся примеру 7 и подсчитаем число остей домино. Их

число равно
2 2 2 8·7
f 7 = C 7 + 2 – 1 = C 8 = ----------- = 28.
2
Вернемся примеру 8 и подсчитаем, сольими способами

можно распределить три одинаовых арандаша между двумя
3 3 3 4–3 1
детьми. Число способов равно f 2 = C 2 + 3 – 1 = C 4 = C 4 = C 4 = 4.
Все эти четыре способа были выписаны выше.
Вообще, r одинаовых предметов в n ячейах можно распреде-

r n–1 r
лить f n = C n + r – 1 = C n + r – 1 способами.
Пример 9. Сольими способами можно выбрать три из 12 був:

А, А, А, Т, Т, Т, Г, Г, Г, Ц, Ц, Ц?
Исходы опыта, залючающеося в выборе трех був из 12 за-
данных, имеют, например, вид: (А, А, А), (А, Ц, Ц), (Т, Г, Ц) и т. д.
Они представляют собой неупорядоченные выбори (исходы (А, Ц, Ц)
и (Ц, А, Ц) неразличимы) с возвращением (бувы моут повторять-
ся) из четырех элементов (А, Т, Г, Ц) по три в аждой. Их число
3 3 3 6·5·4
равно f 4 = C 4 + 3 – 1 = C 6 = ------------------- = 20.
1·2·3

Задача имеет отношение теории беловоо ода, предложенной
америансим физиом Г. Гамовым (1904—1968)1. Бувы А, Т, Г, Ц
обозначают нулеотиды: аденин, тимин, уанин, цитозин. Число
трое нулеотидов оазывается равным 20 — числу стандартных
аминоислот, на оторые разлааются молеулы бела.
3.3.4. Свойства сочетаний

r
Числа C n обладают целым рядом замечательных свойств. Одно
r n–r
из них было рассмотрено выше: C n = C n . Фатичеси оно было
доазано двумя способами. Один способ сводился применению
r n!
формулы C n = -------------------------- . Друой основан на омбинаторных сооб-
r! ( n – r )!
ражениях: всяая неупорядоченная выбора без возвращения из n
элементов по r порождает таую же выбору из n элементов по n – r,
и наоборот, аждая неупорядоченная выбора без возвращения из
n элементов по n – r порождает таую же выбору из n элементов
r n–r
по r. Значит, C n = C n .
Точно та же моут доазываться и друие свойства соче-
таний.
1 Георий Антонович Гамов родился в Одессе, заончил Ленинрадсий
университет и до 1933 . работал в Физио-техничесом институте в Ле-

нинраде.
ТЕОРЕМА 2. Имеет место равенство
r r r–1
Cn = C n – 1 + C n – 1 .
1-й способ. Составим все неупорядоченные выбори без воз-

вращения из n элементов а1, а2, …, аn – 1, an по r элементов в аж-
дой и разобьем их на два ласса. В первый из них войдут выбори,
содержащие элемент an, а во второй — выбори, не содержащие это-
о элемента. Если из любой выбори первоо ласса отбросить эле-
мент an, то останется выбора, содержащая r – 1 элемент и составлен-
r–1
ная из элементов а1, а2, …, аn – 1. Число этих выборо равно C n – 1 .
r–1
Поэтому в первый ласс входит C n – 1 выборо. Выбори второо
ласса являются неупорядоченными выборами без возвращения
из n – 1 элемента а1, а2, …, аn – 1 по r элементов в аждой. Поэтому
r
их число равно C n – 1 . Та а аждая выбора принадлежит одно-
му и тольо одному из этих лассов, а общее число этих выборо
r r r r–1
равно C n , то приходим требуемому равенству C n = C n – 1 + C n – 1 .
2-й способ.
r r–1 ( n – 1 )! ( n – 1 )!
C n – 1 + C n – 1 = ----------------------------------- + ---------------------------------------- =
r! ( n – r – 1 )! ( r – 1 )! ( n – r )!
( n – 1 )! 1 1 ( n – 1 )!
= --------------------------------------------------  --- + ------------  = -------------------------------------------------- -------------------- =
n
( r – 1 )! ( n – r – 1 )! r n–r ( r – 1 )! ( n – r – 1 )! r ( n – r )
n! r
= -------------------------- = C n .
r! ( n – r )!
Еще один способ доазательства основан на применении ео-

метричесой интерпретации числа сочетаний, рассмотренной в за-
даче 264 § 3.2.
ТЕОРЕМА 3. Имеет место равенство
0 1 2 n
C n + C n + C n + … + C n = 2n.
2n — это число всех упорядоченных выборо с возвращением

из двух элементов по n. Разобьем эти выбори на n + 1 ласс, отне-
ся k-му лассу (k = 0, 1, 2, …, n) те выбори, в оторые первый
элемент входит k раз, а второй — n – k раз. Число таих выборо
n! k
равно --------------------------- , т. е. C n . Значит, общее число выборо всех лас-
k! ( n – k )!
0 1 2 n
сов равно C n + C n + C n + … + C n . Теорема доазана.
Неоторые элементы омбинатории были известны еще во ІІ вее до н. э.

Термин «омбинаториа» происходит от латинсоо слова combina — «со-
единять». Этот термин впервые ввел Г. Лейбниц (1646—1716), оторый
обосновал форм"лы числа сочетаний и перестаново. Из"чением сочетаний занимались
М. Штифель (1486—1567), Н. Тарталья (о. 1500—1557), Б. Пасаль (1623—1662), П. Ферма
(1601—1665) и др"ие математии. Размещения впервые из"чил Я. Берн"лли (1654—1705).
Он же ввел термин «размещение» и "потребил в современном понимании термин «пе-
рестанова». Термин «сочетание» использовал еще Б. Пасаль. Современн"ю символи"
сочетаний предложили лишь в ХІХ столетии. К начал" ХХ веа омбинаториа считалась
пратичеси завершенным разделом математии, лежащим вне основноо р"сла разви-
тия математии и ее приложений. В ХХ вее омбинатори" стали рассматривать а
раздел теории множеств, из"чающий различные проблемы, возниающие при из"чении
онечных множеств. Таая точа зрения привела естественной лассифиации понятий
и задач омбинатории. В последнее время роль омбинатории возросла в связи с раз-
витием теории вычислительных машин, теории информации, из"чающей методы опти-
мальноо одирования, деодирования и передачи информации. Ныне омбинаториа
является одним из наиболее интенсивно развивающихся разделов математии.
1 0 а) упорядоченные, с возвраще-
1. Чему равно: C 15 ; C 10 ; 1!; 0!?
нием;
2. Четырехзначный номер авто- б) упорядоченные, без возвра-
мобиля можно рассматривать щения;
а выбору из 10 цифр. Упо-
в) неупорядоченные, с возвра-
рядочена эта выбора или нет?
щением;
С возвращением или нет?
) неупорядоченные, без возвра-
3. Ящи содержит а приод-
ные, та и браованные изде- щения.
лия. Для провери отбирают 5. Сольо перестаново мож-
без возвращения 10 изделий. но образовать из був слова «ра-
Упорядочена полученная вы- ма»?
бора или нет? 6. Сольо перестаново можно
4. Назовите все выбори по два образовать из був слова «рама»
элемента из двух элементов а та, чтобы две бувы «а» стоя-
и b: ли рядом; не стояли рядом?
Задачи
270.° Вычислите: C 27 ; C 67 ; C 315 ; C 48

50 .
271.° Сольими способами из 10 спортсменов можно отобрать
четыре человеа для участия:
а) в соревнованиях по беу на 100 метров;
б) в эстафете 100 м + 200 м + 400 м + 800 м?
272. Из урны, содержащей три белых шара и семь черных шаров,
науад вынимают сразу два шара. Найдите вероятность тоо, что:
а)° оба шара черные;
б)° оба шара белые;
в) один шар белый, второй — черный.
273.° Контролеру принесли 100 одинаовых изделий, среди о-
торых есть 10 браованных. Но онтролер этоо не знает и науад
берет для провери 10 изделий. Если все проверенные изделия оа-
жутся доброачественными, то подонтрольная партия изделий
принимается, в противном случае она подлежит дополнительной
провере. Каова вероятность тоо, что эту партию изделий онтро-
лер примет?
274. Партия из 100 изделий подлежит выборочному онтролю.
Условием неприодности всей партии является наличие по рай-
ней мере одноо браованноо изделия среди 5 проверенных. Као-
ва вероятность для данной партии быть принятой, если она содер-
жит 5% неисправных изделий?
275. Двенадцать мест для стояни автомобилей расположены
в один ряд. На стояне случайно разместились восемь автомоби-
лей. Найдите вероятность тоо, что четыре пустые места располо-
жены рядом.
276. На пятиместную самью случайно садятся пять челове.
Каова вероятность тоо, что три определенных человеа оажут-
ся рядом?
277. Найдите вероятность тоо, что среди науад выбранных
m челове у оо-то совпадут дни рождения.
278. Футбольная оманда лицея может сырать за сезон шесть
ир с омандами друих лицеев орода. Все результаты ир — победа,
ничья, поражение — равновозможны. Найдите вероятность тоо, что
эта оманда выирает две иры, три проирает и одну сведет ничьей.
279. Для нараждения шести призеров математичесой олим-
пиады выделено три эземпляра одной нии, два эземпляра вто-
рой и один эземпляр третьей нии. Сольими способами моут

быть вручены премии, если ниому не дают более одной нии?
280. Сольими способами можно выбрать шесть одинаовых
или различных сортов пирожных в ондитерсой, де есть 11 раз-
ных сортов пирожных?
281.* Дано уравнение х1 + х2 + …+ хm = n. Сольо оно имеет
решений:
§ 3.4. Бином Ньютона

Ка известно из предыдущих парарафов, n различных шаров
k
в k ячейах можно разместить C n способами. Впишем в таблицу 3.9
k
значения C n при различных значениях k и n.
Таблица 3.9
k
n
0 1 2 3 4 5 6
0 1
1 C1 =1 C1 =1
0 1 2
2 C2 =1 C2 =2 C2 = 1
0 1 2 3
3 C3 = 1 C3 = 3 C3 = 3 C3 = 1
0 1 2 3 4
4 C4 = 1 C4 = 4 C4 = 6 C4 = 4 C4 = 1
0 1 2 3 4 5
5 C5 = 1 C5 = 5 C 5 = 10 C 5 = 10 C5 = 5 C5 = 1
Попробуем изучить заономерности, присущие элементам этой

таблицы. Сразу бросается в лаза то, что первый столбец состоит из
единиц, и точно та же последняя диаональ составлена из единиц.
Второй столбец состоит из последовательных натуральных чисел
от 1 до 5. Внимательно присмотревшись этой таблице, можно об-
наружить и друие заономерности. Обратите внимание на числа
во второй и третьей строах: 2 + 1 = 3 (тройа стоит под единицей).
Точно та же 3 + 3 = 6 (шестера — под тройой), 3 + 1 = 4 (четвер-
а под единицей) и т. д. Теперь нетрудно заполнить всю шестую
строу: 1, 1 + 5 = 6, 5 + 10 = 15, 10 + 10 = 20, 10 + 5 = 15, 5 + 1 = 6, 1.
§ 3.4. Бином Ньютона 291
Заполните седьмую строу последней таблицы.
Пользуясь составленной таблицей, ответьте, сольими спо-

собами можно разместить пять одинаовых шариов в шести
ячейах.
Построенная таблица давно известна в математие, ее называ-

ют треольниом Пасаля.
Рассмотрим еще раз внимательно треуольни Пасаля. Во вто-
рой строе стоят числа 1, 2, 1. Вам это ничео не напоминает? Да-
вайте вспомним формулу для вадрата суммы двух выражений
(a + b)2 = a2 + 2ab + b2.
Заметили сходство? Коэффициенты в правой части последнео
равенства тоже равны 1, 2, 1. Обратимся следующей строе тре-
уольниа Пасаля. Она состоит из чисел 1, 3, 3, 1. Сравним с фор-
мулой уба суммы двух выражений
(a + b)3 = a3 + 3a2b + 3ab2 + b3.
Опять оэффициенты 1, 3, 3, 1 в правой части равенства совпа-
ли с числами, стоящими в третьей строе треуольниа Пасаля.
По аналоии можно записать:
(a + b)4 = a4 + 4a3 b + 6a2b2 + 4ab3 + b4.
Проверьте правильность этоо равенства, представив (a + b)4 в

виде (a + b)3(a + b).
Аналоично формула записывается в общем виде:

1 2 n–1
(a + b)n = an + C n an – 1b + C n an – 2b2 + … + C n a1bn – 1 + bn.
Корото ее можно записать та:

n k
(a + b)n = ∑ C n a n – kb k .
k=0
Эта формула носит название формлы бинома Ньютона. Она

служит для возведения в натуральную степень суммы двух слаае-
k
мых (бином — это двучлен). Коэффициенты C n в этой формуле на-
зывают биномиальными оэффициентами.
Пример 1. Расрыть соби в выражении (1 – х)7.

1 2
(1 – x)7 = 17 + C 7 · 17 – 1 · (–x)1 + C 7 · 17 – 2 · (–x)2 +
3 4 5
+ C 7 · 17 – 3 · (–x)3 + C 7 · 17 – 4 · (–x)4 + C 7 · 17 – 5 · (–x)5 +
6
+ C 7 · 17 – 6 · (–x)6 + (–x)7 =
= 1 – 7x + 21x2 – 35x3 + 35x4 – 21x5 + 7x6 – x7.
Найдите разложение (1 + х)7 с помощью треуольниа Пас-
аля.
Пример 2. Найти n, если известно, что в разложении (1 + х)п о-

эффициенты при х5 и х12 равны.
5 12
Коэффициенты при х5 и х12 соответственно равны C n и C n .
5 12
Равенство C n = C n имеет место, если n – 12 = 5, т. е. при n = 17.
Пример 3. Сольо рациональных членов содержит разложение

( 2 + 4 3 )100?
(k + 1)-й член этоо разложения имеет вид
100 – k k
------------------- ---
k k 2 4
C 100 ( 2 )100 – k( 4 3 )k = C 100 ·2 ·3 .
100 – k k
Это выражение будет рациональным, если числа ------------------- и --- ,
2 4
k = 0, 1, ..., 100, будут целыми. Каждое четвертое значение k из
совоупности чисел от 0 до 100, начиная с 0, удовлетворяет этому
условию. Таих чисел 26: 0, 4, 8, …, 100.
Совпадают ли биномиальные оэффициенты с оэффициента-
ми членов в разложении степени бинома?
Приведем теперь доазательство формулы бинома Ньютона.

Перемножим последовательно (a + b) n раз. Получим сумму 2n
слааемых вида d1d2…dn, де di (i = 1, 2, …, n) равно либо а, либо b.
Разобьем все слааемые на n + 1 руппу В0, В1, …, Вn, отнеся Bk
(k = 0, 1, 2, ..., n) все те произведения, в оторых b встречается мно-
жителем k раз, а a встречается (n – k) раз. Число произведений в Bk
k
равно C n (таим числом способов среди n множителей d1, d2, …, dn
§ 3.4. Бином Ньютона 293
можно выбрать k множителей, оторые будут равны b), а аждое сла-

n k
аемое в Bk равно an – kbk. Поэтому (a + b)n = ∑ C n a n – kb k .
k=0
Отметим неоторые СВОЙСТВА биномиальных оэффициентов.
1. Коэффициенты членов, равноудаленных от онцов разло-
жения, равны между собой. Это свойство вытеает из тождества
r n–r
Cn = C n .
2. Для получения биномиальноо оэффициента следующео чле-
на разложения (a + b)n достаточно биномиальный оэффициент
предыдущео члена умножить на по азатель бу вы а в этом
члене и разделить на число членов, предшествующих определяе-
r r–1 n–r
мому. Это свойство вытеает из тождества C n = C n ------------ .
r
3. Сумма всех биномиальных оэффициентов разложения
0 1
(a + b)n равна 2n. Это свойство вытеает из тождества C n + C n +
2 n
+ C n + ... + C n = 2n, доазанноо в предыдущем парарафе.
4. Сумма биномиальных оэффициентов, стоящих на нечет-
ных местах, равна сумме биномиальных оэффициентов, стоя-
щих на четных местах.
Положив a = 1, b = –1 в равенстве
1 2 n–1
(a + b)n = an + C n an – 1b + C n an – 2b2 + ... + C n a 1 b n – 1 + b n,
получим
1 2 3
0 = 1 – C n + C n – C n + ... + (–1)n,
отуда
2 4 1 3 5
1 + C n + C n + ... = C n + C n + C n + ... .
Формулу бинома Ньютона можно использовать для приближен-
ных вычислений степеней.
Положив в формуле бинома Ньютона а = 1, b = x, получим
1 2 n–1 n
(1 + x)n = 1 + C n x + C n x2 + ... + C n xn – 1 + C n xn.
Если значение х мало, то значения х2, х3, ..., хn тем более малы.
Поэтому если в последнем равенстве отбросить все слааемые, на-
1
чиная с третьео, и учесть, что C n = n, то получим приближенную
формулу
(1 + x)n d 1 + nx.
При малых значениях х она дает вполне удовлетворительный
результат.
Пример 4. Вычислить без использования вычислительных

средств:
а) (1,02)6; б) (0,97)8.
Применяя полученную формулу, будем иметь:
(1,02)6 = (1 + 0,02)6 d 1 + 0,02 · 6 = 1,12;
(0,97)8 = (1 + (–0,03))8 d 1 + (–0,03) · 8 = 0,76.
Применение вычислительных средств дает соответственно ре-
зультаты: 1,1262 и 0,784.
Хотя доазанн"ю форм"л" называют биномом Ньютона, историчеси это не

является справедливым. Форм"л" для (a + b)n знали еще среднеазиатсие
математии Омар Хайам (1048—1131) и Гийас ад-Дин Джемшид ал-Каши
("м. 1429). В западной Европе до Ньютона ее знал Пасаль (1623—1662). Строо доа-
зана она была швейцарсим математиом Я. Берн"лли (1654—1705). Засл"а Исааа
Ньютона (1643—1727) в том, что он обобщил эт" форм"л" для нецелоо и отрицатель-
ноо поазателя n.
1. Ка изменяются поазатели б) биномиальный оэффициент

степеней був а и b в разложе- третьео от онца члена этоо
нии (a + b)n? разложения;
2. Справедлива ли формула би- в) биномиальный оэффициент
нома Ньютона для n = 1, n = 0? четвертоо от начала члена это-
3. Чему равно число слааемых о разложения?
в разложении (a + b)n? 7. Каов наибольший биноми-
4. Почему приближенная фор- альный оэффициент разложе-
мула (1 + x)n d 1 + nx приме- ния (a + b)n, если сумма всех
нима тольо для малых значе- биномиальных оэффициентов
ний х? равна 128?
5. Чему равен поазатель степе- 8. Может ли биномиальный о-
ни в выражении (a + b)n, если эффициент разложения (a + b)n
сумма всех биномиальных о- равняться 24?
эффициентов равна 64? 9. Чему равно отношение бино-
6. Биномиальный оэффициент миальноо оэффициента шес-
третьео от начала члена разло- тоо члена разложения (a + b)15
жения (a + b)n равен 28. Чему биномиальному оэффициен-
равен: ту пятоо члена этоо разложе-
а) поазатель степени n; ния?
Задачи
282.° Расройте соби в выражении (x + y)6.
283.° Запишите первые три члена выражения (a + b)100.
284.° Найдите поазатель степени n в выражении (3а – 2)n, ес-
ли известно, что оэффициент при а2 в разложении этой степени
равен 216.
12
285.° В разложении  a + 1--a-  найдите оэффициент при а8.
286. Найдите пятый член разложения ( x – y )12.

287. Найдите тот член разложения ( x + a)9, оторый содер-
жит х3.
288. Найдите без использования вычислительных средств при-
ближенное значение выражения:
а) (1,001)10; б) (0,98)6.
289.* Найдите разложение (a + b + 2c)4.

К § 3.1. Перебор возможных вариантов
290. Сольо из цифр 1, 2, 3 можно составить:
а) трехзначных чисел;
б) трехзначных чисел с различными цифрами;
в) нечетных трехзначных чисел;
) нечетных трехзначных чисел с различными цифрами;
д) четных трехзначных чисел;
е) четных трехзначных чисел с различными цифрами;
ж) нечетных трехзначных чисел, содержащих хотя бы две оди-
наовые цифры?
з) четных трехзначных чисел, содержащих хотя бы две одина-
овые цифры?
291. Каова вероятность тоо, что два человеа, выбирая науад
ваон из трех имеющихся, оажутся в разных ваонах?
292. Три разных подара случайным образом распределяют
между тремя детьми. Каова вероятность тоо, что все дети полу-
чат по подару?
293. Три одинаовых подара случайным образом распределя-

ют между тремя детьми. Каова вероятность тоо, что все дети по-
лучат по подару?
294. Три письма рассылают по трем адресам. Сольими спосо-
бами можно осуществить рассылу писем, если ниаие два пись-
ма нельзя посылать по одному адресу? Сольими способами мож-
но разослать письма, если по одному адресу разрешается посылать
более одноо письма?
295. Имеется пять арточе, на оторых написаны числа 1, 2,
3, 4, 5. Науад вынимают две арточи.
а) Каова вероятность тоо, что на обеих арточах написаны
простые числа?
б) Каова вероятность тоо, что двузначное число, образованное
из цифр, написанных на арточах, делится на 6?
296. Сольими способами из четырех учениов, оторые ув-
леаются работой на омпьютере, учитель информатии может
выбрать:
а) трех учениов для переноси омпьютеров;
б) трех учениов, из оторых одноо — для создания алоритма
решения задачи, второо — для разработи омпьютерной про-
раммы, третьео — для набора теста?
297. В чемпионате шолы по футболу принимают участие че-
тыре оманды.
а) Сольо ир будет сырано в этом чемпионате, если аждая
оманда ирает с аждой из друих по одной ире?
б) Сольими способами в этом чемпионате моут определиться
чемпион и оманда, занявшая второе место?
298. Оранизационный омитет по проведению новооднео
утренниа состоит из трех челове, аждый из оторых может вы-
полнять любую работу, связанную с проведением праздниа.
а) Сольими способами из них можно выбрать двух челове
для поезди за елой?
б) Сольими способами из них можно выбрать Деда Мороза
и Снеурочу?
299. Имеется четыре различные арточи: две расные и две
черные.
а) Сольими способами из них можно выбрать две арточи?
б) Сольими способами из них можно выбрать две арточи
та, чтобы среди них была одна расная и одна черная?
300. Имеется четыре различных арандаша: два простых и два

расных. Науад вынимают два арандаша. Каова вероятность
тоо, что будут вынуты:
а) два простых арандаша;
б) два одноцветных арандаша;
в) один простой и один расный арандаш?
301. Сольими способами три фломастера можно распределить
между двумя детьми та, чтобы аждому достался хотя бы один
фломастер, если фломастеры:
302. Сольими способами четыре монеты можно распреде-
лить между двумя детьми, если монеты:
303. Сольими способами четыре монеты можно разложить
на две руппы, если монеты:
К § 3.2. Правила множения и сложения

304.° В вашем распоряжении есть три разных флаа. На фла-
штое поднимают синал, оторый состоит не менее чем из двух
флаов. Сольо различных синалов можно поднять на флашто-
е, если порядо флаов:
а) учитывать; б) не учитывать?
305.* Сольо существует различных 2002-значных чисел, в о-
торых произведение цифр, стоящих на четных местах, является
нечетным числом, а произведение цифр, стоящих на нечетных мес-
тах, является четным числом?
306. В шоле есть три выпусных ласса, в аждом из оторых
по 30 учащихся. На аих условиях вы соласились бы залючить
пари, что по райней мере два выпусниа родились в один и тот
же день?
307. Из 28 остей домино науад выбирают две ости. Каова
вероятность тоо, что:
а)° среди них ровно один дубль;
б)° среди них нет дублей;
в)* их можно приставить дру друу?
308. Из цифр 0, 1, 2, 3, 4, 5 образуют четырехзначные числа.
Чему равна вероятность тоо, что науад образованное число:
а) является четным и состоит из разных цифр;
б) делится на 4;
в) содержит по райней мере одну нечетную цифру;
) делится на 4 и состоит из разных цифр?
309. Из 33 був руссоо алфавита образуют слова из шести
був, т. е. произвольные последовательности був длиной 6. Най-
дите вероятность тоо, что любые две бувы, стоящие рядом, раз-
личны.
310. На шахматной досе науад выбрали два вадрата. Као-
ва вероятность тоо, что выбраны:
а) черный и белый вадраты;
б) два белых вадрата;
в) вадраты одноо цвета?
311. Иральный уби бросают четыре раза. Найдите вероят-
ность тоо, что среди результатов бросов встретится по райней
мере одна единица?
312. Поезд состоит из восьми ваонов. Каждый из пяти пасса-
жиров выбирает себе ваон науад. Сольими способами:
а) может быть произведен этот выбор;
б) они моут выбрать ваоны та, чтобы все пассажиры оаза-
лись в разных ваонах;
в) они моут выбрать ваоны та, чтобы хотя бы в одном ваоне
оазалось более одноо пассажира;
) они моут выбрать ваоны та, чтобы все пассажиры оаза-
лись не более чем в трех ваонах;
д) они моут выбрать ваоны та, чтобы в первом ваоне оаза-
лось ровно два пассажира?
313. Алфавит неотороо языа содержит 15 був, из оторых
пять ласных и 10 соласных. Словом будем называть любую по-
следовательность був.
а) Сольо из этих був можно составить пятибувенных слов?
б) Сольо из этих був можно составить пятибувенных слов,
если ласные и соласные должны чередоваться? Сольо из этих
слов начинаются с ласной и сольо — с соласной?
в) Сольо из этих був можно составить пятибувенных слов,
если ни одна бува не должна повторяться и ласные и соласные
должны чередоваться?
) Сольими способами можно составить пятибувенные сло-
ва, в оторые входят две различные ласные и три различные со-
ласные бувы?
д) Сольими способами можно составить пятибувенные сло-
ва, в оторые входят две различные ласные и три различные со-
ласные бувы, если ниаие две соласные не стоят рядом?
е)* Сольо пятибувенных слов содержат ровно три различные

бувы?
314. Сольими способами можно разделить девять эземпля-
ров одной нии между:
а) тремя детьми;
б) тремя детьми та, чтобы аждому досталась хотя бы одна
ниа;
в) тремя детьми та, чтобы аждому досталось по три нии;
) тремя детьми А, Б, В та, чтобы А и Б обязательно достались
нии;
д)* тремя детьми та, чтобы двум из них обязательно достались
нии;
е) тремя детьми та, чтобы аждому достались по райней мере
две нии?
315.* Имеется олода арт, оторая содержит четыре масти по
девять арт в аждой, пронумерованных цифрами 1, 2, 3, ..., 9.
Сольими способами можно из них выбрать пять арт та, что
среди них оажутся:
а) пять последовательных арт одной масти;
б) четыре арты из пяти с одинаовыми номерами;
в) три арты с одним номером и две арты с друим;
) пять арт одной масти;
д) пять последовательно пронумерованных арт;
е) три арты из пяти с одним и тем же номером;
ж) две арты из пяти с одинаовыми номерами, а три остальные
с разными?
316.* В неоторых селах России ода-то существовало следую-
щее адание. Девуша зажимает в руе шесть травино та, чтобы
их онцы торчали сверху и снизу, а ее подружа связывает онцы
травино попарно сверху и снизу по отдельности. Если при этом
травини оазываются связанными в одно ольцо, то это должно
означать, что в теущем оду девуша выйдет замуж. Каова веро-
ятность тоо, что связанные науад травини образуют ольцо?
К § 3.3. Основные омбинаторные схемы

317. Группа состоит из девяти лиц. Сольо можно образовать
различных подрупп при условии, что в подруппу входит не менее
двух лиц?
318. Рассмотрим иру спортлото «6 из 49». Лототрон случайно
выбирает шесть шаров из урны, в оторой содержится 49 шаров,
пронумерованных числами 1, 2, 3, ..., 49. Сначала иро вычери-

вает шесть чисел на блане. Найдите вероятность тоо, что иро:
а) уадает все номера извлеченных шаров;
б) уадает ровно четыре номера;
в) уадает не менее чем четыре номера;
) не уадает ни одноо номера.
319. Шесть различных онфет науад распределяют между
двумя детьми. Найдите вероятность тоо, что:
а) аждый ребено получит по три онфеты;
б) аждый ребено получит по райней мере одну онфету.
320. Из олоды в 52 арты науад выбирают пять арт. Каова
вероятность тоо, что среди них будут:
а) десята, валет, дама, ороль, туз одной масти;
б) пять последовательных арт одной масти за ислючением на-
бора, приведенноо в предыдущем задании;
в) четыре арты с одним и тем же названием;
) две арты с одним названием и еще три арты тоже с одним
названием?
321. Найдите вероятность тоо, что у науад выбранноо четы-
рехзначноо числа аждая следующая цифра будет:
а) больше предыдущей;
б) меньше предыдущей.
322. Известно, что учащийся подотовил ответы не на все
16 вопросов, вынесенных на зачет.
а) Сольо вопросов он выучил, если известно, что вероятность
тоо, что он сможет ответить на оба вопросы зачетноо задания не
7
меньше, чем --- ?
8
б) Сольо вопросов он выучил, если вероятность тоо, что он
сможет ответить лишь на один из двух науад выбранных вопро-
1
сов, равна --- ?
2
в) В аом случае вероятность тоо, что он сможет ответить на
один случайно выбранный вопрос, больше, чем вероятность тоо,
что ему удастся ответить на два, по ео выбору, из трех случайно
выбранных вопросов?
) Учитель распределил науад вопросы по восьми билетам (по
два вопроса в аждом билете). Каова вероятность тоо, что учени
в состоянии ответить по райней мере на один вопрос любоо биле-
та, если он подотовил ответы на 10 вопросов?
323. Бросают 12 иральных убиов. Чему равна вероятность
тоо, что аждое из чисел 1, 2, 3, 4, 5, 6 выпадет дважды?
324. В вещевой лотерее, содержащей 50 билетов, разырывает-

ся восемь предметов. Первый подошедший урне вынимает из нее
пять билетов. Каова вероятность тоо, что:
а) ровно два из них оажутся выирышными;
б) по райней мере два из них оажутся выирышными?
325. В лифте семь пассажиров. Лифт останавливается на 10 эта-
жах, начиная со второо. Каова вероятность тоо, что:
а) все пассажиры выйдут на одном и том же этаже;
б) ниаие два пассажира не выйдут на одном этаже?
К § 3.4. Бином Ньютона

326. В разложении (1 + х)n четвертый член равен 120. Найдите
значения х и n, если сумма биномиальных оэффициентов равна
1024.
327. Каов наибольший оэффициент разложения (a + b)n, ес-
ли сумма всех оэффициентов равна 4096?
328. В аую натуральную степень следует возвести двучлен
1
------- + 3, чтобы отношение четвертоо слааемоо третьему было
2
равно 3 2 ?
329. Сумма третьео от начала и третьео от онца биномиаль-
ных оэффициентов разложения ( 4 3 + 3 4 )n равна 9900. Сольо
рациональных членов содержится в этом разложении?
n
330. Коэффициент при х во втором члене разложения  x2 – 1--4- 
равен 31. Найдите n.
331. Сумма оэффициентов первоо, второо и третьео слаае-
n
1
мых разложения  x2 + ---  равна 46. Найдите член разложения,
 x 
не содержащий х.
332. Сумма оэффициентов первоо, второо и третьео слаае-
n
2
мых разложения  x2 – ---  равна 97. Найдите член разложения,
 x 
содержащий х4.
333. Доажите, что в разложении (1 + а)n по степени а (а ≠ 0) не
моут содержаться три равных последовательных слааемых.
334.* Доажите неравенство nn + 1 > (n + 1)n, n l 3, n Ý N.
Глава 4
СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
В обыденной жизни, на производстве, в деловой жизни и науч-

ных исследованиях постоянно приходится сталиваться с таими
ситуациями, ода интересующая нас величина может принимать
различные значения в зависимости от случайных обстоятельств.
Сольо автомобильных аварий произойдет в неотором населен-
ном пунте за предстоящие сути? На этот вопрос нельзя дать стро-
о определенноо ответа, та а число аварий подвержено случай-
ным олебаниям. Точно та же нет возможности уазать, сольо
дефетных изделий обнаружится при онтроле n изделий. Это чис-
ло является случайным. В аждом случайном испытании (онт-
роль n изделий является случайным испытанием) оно принимает
вполне определенное значение, но при повторении эсперимента
число дефетных изделий меняется случайным образом. Объем
продаж в следующем месяце харатеризуется неоторым числом,
значение отороо точно неизвестно, но находится среди неоторо-
о набора значений. Число осмичесих частиц, реистрируемых
счетчиом, — случайно. Все рассмотренные величины — число
аварий, число дефетных изделий, объем продаж, число осмиче-
сих частиц — являются примерами слчайных величин, т. е. ве-
личин, значения оторых различны в зависимости от случая.
В лаве 2 рассматривались случайные испытания, строились
их вероятностные модели. Каждый раз, ода частью результата
случайноо эсперимента является число, мы имеем дело со слу-
чайными величинами. Они и станут предметом изучения данной
лавы. Для нас важно уметь вычислять и анализировать неото-
рые обобщающие харатеристии (таие, а типичное значение,
рис), а таже вероятности событий, оторые зависят от значений,
принимаемых случайной величиной, т. е. от результата наблюде-
ний. Эти вопросы будут рассмотрены на основании изучения рас-
§ 4.1. Случайная величина, заон ее распределения 303
пределения случайной величины, т. е. вероятностей принимать ею

определенные значения. Неоторые из этих распределений важны
для приложений. Их мы изучим более тщательно. К ним относятся
биномиальное и ноpмальное распределения.
Случайные величины можно таже рассматривать в ачестве
источниа данных. Мноие из тех наборов данных, оторые рас-
сматривались в лаве 1, были получены в результате наблюдения
и реистрации значений неоторых случайных величин. В этом
смысле сама случайная величина уже представляет неоторую е-
неральную совоупность, в то время а наблюдаемые значения
случайной величины представляют собой результат выбори. В ла-
ве 5 енеральные совоупности и выбори будут рассмотрены более
детально.
Мы будем рассматривать случайные величины двух типов:
дисpетные и неnpеpывные (в основном первоо типа). С дисрет-
ными случайными величинами работать проще, та а для них
можно составить перечень всех возможных значений. Кроме тоо,
математичесий аппарат, оторый необходим для их исследования,
может быть ораничен материалом, изучаемым в средней шоле.
§ 4.1. Слчайная величина,

заон ее распределения
В лаве 2 рассмотрение случайных величин связывалось с не-
оторой вероятностной моделью случайноо опыта, оторая пред-
ставляет собой пространство элементарных исходов (ПЭИ) опы-
та U = {u1, ..., uN} и совоупность элементарных вероятностей pi =
= P(ui), i = 1, 2, ..., N. Всяое случайное событие А есть подмноже-
ство ПЭИ: A = { u i , u i , ..., u i }, а вероятность этоо события опре-
1 2 k
деляется равенством P(A) = p i + p i + ... + p i . Точнее

1 2 k
0, если A = V,
p(u), если A = {u},
P(A) =
p( u i ) + ... + p( u i ), если A = { u i , ... , u i }.
1 k 1 k
Теперь в рамах таой же модели мы будем изучать случайные

величины.
Рассмотрим примеры, оторые помоут ввести понятие случай-
ной величины.
304 Глава 4. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
Пример 1. Рассмотрим опыт, залючающийся в трехратном под-

брасывании правильной монеты. Результатом этоо опыта можно
считать число выпавших ербов. Эта величина зависит от исходов
опыта и меняется случайно. Для ее исследования построим ПЭИ
опыта, приняв в ачестве элементарных исходов результаты трех
подбрасываний. ПЭИ опыта имеет вид
U = {ГГГ, ГГЦ, ГЦГ, ГЦЦ, ЦГГ, ЦГЦ, ЦЦГ, ЦЦЦ}.
Число выпавших ербов вполне определяется исходом эспери-
мента. Каждому элементу ПЭИ можно поставить в соответствие
число выпавших ербов (табл. 4.1).
Таблица 4.1
Исходы ГГГ ГГЦ ГЦГ ГЦЦ ЦГГ ЦГЦ ЦЦГ ЦЦЦ

Число ербов 3 2 2 1 2 1 1 0
Эта таблица задает неоторую фунцию X(u) на ПЭИ. Ее область

определения — множество U, множество значений {0, 1, 2, 3}.
Пример 2. Продолжительными наблюдениями установлено, что

данный стрело при 100 независимых выстрелах примерно 20 раз
выбивает восемь очов, 50 раз — девять и 30 раз — десять очов.
Что можно сазать о числе очов, выбиваемых стрелом при двух
независимых выстрелах?
ПЭИ опыта, состоящео из двух независимых выстрелов, име-
ет вид U = {(8, 8), (8, 9), (8, 10), (9, 8), (9, 9), (9, 10), (10, 8), (10, 9),
(10, 10)}. Например, событие (8, 9) означает, что первым выстре-
лом выбито восемь очов, а вторым — девять. Сумма очов полно-
стью определяется результатом опыта. Каждому элементу ПЭИ
можно поставить в соответствие число, равное сумме выбитых оч-
ов (табл. 4.2).
Таблица 4.2
Резльтаты опыта (8, 8) (8, 9) (8, 10) (9, 8) (9, 9)

Смма очов 16 17 18 17 18
Резльтаты опыта (9, 10) (10, 8) (10, 9) (10, 10)
Смма очов 19 18 19 20
Таблица 4.2 задает неоторую фунцию X(u), определенную на

ПЭИ. Она отображает область определения — множество U — на
множество значений {16, 17, 18, 19, 20}.
Слчайной величиной называют числовую фун цию, оnpеде-

ленную на пpостpанстве элементаpных исходов.
Обозначают случайные величины прописными латинсими бу-
вами: X = X(u), Y = Y(u), Z = Z(u), a их значения — соответствую-
щими строчными бувами.
Постройте ПЭИ опыта, залючающеося в подбрасывании

двух монет, и аждому исходу опыта поставьте в соответствие
число выпавших цифр.
Постройте ПЭИ опыта, залючающеося в бросании ираль-
ноо убиа, и аждому исходу опыта поставьте в соответст-
вие число выпавших очов.
Постройте ПЭИ опыта, залючающеося в стрельбе стрела,
имеющео три патрона, до первоо попадания в цель, и аж-
дому исходу опыта поставьте в соответствие число использо-
ванных патронов.
Тот фат, что случайная величина Х принимает значение х, яв-

ляется случайным событием. Будем обозначать ео (Х = х).
Случайная величина является дисpетной, если можно пере-
числить все возможные значения, оторые она может принимать
в результате наблюдений. В примерах 1 и 2 рассматривались дис-
ретные случайные величины — число ербов, выпавших при трех
подбрасываниях монеты, и число очов, выбиваемых стрелом при
двух независимых выстрелах. Количество неисправных устройств,
оторые будут выпущены за определенный промежуто времени,
число дефетных изделий из n проверенных, число аварий на пере-
ресте, число осмичесих частиц, зареистрированных счетчи-
ом, являются примерами дисретных случайных величин.
Случайная величина является неnpеpывной, если она может
принимать любое значение из неотороо интервала. Результат из-
мерения физичесой величины (массы, напряжения, температуры),
урожайность ультуры у определенноо фермера, размеры и массы
отдельных представителей биолоичесоо рода, моменты солнеч-
ных вспыше, энерия осмичесих частиц являются примерами
непрерывных случайных величин.
На случайные величины распространяются все правила дейст-
вий над фунциями, заданными на числовом множестве: их можно
сладывать, вычитать, перемножать и т. п. Например, если аж-
дое значение случайной величины Х уменьшить на 3, то в резуль-
тате получим случайную величину Х – 3, определяемую тем же
опытом. Если значения Х возвести в вадрат, то получим значения

случайной величины Х2. Если случайная величина Х означает чис-
ло очов, полученных первым стрелом при двух выстрелах, а слу-
чайная величина Y — число очов, выбитых вторым стрелом при
двух выстрелах, то прибавляя аждому значению Х значения Y,
получим все значения случайной величины X + Y — суммы очов,
выбитых двумя стрелами, аждый из оторых сделал по два вы-
стрела. Заметим, что обе случайные величины Х и Y заданы на од-
ном ПЭИ — на ПЭИ опыта, состоящем из четырех выстрелов, сде-
ланных по два аждым из двух стрелов.
Что нужно знать о случайной величине для ее изучения? Оче-
видно, нужно знать все значения, оторые она может принимать.
Однао этоо недостаточно. Например, пусть проводится два тира-
жа лотереи, аждый из оторых содержит по 100 билетов. В пер-
вой лотерее выирыши по 10, 60 и 100 р. приходятся соответствен-
но на 20, 5 и 1 билет, а во второй — те же выирыши приходятся
на 40, 10 и 5 билетов соответственно. Ясно, что выирыши, ото-
рые приходятся на один билет, в обеих лотереях — случайные ве-
личины, принимающие одинаовые значения, но существенным
образом отличающиеся дру от друа. Важно знать, а часто слу-
чайная величина принимает то или друое значение, т. е. вероят-
ность, с оторой она принимает аждое свое значение. Здесь рас-
сматриваемый опыт состоит в проведении двух описанных лотерей,
а ео исходами являются пары чисел, равные размерам выиры-
шей в этих лотереях.
Ита, для описания случайной величины нужно иметь вероят-
ностную модель соответствующео опыта. В рамах этой модели
можно найти все значения х1, х2, ..., хn, оторые она может прини-
мать. Тем самым будут определены события (X = xk), k = 1, 2, ..., n.
Каждое из этих событий имеет вероятность. Тем самым будем
знать, а часто случайная величина принимает то или иное зна-
чение, т. е. вероятность, с оторой она принимает аждое свое
значение.
В опыте с трехратным подбрасыванием правильной монеты
элементарные исходы можно считать равновозможными, т. е. их
1
вероятности равны --- . Значит, вероятность появления нуля ербов
8
1 1
или трех ербов равна --- : P(X = 0) = P(Х = 3) = --- . Событие (Х = 1)
8 8
означает, что число выпавших ербов равно 1, оно состоит из ис-
ходов ГЦЦ, ЦГЦ, ЦЦГ. Ео вероятность по определению веро-
3
ятности события равна P(Х = 1) = --- . Аналоично P(Х = 2) =
8
3
= P(ГГЦ, ГЦГ, ЦГГ) = --- . Ита, получим следующую таблицу 4.3.
8
Таблица 4.3
Число ербов 0 1 2 3
1 3 3 1
Вероятность --- --- --- ---
8 8 8 8
В верхней строе приведены все возможные различные значе-

ния, принимаемые случайной величиной X, в нижней — соответ-
ствующие вероятности. Эта таблица носит название за она pасnpе-
деления дис pетной случайной величины X.
Заоном pасnpеделения дисpетной слчайной величины Х
называют числовую фун цию, отоpая аждому значению х
случайной величины Х ставит в соответствие веpоятность
P(X = х).
В общем случае заон распределения случайной величины за-
писывают следующим образом:
Значения х x1 x2 ... xn
Вероятности p p1 p2 ... pn
Здесь х1, х2, ..., хn — все различные значения случайной ве-

личины X, a pk = P(X = xk), k = 1, 2, ..., n — вероятности, с ото-
рыми X принимает эти значения.
Всяая ли таблица вида
x1 x2 ... xn
p1 p2 ... pn
задает заон распределения дисретной случайной величины?

Чтобы дать ответ на этот вопрос, заметим, что события (X = х1), ...,
(X = хn) попарно несовместны и сумма их является достоверным со-
бытием. Поэтому сумма вероятностей этих событий p1 + p2 + ... + pn
равна 1. Данное равенство можно использовать для провери
правильности составления заона распределения случайной ве-
личины.
Каая из таблиц не задает заон распределения случайной ве-

личины?
а) x 0 1 2 3 б) x 1 2 3 4
p 0,1 0,5 0,1 0,3 p 0,3 0,1 0,2 0,3
в) x –1 1 2 3
p 0,1 0,2 0,3 0,4
Заон распределения дисретной случайной величины представ-

ляет собой списо ее возможных значений, снабженный вероят-
ностями появления этих значений. Числа pk для хk, k = 1, 2, ..., n,
можно рассматривать а массы, сосредоточенные в точах хk на
числовой оси (рис. 43). Заон распределения случайной величины
можно рассматривать а распределение единичной массы в точ-
ах х1, х2, ..., хn на числовой оси.
Рис. 43
Пример 3. Составить заон распределения числа очов, выбивае-

мых стрелом при двух независимых выстрелах в опыте, описан-
ном в примере 2.
ПЭИ опыта построено. Зададим вероятности исходов этоо опы-
та. Событие (8, 8) является произведением двух независимых собы-
тий: «при первом выстреле выбито восемь очов» и «при втором
выстреле выбито восемь очов». Вероятность аждоо из этих со-
бытий равна 0,2. По теореме умножения вероятностей P(8, 8) =
= 0,2 · 0,2 = 0,04. Аналоично:
Р(8, 9) = 0,2 · 0,5 = 0,1; P(8, 10) = 0,2 · 0,3 = 0,06;
P(9, 8) = 0,5 · 0,2 = 0,1; Р(9, 9) = 0,5 · 0,5 = 0,25;
Р(9, 10) = 0,5 · 0,3 = 0,15; P(10, 8) = 0,3 · 0,2 = 0,06;
P(10, 9) = 0,3 · 0,5 = 0,15; P(10, 10) = 0,3 · 0,3 = 0,09.
Если через X обозначить сумму очов, выбитых при двух выстре-

лах (заон распределения этой случайной величины нам и нужно
составить), то Р(X = 16) = Р(8, 8) = 0,04, P(X = 20) = P(10, 10) = 0,09.
Событие (X = 17) происходит при одном из результатов: (8, 9) или
(9, 8). Посольу эти события несовместны, то по теореме сложе-
ния вероятностей Р(X = 17) = Р(8, 9) + Р(9, 8) = 0,1 + 0,1 = 0,2.
Аналоично:
Р(X = 18) = P(8, 10) + P(9, 9) + P(10, 8) =
= 0,06 + 0,25 + 0,06 = 0,37;
P(X = 19) = P(9, 10) + P(10, 9) = 0,15 + 0,15 = 0,3.
Ита, получаем таблицу 4.4.
Таблица 4.4
Смма выбитых очов 16 17 18 19 20

Вероятность 0,04 0,2 0,37 0,3 0,09
Снова в верхней строе приведены все возможные различные

значения, оторые принимает случайная величина X, в нижней —
соответствующие вероятности. Эта таблица задает заон распреде-
ления случайной величины X.
Ита, при составлении заона распределения случайной вели-

чины можно действовать в следующей последовательности:
1. Построить для данноо эсперимента ПЭИ и задать в нем ве-
роятности.
2. Выписать значения случайной величины, соответствующие
аждому элементарному исходу.
3. Выписать все возможные различные значения х1, х2, ..., хn
случайной величины и вычислить соответствующие им вероятнос-
ти p1, p2, ..., pn. Вероятность pі находится сложением вероятностей
всех элементарных исходов, отвечающих значению хі.
Составьте заоны распределения следующих случайных ве-

личин, рассмотренных выше:
а) число цифр, выпавших при подбрасывании двух правиль-
ных монет;
б) число очов, выпавших при бросании симметричноо и-
ральноо убиа;
в) число патронов, использованных стрелом, имеющим три
патрона, при стрельбе до первоо попадания в цель, если веро-
ятность попадания при аждом выстреле равна 0,6.
Заон распределения, а и друие числовые фунции, может

задаваться таблицей, рафичеси, аналитичеси и описательно. Пер-
вый из уазанных способов уже
рассмотрен. По таблицам, полу-
ченным при решении предыду-
щих примеров, можно построить
соответствующие рафии, являю-
щиеся совоупностью точе с о-
ординатами (х; p). Например, ра-
фи заона распределения числа
ербов, выпавших при трехрат-
ном подбрасывании монеты, изо-
бражен на рис. 44. Он представ-
ляет собой совоупность четырех
Рис. 44
точе.
Постройте рафи заона распределения числа очов, выбитых

стрелом при двух независимых выстрелах (см. пример 3).
Примеры аналитичесоо представления заона распределения

будут приведены в следующих парарафах.
Говоря, что случайная величина принимает значения 1, 2, 3
с одинаовыми вероятностями, тем самым мы задаем заон ее рас-
пределения описательно. Постоянную величину С можно рассмат-
ривать а случайную, оторая принимает лишь одно значение С
с вероятностью 1. Ее заон распределения таже задан описательно.
Заон распределения случайной величины дает возможность
вычислять вероятности событий, связанных со случайной величи-
ной, т. е. вероятности тоо, что случайная величина принимает
значения из заданных промежутов.
Пример 4. Случайная величина X принимает значения 1, 2, 3, 4,

причем Р(X = 1) = 0,4; Р(X = 2) = 0,3; P(X = 3) = 0,2. Найти P(X = 4),
P(X > 2), P(X m 3), P(1,5 < X < 3,7).
Посольу P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) = 1, то
P(X = 4) = 1 – (0,4 + 0,3 + 0,2) = 0,1.
Событие (X > 2) наступает тода и тольо тода, ода случай-
ная величина Х принимает значение 3 или 4, т. е. это событие яв-
ляется суммой событий (X = 3) и (X = 4). Поэтому
P(X > 2) = P((X = 3) + (X = 4)) = P(X = 3) + P(X = 4) =
= 0,2 + 0,1 = 0,3.
Аналоично:
P(X m 3) = P(X = 1) + P(X = 2) + P(X = 3) = 0,9;
P(1,5 < X < 3,7) = P(X = 2) + P(X = 3) = 0,5.
В следующем примере рассматривается частный случай распре-

деления дисретной случайной величины, оторое находит приме-
нение в задачах онтроля за ачеством продуции.
Пример 5. Партия из 10 телевизоров содержит четыре неисправных

телевизора. Из этой партии науад выбирают три телевизора. Соста-
вить заон распределения числа неисправных телевизоров в выборе.
Строить заон распределения по приведенной схеме довольно
ромоздо. Если пронумеровать телевизоры числами от 1 до 10,
причем последние четыре номера приписать неисправным телеви-
зорам, и в ачестве элементарных исходов принять тройи номе-
ров выбранных телевизоров, то ПЭИ будет состоять из довольно
большоо числа элементов (позже убедимся в этом). Ясно, что вы-
писывание всех этих исходов — путь неприемлемый. Но в лаве 3
у нас появился таой инструмент для решения подобных задач,
а омбинаториа. Вот и воспользуемся им.
Рассматривается опыт, состоящий в выборе трех элементов из
совоупности 1, 2, ..., 10. Исходами опыта будем считать наборы
трое номеров. Выписывать их не будем, а подсчитаем их число.
Воспользуемся схемой решения омбинаторных задач, приведенной
в § 3.3. Выпишем несольо примеров результатов выбора: (1, 5, 6),
(2, 3, 9). Ясно, что это выбори неупорядоченные (результаты (1, 5, 6)
и (5, 1, 6) ничем не отличаются дру от друа), без возвращения
(незачем дважды проверять один и тот же телевизор), образованы
из 10 различных элементов и содержат три элемента. Их число рав-
3 10 · 9 · 8
но C 10 = ------------------------- = 120. Все эти исходы можно считать равновоз-
3!
1
можными и аждому можно приписать вероятность, равную ---------- .
120
Очень трудоемо аждому из 120 исходов ставить в соответствие
число неисправных телевизоров. Ясно, что число X неисправных
телевизоров среди трех выбранных может принимать значения 0,
1, 2, 3. Теперь нужно вычислить вероятности событий (X = 0),
(X = 1), (X = 2), (X = 3). Можно обратиться лассичесой вероят-
ности. Число всех исходов подсчитано. Они равновозможны. Под-
считаем число исходов, образующих аждое из этих событий.
Событие (X = 0) происходит тода и тольо тода, ода все три
телевизора выбираются из шести исправных, оно состоит из не-
упорядоченных выборо без возвращения из шести элементов 1,
2, ..., 6 (номера исправных телевизоров) по три. Их число равно

3 6 ·5 ·4
C 6 = --------------------- = 20. Аналоично событие (X = 3) наступает тода и
3!
тольо тода, ода все телевизоры выбираются из четырех неисп-
равных, оно состоит из неупорядоченных выборо без возвраще-
ния из четырех элементов 7, 8, 9, 10 (номера неисправных телеви-
3 1
зоров) по три. Их число равно C 4 = C 4 = 4. Событие (X = 1) проис-
ходит тода и тольо тода, ода один телевизор выбирается из
1
четырех неисправных (число способов выбора равно C 4 = 4) и два
телевизора — из шести исправных (число способов выбора равно
2 6·5
C 6 = ------------ = 15). Применяя омбинаторное правило умножения,
2!
1 2
получим, что событию (X = 1) блаоприятствует C 4 = C 6 = 4 · 15 =
2 1
= 60 исходов. Аналоично событие (X = 2) состоит из C 4 · C 6 =
4·3
= ------------ · 6 = 36 исходов. Применяя теперь формулу лассичесой
2
вероятности, будем иметь:
3 2 1
6 C 20 1 6 4 C ·C 60 1
P(X = 0) = --------
- = ---------- = --- ; P(X = 1) = ------------------
- = ---------- = --- ;
3
C 10 120 6 3
C 10 120 2
1 2 3
C6 · C4 36 3 4 C 4 1
P(X = 2) = ------------------
- = ---------- = ------ ; P(X = 3) = --------
- = ---------- = ------ .
3
C 10 120 10 3
C 10 120 30
Ка проверить правильность вычислений? Подсчитаем сумму

1 1 3 1
полученных вероятностей --- + --- + ------ + ------ . Она равна 1. Это ово-
6 2 10 30
рит в пользу правильности решения задачи.
Ответ: хi 0 1 2 3
1 1 3 1
pi --- --- ------ ------
6 2 10 30
При решении этой задачи в ачестве элементарных исходов опы-
та, состоящео в выборе трех телевизоров из 10, можно было при-
нять события (X = 0), (X = 1), (X = 2), (X = 3): ведь при построении
вероятностной модели случайноо опыта в лаве 2 мы оворили
о том, что элементарные исходы опыта можно выбирать различны-
ми способами. Тода в роли элементарных вероятностей выступают
1 1 3 1
числа --- , --- , ------ , ------ . Получена новая вероятностная модель рассмат-
6 2 10 30
риваемоо опыта. Эта модель «беднее» событиями той, де в аче-

стве элементов ПЭИ выступают неупорядоченные выбори без воз-
вращения из 10 элементов по три. В последней модели выбор трой-
и (3, 6, 8) является событием, а в рамах новой модели это не яв-
ляется событием, та а не является подмножеством новоо ПЭИ.
Ка известно, ПЭИ вместе с вероятностями элементарных собы-
тий есть не что иное, а вероятностная модель эсперимента. За-
он распределения случайной величины Х фатичеси является
новой вероятностной моделью опыта. Роль ПЭИ ирают события
(X = х1), (X = х2), ..., (X = хn), де х1, ..., хn — значения случайной
величины Х, а в роли элементарных вероятностей выступают ве-
роятности наступления событий (X = xk), равные pk = Р(X = хk),
k = 1, 2, …, n.
Представьте заон распределения числа выпавших ербов

при трехратном подбрасывании правильной монеты в виде
вероятностной модели соответствующео случайноо опыта.
1. Приведите примеры случай- 2. Каая из таблиц задает заон

ных величин и случайных собы- распределения случайной вели-
тий, связанных со следующими чины?
опытами:
а) иральный уби бросают а) x 0 1 2 3
трижды; p 0,1 0,5 0,1 0,3
б) четыре лампочи, среди о-
торых есть и браованные, по-
следовательно вручиваются в б) x 1 2 3 4
патрон до обнаружения неде-
p 0,3 0,1 0,2 0,3
фетной;
в) монета подбрасывается четы-
ре раза; в) x 1 1 2 3
) из ящиа с тремя белыми и
p 0,1 0,2 0,3 0,4
двумя черными шарами науад
вынимаются два шара;
д) из шести спиче, среди о- ) x 1 2 3 4
торых у одной сломана олов-
p 0,4 0,3 0,2 0,2
а, науад вытяивают одну.
3. Пусть a и b — соответственно ли равенство P(X l 3) = 0,6?

наименьшее и наибольшее зна- 5. Пусть P(X = 3) = 0,7. В а-
чения случайной величины X. ом случае верно равенство:
Чему равна P(а m Х m b)? а) P(X l 3) = 0,7;
4. Пусть P(X = 3) = 0,7. Верно б) P(X m 3) = 0,7?
Задачи
335.° На рис. 45 поазано распределение случайной величи-
ны X.
а) Запишите заон ее распределе-
ния в виде таблицы.
б) Найдите Р(X > 1); Р(X m 2);
Р(1,5 < X < 4,1).
336. Дан заон распределения слу-
чайной величины X:
х –1 0 1 2
p 0,3а2 а 0,1а2 0,4
а) Найдите а; Р(Х m 0); Р(Х l 0).

Рис. 45 б) Составьте заон распределения
для Х2; (X – 0,5)2.
337. Составьте заоны распределения:
а)° числа ербов, выпавших при двух подбрасываниях монеты;
б) суммы очов, выпавших при бросании двух правильных у-
биов;
в) вадрата числа очов, выпавших при бросании иральноо
убиа;
) разности очов, выпавших при первом и втором бросах и-
ральноо убиа.
338.° В урне пять белых и 25 черных шаров. Науад вынимают
один шар. Составьте заон распределения числа вынутых белых
шаров.
339. Составьте заон распределения числа попаданий мячом
в орзину при двух бросах, если вероятность попадания при аж-
дом бросе равна 0,7.
§ 4.2. Математичесое ожидание случайной величины 315
340. Длительными наблюдениями установлено, что неоторый

рабочий на протяжении рабочео дня может изотовить не более
двух браованных деталей. При этом на протяжении 100 рабочих
дней браа не бывает приблизительно в 60 случаях, одна браован-
ная деталь встречается в 30, а две — в 10 случаях. Составьте за-
он распределения числа браованных деталей, изотовленных
рабочим:
а)° за сути; б)* за двое суто.
341. Круовая мишень разделена на три одинаовых сетора.
Она установлена та, что может вращаться вору оризонтальной
оси. При довольно большой уловой сорости вращения мишени
стрело не может видеть цифр, вписанных в сеторы. Поэтому он
стреляет науад. При любом выстреле стрело попадает в мишень,
причем при попадании в первый сетор он выирает 1 денежную
единицу, во второй сетор — 2 денежные единицы, и в третий се-
тор — 4 денежные единицы. За право сделать один выстрел он пла-
тит 2,5 денежной единицы. Составьте заон распределения выи-
рыша стрела при:
а)° одном выстреле; б)* двух выстрелах.
342. Рабочий обслуживает три стана, размещенных на одной
прямой на расстоянии а дру от друа. Стани обслуживаются при
1
отазе в их работе. Вероятность отаза аждоо стана равна --- ,
3
причем стани выходят из строя независимо дру от друа. В нача-
ле работы рабочий находится возле среднео стана. После ремонта
аоо-либо стана рабочий остается возле нео. Составьте заон
распределения длины перехода, осуществляемоо рабочим для ли-
видации:
а)° первоо отаза; б)* первых двух отазов.
§ 4.2. Математичесое ожидание

слчайной величины
Заон распределения случайной величины содержит всю веро-
ятностную информацию о ней, т. е. он дает возможность вычис-
лить вероятность любоо события, связанноо с этой случайной ве-
личиной. Однао в ряде случаев ислючительно полезными быва-
ют неоторые постоянные числовые харатеристии, дающие
представление о случайной величине. Среди таих харатеристи
особенно большую роль ирает математичесое ожидание.
Пример 1. Пусть число очов, выбиваемых при одном выстреле

аждым из двух стрелов, имеет соответственно заон распреде-
ления:
x 8 9 10 x 8 9 10
p 0,4 0,1 0,5 p 0,1 0,6 0,3
Каой стрело стреляет лучше?

Тольо по виду заонов распределения затруднительно отве-
тить на этот вопрос: восемь очов первый стрело выбивает чаще,
чем второй, вероятность попадания в «десяту» у нео таже вы-
ше, но в «девяту» чаще попадает второй. Нужна числовая хара-
теристиа, оторая помола бы оценить ачество стрельбы аждо-
о стрела.
Чтобы получить представление о виде этой числовой харате-

ристии, рассмотрим следующий пример.
Пример 2. Выпущено 500 лотерейных билетов, причем на 40 би-

летов выпадает выирыш по 10 р., 10 билетов принесут их владель-
цам выирыш по 50 р., 5 билетов — по 100 р. Остальные билеты
безвыирышные. Каой средний выирыш выпадает на один билет?
Средний выирыш, приходящийся на один билет, равен сум-
ме всех выирышей, деленной на число выпущенных билетов:
10 · 40 + 50 · 10 + 100 · 5 + 0 · 445
------------------------------------------------------------------------------------------------- =
500
40 10 5 445
= 10 · ---------- + 50 · ---------- + 100 · ---------- + 0 · ---------- =
500 500 500 500
= 0 · 0,89 + 10 · 0,08 + 50 · 0,02 + 100 · 0,01 = 2,8 (р.).
В этом примере речь идет о случайной величине — выирыше,

выпадающем на один выбранный науад лотерейный билет. Ее за-
он распределения
х 0 10 50 100
p 0,89 0,08 0,02 0,01
Обратите внимание, что средний выирыш равен сумме произ-

ведений значений случайной величины на вероятности, с оторы-
ми она принимает эти значения.
Обобщение этоо наблюдения позволяет определить среднее

значение произвольной случайной величины X, имеющей заон
распределения
x x1 x2 ... xn
p p1 p2 ... pn
Сумму npоизведений значений случайной величины на соот-

ветствующие веpоятности называют математичесим ожи-
данием (или сpедним значением) слчайной величины X.
Математичесое ожидание, или среднее значение, дисретной
случайной величины представляет собой неоторое определенное
число, харатеризующее типичное значение этой величины, подоб-
но тому, а неоторый набор данных харатеризуется средним
арифметичесим значением.
Обозначается математичесое ожидание символом MX:
n
MX = х1p1 + х2p2 + ... + хnpn, или MX = ∑ xi pi.
i=1
Теперь можно ответить на вопрос, заданный в примере 1. Если

Xі (і = 1, 2) — число очов, выбиваемых і-м стрелом при одном
выстреле, то
MX1 = 8 · 0,4 + 9 · 0,1 + 10 · 0,5 = 9,1;
MX2 = 8 · 0,1 + 9 · 0,6 + 10 · 0,3 = 9,2.
Среднее число очов, выбиваемых при одном выстреле вторым

стрелом, несольо выше, чем у первоо. Поэтому естественно при-
знать ео лучшим.
Можно заметить, что и по смыслу, и по своему виду математи-
чесое ожидание случайной величины имеет мноо общео со сред-
ним арифметичесим статистичесих данных. В лаве 1 с помощью
среднео арифметичесоо сравнивались стили журналистов и пи-
сателей, строость преподавателей, друими словами, оценивались
параметры, проверялись ипотезы. Ту же роль для случайных ве-
личин ирает математичесое ожидание. Похожи и формулы для
вычисления математичесоо ожидания и среднео арифметиче-
соо:
n m ni
MX = ∑ xi pi;
i=1
x = ∑ xi ----n- .
i=1
Есть сходство и в терминах: среднее арифметичесое и среднее

значение случайной величины. Кстати, последний термин лучше
отражает сущность понятия. Термин «математичесое ожидание»
является данью традиции, он восходит о временам азартных ир,
де ироов интересовало математичес ое ожидание выиpыша.
Различие этих поазателей состоит в том, что среднее арифме-
тичесое является обобщающим поазателем для наблюдаемых
значений случайной величины, а математичесое ожидание — для
всех возможных.
Понятие математичесоо ожидания является обобщением поня-
тия среднео арифметичесоо. К связи между этими понятиями мы
будем возвращаться неодноратно и в этой, и в следующей лавах.
Чему равно математичесое ожидание случайной величины,

все значения оторой имеют одинаовую вероятность?
Ка можно сравнить:

а) заруженность работой двух однотипных мастерсих, имея
информацию о оличестве заазов, поступающих в эти мас-
терсие;
б) ачество работы двух рабочих, имея информацию о оличе-
стве браованных деталей, производимых ими;
в) безопасность движения на двух перерестах, имея инфор-
мацию о оличестве аварий, случающихся на них;
) возможность выирать в двух лотереях, имея информацию
о размерах выирышей в аждой из них?
Мы видели, что для вычисления математичесоо ожидания слу-

чайной величины нужно знать ее заон распределения. На пратие
установить заон распределения случайной величины (т. е. уазать
все ее значения и соответствующие вероятности) часто невозможно.
Приходится довольствоваться результатами большоо числа неза-
висимых наблюдений за этой величиной, проведенных примерно
в одинаовых условиях. Таая совоупность наблюдений является
выбоpой из значений pассматpиваемой слчайной величины.
Пример 3. Куплено 500 лотерейных билетов (не выпущено, а уп-

лено!). На 40 билетов выпал выирыш по 10 р., 10 билетов принес-
ли их владельцам выирыш по 50 р., 5 билетов — по 100 р. Осталь-
ные билеты оазались безвыирышными. Найти средний выирыш,
выпавший на один билет.
Прежде всео обращаем внимание на различия в условиях
примеров 2 и 3. Если в примере 2 были известны все значения, о-
торые может принимать случайная величина — выирыш, выпадаю-

щий на один билет во всей лотерее (в рублях), то в примере 3 речь
идет о выборе из 500 наблюдений за этой случайной величиной.
Эта величина 445 раз приняла значение 0, 40 раз — 10, 10 раз — 50
и 5 раз — 100. Среднее арифметичесое выирыша на один билет
равно 2,8 р. (см. вычисления в примере 2).
Вообще, пусть в выборе из n наблюдений за случайной вели-

чиной X эта величина n1 раз приняла значение х1, n2 раз — зна-
чение х2, ..., nт раз — значение хт. Таблица относительных частот
событий (Х = хі), і = 1, 2, ..., m, имеет вид таблицы 4.5.
Таблица 4.5
Значение х1 х2 ... хm
n1 n2 nm
Относительная частота ------ ------ ... -------
n n n
Выбоpочным сpедним называют величину
n n n 1 m
x = x1 -----1- + x2 -----2- + ... + xm -------
m
, или x = --- ∑
xknk.
n n n n
k=1
Ка видим, выборочное среднее — это не что иное, а среднее

арифметичесое статистичесих данных. Приведенная выше таб-
лица распределения частот значений случайной величины в выбор-
е похожа на заон распределения случайной величины. Выраже-
ния для x и MX хотя и похожи, но не идентичны. Дело в том, что
n
отношения -----k- изменяются от выбори выборе. Однао при до-
n
n
статочно большом числе наблюдений -----k- d pk (вероятности тоо, что
n
X = xk). Поэтому
x d MX. (1)
Это приближение тем точнее, чем больше n.

Приближенное равенство (1) позволяет, с одной стороны, по
значению математичесоо ожидания предсазать среднее зна-
чение случайной величины в достаточно большом числе эспери-
ментов.
Результат, полученный при решении примера 1, означает, что

в результате 100 выстрелов, произведенных примерно в одних и тех
же условиях, стрели вправе ожидать примерно 910 и 920 очов
соответственно.
Обратимся снова примеру 2. Понятно, что ниаой выирыш
не может быть равным 2,8 р. Полученный результат означает, что
при поупе, например, 100 билетов (число билетов должно быть
достаточно велио) выирыш составит примерно 280 р.
Известно, что математичесое ожидание неоторой случайной

величины равно 12,5. Что можно сазать о значениях этой слу-
чайной величины, оторые она примет в 100 опытах, в ото-
рых наблюдается эта случайная величина?
С друой стороны, равенство (1) позволяет приближенно оце-

нить математичесое ожидание по выборочному среднему.
Пример 4. При сборе прибора для точной подони неоторой

детали требуется произвести ряд проб, причем деталь, забраован-
ная при сборе одноо прибора, уже не используется при сборе
друих. Для установления числа деталей, оторыми необходимо
снабдить сборщиа, было проведено 100 наблюдений. Оазалось,
что в семи случаях понадобилась тольо одна проба, в 16 — две,
в 55 — три, в 21 — четыре и в одном случае — пять проб. Найти
среднее число деталей, необходимое для сбори одноо прибора.
Ответом на вопрос задачи служит математичесое ожидание
случайной величины — числа деталей, необходимых для сбори
одноо прибора. По результатам 100 наблюдений можно подсчи-
тать выборочное среднее числа деталей, затрачиваемых для сбори
одноо прибора:
1
x = ---------- (1 · 7 + 2 · 16 + 3 · 55 + 4 · 21 + 5 · 1) = 2,93.
100
Таим образом, данному сборщиу для сбори одноо прибора

требуется примерно три детали.
Ка можно оценить среднюю потребность в бензине для обслу-

живания машин «сорой помощи» в неотором реионе в оп-
ределенный промежуто времени?
Ка можно оценить среднюю потребность в определенной де-

тали для ремонта автомобилей неотороо ласса в заданном
реионе?
В дальнейшем для обоснования неоторых свойств математиче-

соо ожидания случайной величины нам понадобится друое вы-
ражение для математичесоо ожидания.
Для ео вывода обратимся снова определению математиче-
соо ожидания:
n
MX = ∑ xkpk.
k=1
Значения хk случайной величины X являются значениями фун-

ции X(u) от элементов u ПЭИ. Ясно, что одно и то же значение xk
случайная величина X может принимать при различных исходах
опыта. В примере 2 один и тот же размер выирыша выпадает на
различные лотерейные билеты. Пусть, например, событие (X = x1)
состоит из исходов u1, ..., uk, т. е. X(u1) = ... = X(uk) = x1. Тода
p1 = P(X = x1) = p(u1) + ... + p(uk). Отсюда
x1p1 = x1(p(u1) + ... + p(uk)) = x1 p(u1) + ... + x1 p(uk) =

= X(u1) p(u1) + ... + X(uk) p(uk).
Аналоичные соотношения имеют место для всех событий

(X = xk) и их вероятностей pk, причем различные события (X = xk)
и (X = xi), k − i, составлены из различных исходов ПЭИ. Поэтому
для математичесоо ожидания случайной величины справедливо
следующее соотношение:
N
MX = ∑ X(uk) p(uk),
k=1
(2)
де u1, ..., uN — все элементы ПЭИ, p(u1), ..., p(uN) — их элементар-
ные вероятности.
Случайная величина X задана на ПЭИ U = {u1, u2, u3}, причем

X(u1) = 1, Х(u2) = 0, Х(u3 ) = 1. Вероятности элементарных
исходов u1 и u3 одинаовы и вдвое меньше, чем вероятность
исхода u2. Найдите MX.
Понятие математичесо о ожидания было введено в на в XVII вее под

названием «справедливая цена шанса». Фатичеси впервые е о ввел
и использовал X. Гюй енс (1629—1695). Он считал, что математичесое
ожидание — это цена шанса на выи рыш в «справедливой» и ре и пришел вывод, что
справедливая цена — это средняя цена. Сам Гюй енс не называет математичесое
ожидание ожиданием, оно не о фи рирет а стоимость шанса. Впервые термин
«ожидание» появляется в переводе работы Гюй енса, оторый выполнил Ф. Схотен

(1615—1660). Математичесое ожидание является обобщением понятия средне о ариф-
метичесо о. Оно широо использовалось в тор овле и промышленности для определе-
ния средних цен, средней прибыли и т. п.
1. Известны заоны распреде- выирышей, выпавших на эти

ления числа браованных изде- билеты, судить о среднем выи-
лий, выпущенных аждым из рыше, выпадающем на один би-
двух цехов за смену. Ка можно лет в этой лотерее?
сравнить ачество работы этих 4. Является ли выборочное
цехов в рассматриваемую смену? среднее случайной величиной
2. Случайная величина принима- или нет?
ет два значения 0 и 1. Чему рав- 5. Известно, что MX = 3,7. Что
но ее математичесое ожидание? можно сазать о значениях, о-
3. Куплено два билета неоторой торые примет случайная вели-
лотереи. Можно ли по размерам чина X в 100 опытах?
Задачи
343.° Для неотороо дня вероятность отсутствия заазов рав-
на 30%, вероятность поступления одноо зааза — 50%, вероятность
поступления двух заазов — 15%, а вероятность поступления трех
заазов — 5%. Найдите среднее число ожидаемых заазов.
344.° Вычислите математичесое ожидание числа приборов:
а) вышедших из строя;
б) не вышедших из строя за время испытаний на надежность,
если испытанию подверается один прибор, а вероятность ео ота-
за равна p.
345.° Время, в течение отороо система находится в нерабо-
тающем состоянии, описывается приведенным в таблице 4.6 рас-
пределением.
Таблица 4.6
Неисправность Время простоя, мин Вероятность

Незначительная 5 0,60
Существенная 30 0,30
Катастрофичесая 120 0,10
§ 4.3. Свойства математичесоо ожидания 323
а) Найдите среднее значение времени простоя по причине не-

исправности.
б) Чему равна вероятность тоо, что время простоя превысит
10 мин?
346.° Кредитный отдел бана установил, что один из заемщи-
ов испытывает финансовые затруднения и, возможно, не сможет
произвести теущий платеж, сро отороо истеает на следую-
щей неделе. Руоводство отдела считает, что с вероятностью 60%
он внесет всю подлежащую выплате сумму в 100 000 р., с вероят-
ностью 30% внесет тольо половину, а с вероятностью 10% не вне-
сет ничео. Найдите среднюю ожидаемую редитную выплату.
347. Предположим, что выпущено 100 000 билетов денеж-
ной лотереи. Разырывается два выирыша по 5000 р., восемь —
по 1000 р., 170 — по 100 р., 350 — по 50 р. и 750 выирышей —
по 10 р. Вычислите «справедливую цену» одноо билета.
348. Проводят независимые испытания, в аждом из оторых
с вероятностью 0,8 может произойти неоторое событие А. Испыта-
ния проходят до первоо появления события А; общее число испы-
таний не превосходит четырех. Найдите среднее число проведен-
ных испытаний.
349. Правильную монету подбрасывают до тех пор, поа она не
выпадет цифрой вверх, либо до трех последовательных выпадений
ерба. Найдите математичесое ожидание числа подбрасываний при
одном выполнении этоо эсперимента.
350. Найдите математичесое ожидание случайных величин,
рассмотренных в задаче:
а) 337, а; б) 339; в) 340, а; ) 342, б.
351. Случайная величина X задана на ПЭИ U = {u1, ..., u6},
причем X(u1) = 1, Х(u2) = 0, Х(u3 ) = 1, Х(u4) = 1, Х(u5) = 0. Вероят-
ности элементарных исходов образуют арифметичесую прорес-
сию, причем p(u1) = 0,3. Найдите MX.
§ 4.3. Свойства математичесоо ожидания

Мы уже знаем, что случайные величины, а и все числовые
фунции, можно сладывать, перемножать, умножать на число.
Довольно часто возниает необходимость вычислять среднее зна-
чение суммы, произведения случайных величин, если известны
средние значения аждой из этих величин. Например, известно
среднее число браованных деталей, выпусаемых в цехе за один
день. Ка найти среднее число браованных деталей, выпусае-
мых в этом цехе за 10 дней? Или известны средние выирыши, вы-

падающие на один билет в двух лотереях. Ка найти средний выи-
рыш, выпадающий владельцу одноо билета первой лотереи и од-
ноо билета второй лотереи?
Ответы на эти и подобные вопросы помоут найти свойства ма-
тематичесоо ожидания. Эти свойства аналоичны ранее рассмот-
ренным свойствам арифметичесоо среднео.
СВОЙСТВО 1. Для npоизвольной случайной величины Х и npо-

извольноо числа С имеет место pавенство
M(СX) = СMX.
Интуитивно это свойство понятно: если Х — число браован-
ных деталей, выпусаемых в цехе за один день, то СХ — число бра-
ованных деталей, выпусаемых в этом цехе за С дней. Понятно,
что среднее значение СХ в С раз больше среднео значения Х. Срав-
ните это свойство со свойством 4 среднео арифметичесоо (§ 1.5):
если все варианты умножить (разделить) на одно и то же число, то
среднее арифметичесое умножится (разделится) на то же число.
Если случайная величина X означает число опечато на одной

странице нии, то что означает случайная величина 100X?
Пример 1. Пусть случайная величина X имеет заон распреде-

ления
хk –2 –1 0 1 2
pk 0,2 0,1 0,3 0,2 0,2
Вычислить М(3Х) двумя способами:

а) пользуясь свойством 1;
б) предварительно составив заон распределения случайной ве-
личины 3Х.
а) MX = –2 · 0,2 + (–1) · 0,1 + 0 · 0,3 + 1 · 0,2 + 2 · 0,2 = 0,1;
M(3X) = 3 · MX = 3 · 0,1 = 0,3.
б) Составим заон распределения случайной величины Y = 3X:
yk –6 –3 0 3 6
pk 0,2 0,1 0,3 0,2 0,2
M(3X) = –6 · 0,2 + (–3) · 0,1 + 0 · 0,3 + 3 · 0,2 + 6 · 0,2 = 0,3.

СВОЙСТВО 2. Математичес ое ожидание nостоянной вели-

чины С pавно самой nостоянной:
MС = С.
И это свойство интуитивно понятно: среднее значение одноо

числа равно этому числу.
Инода приходится вычислять среднее значение суммы двух (а
порой и большео оличества) случайных величин, средние значе-
ния оторых известны. Пусть, например, на двух станах выраба-
тываются одинаовые изделия. Известно, что в среднем на первом
стане ежедневно выпусается три браованные изделия, а на вто-
ром — два. Достаточно ли этих данных, чтобы найти среднее зна-
чение оличества браованных изделий, оторое следует ожидать
ежедневно от обоих станов? Возможно, нужно еще что-то знать об
этих случайных величинах, например, их заоны распределения?
Ответ на эти вопросы дает следующее свойство.
СВОЙСТВО 3. Математичес ое ожидание суммы двух случай-

ных величин pавно сумме математичес их ожиданий этих ве-
личин:
М(X + Y) = MX + MY.
Смысл этоо свойства фатичеси объяснен предыдущими рас-

суждениями. Сравните ео со свойством 2 арифметичесоо сред-
нео (см. § 1.5): если аждое значение признаа Z равно сумме (раз-
ности) значений признаов Х и Y, то среднее арифметичесое при-
знаа Z равно сумме (разности) средних арифметичесих
признаов Х и Y.
Пусть случайная величина Хі, і = 1, 2, означает число очов,

выпавших при бросании і-о иральноо убиа. Что означает
случайная величина Х1 + Х2?
Пример 2. В цехе установлены два стана, на оторых изотов-

ляют одинаовые детали. Число браованных изделий, оторые
моут быть изотовлены на этих станах за сути, имеет соответ-
ственно заоны распределения:
x 0 1 2 3 y 0 1 2 3
p 0,6 0,2 0,15 0,05 p 0,5 0,25 0,2 0,05

а) Найти среднее число браованных деталей, изотовленных

на первом стане за 10 суто.
б) Каово среднее число изотовленных цехом за сути брао-
ванных деталей?
Пусть X и Y — число браованных деталей, оторые изотов-
ляются соответственно на первом и втором станах за сути; MX =
= 0,65; MY = 0,8.
а) За 10 суто на первом стане изотовляется 10Х браован-
ных деталей; М(10Х) = 10 · МХ = 6,5.
б) Цех за сути изотовляет Х + Y браованных деталей;
М(X + Y) = MX + MY = 0,65 + 0,8 = 1,45.
СВОЙСТВО 4. Математичес ое ожидание от лонения случай-
ной величины Х от ее математичес оо ожидания pавно нулю:
M(X – MX) = 0.
Сравните это свойство со свойством 6 среднео арифметичесоо
(см. § 1.5): сумма отлонений вариант от их среднео арифметиче-
соо равна нулю.
Верно ли утверждение, обратное свойству 4, т. е. верно ли, что
если М(Х – а) = 0, то МХ = а?
СВОЙСТВО 5. Если Х l 0, то МX l 0.
Смысл этоо свойства ясен: если случайная величина принима-
ет неотрицательные значения, то ее среднее значение таже неот-
рицательно.
Справедливость свойства сразу следует из определения матема-
тичесоо ожидания. Действительно, та а X l 0, т. е. случай-
ная величина X принимает неотрицательные значения x1, x2, ..., xn
с положительными вероятностями p1, p2, ..., pn, то из определения
математичесоо ожидания MX = x1p1 + x2p2 + ... + xnpn следует,
что MX l 0.
Ка вы понимаете утверждение Х > 0? Означает ли оно, что
случайная величина Х принимает тольо положительные зна-
чения?
Справедливо ли утверждение, обратное свойству 5?
СВОЙСТВО 6. Если X l Y, то МX l МY.
Смысл этоо свойства понятен: если при аждом элементарном
исходе случайная величина Х принимает значение, не меньшее,
чем случайная величина Y, то среднее значение Х не меньше сред-

нео значения Y.
Ка вы понимаете утверждение X l Y? Означает ли оно, что

аждое значение случайной величины Х не меньше любоо
значения случайной величины Y?
Справедливо ли утверждение, обратное свойству 6?
Теперь приведем строие доазательства рассмотренных

свойств.
ДОКАЗАТЕЛЬСТВО СВОЙСТВА 1
Пусть случайная величина Х принимает значения х1, ..., хn
с вероятностями соответственно p1, ..., pn. Тода величина СХ при
C − 0 принимает значения Сх1, ..., Схn с теми же самыми вероят-
ностями. Поэтому
М(СХ) = (Сх1) p1 + ... + (Схn) pn = С(х1p1 + ... + хnpn) = СМХ.
Свойство справедливо и при С = 0.
Это свойство проверяется непосредственно: постоянную С,
а отмечалось в § 4.1, можно рассматривать а случайную вели-
чину, принимающую одно значение С с вероятностью 1:
MС = С · 1 = С.
Пусть случайные величины Х и Y определены на ПЭИ U =
= {u1, ..., um}. Обозначим Z = X + Y. В соответствии с равенством (2)
§ 4.2, MZ = Z(u1) p(u1) + ... + Z(um) p(um). Посольу сложение слу-
чайных величин осуществляется, а сложение фунций, т. е.
Z(uk) = X(uk) + Y(uk), то
MZ = (X(u1) + Y(u1)) p(u1) + ... + (X(um) + Y(um)) p(um) =
= (X(u1) p(u1) + ... + X(um) p(um)) + (Y(u1) p(u1) + ... + Y(um) p(um)) =
= MX + MY.
Свойство 3 имеет место для суммы произвольноо онечноо
числа слааемых.
Доажите свойство 3 для суммы трех слааемых.

Обозначим МХ через а. По свойствам 3 и 1 имеем М(Х – а) =
= МХ – Ма. Та а а = МХ является величиной постоянной, то
по свойству 1 Ма = а. Ита, М(Х – а) = а – а = 0.

Математичесое ожидание случайной величины Х – с часто на-
зывают первым моментом случайной величины Х относительно с.
Причина использования таоо названия состоит в следующем.
Выражению
(x1 – c)p1 + (x2 – c)p2 + ... + (xn – c)pn
можно придать физичесую интерпретацию. Пусть имеется ле-

ий, но абсолютно жестий стержень, оторому в точе х1 при-
реплен руз весом p1, в точе х2 — руз весом p2 и т. д., в точе хn
приреплен руз весом pn. На стержне выбран неоторый масштаб,
а веса выражены в неоторой системе единиц. Тода предыдущее
выражение представляет собой сумму произведений веса аждоо
руза на длину «плеча» от точи приложения этоо руза до точ-
и с (рис. 46).
В физие приведенное выражение называют первым моментом
системы масс (сил) относительно с. Если с является центром тяжес-
ти системы, то первый момент относительно с равен нулю. В этом
случае система, на оторую не действуют ниаие силы, роме сил
тяжести, приложенных изображенным на рисуне массам, будет
находиться в равновесии, если она зареплена в точе с. Из свой-
ства 4 следует, что если точа опоры помещается в точу а = МХ,
то первый момент относительно а равен нулю. Обратно, если
М(Х – с) = 0, то с = МХ; поэтому среднее значение является един-
ственной точой, относительно оторой первый момент равен нулю.
Рис. 46
Это одна из причин, по оторой полезно использовать среднее зна-

чение для представления «расположения» значений случайной ве-
личины. Среднее значение не обязательно расположено на равных
расстояниях от райних значений случайной величины — подобно
тому, а два мальчиа, ачающиеся на досе, располаают точу
опоры не в середине доси, а ближе тому из них, оторый тяже-
лее. Аналоично если «все вероятности» руппируются вблизи од-
ноо из райних значений случайной величины, то среднее значе-
ние случайной величины будет таже расположено ближе этому
значению.
Почему эвилибрист в цире сохраняет равновесие, распола-

ая точу опоры доси, на оторой он стоит, прямо под цент-
ром тяжести?
Действительно, та а Х l Y, то X – Y l 0, и соласно свой-
ству 4 М(X – Y) l 0. Применяя свойства 3 и 1, получим МХ +
+ М(–Y) l 0, МХ – МY l 0. Отсюда следует то, что требовалось
доазать.
1. Ка изменится математиче- 4. Верно ли, что математиче-

сое ожидание случайной вели- сое ожидание разности двух
чины, если о всем ее значениям случайных величин равно раз-
прибавить одно и то же число? ности их математичесих ожи-
2. Ка изменится математиче- даний?
сое ожидание случайной вели- 5. Может ли случайная величи-
чины, если все ее значения ум- на Y принимать большее значе-
ножить на одно и то же число? ние, чем случайная величина X,
3. МХ = 3. Чему равно М(–Х)? если MX > MY?
Задачи
352.° Найдите математичесое ожидание случайной величины Z,
если:
а) Z = 2X – 3Y, MX = 3, MY = 1;
б) Z = X + 3Y + 1, MX = 2, MY = 0.
353.° Случайная величина Х имеет заон распределения

хk 1 2 3 4 5
pk 0,2 0,3 0,2 0,2 0,1
Найдите: а) МХ; б) М(3Х – 7); в) М(10Х); ) М(Х – 2,7).

354. Дан заон распределения случайной величины X:
x –2 0 1 3
p 0,3 0,2 0,4 0,1
Найдите M(–2Х + 3):

а)° пользуясь свойствами математичесоо ожидания;
б) составив сначала заон распределения случайной величины
–2X + 3.
355. На неотором предприятии установлено n станов и с аж-
доо стана отобрано по одному изделию. Определите среднее чис-
ло браованных изделий, если известно, что вероятность изотов-
ления браованноо изделия:
а) на аждом стане равна p;
б) на первом стане равна p1, на втором стане — p2, ..., на n-м
стане — pn.
356. Случайные величины Х1, ..., Хn имеют одно и то же мате-
1 n
матичесое ожидание а. Найдите MY, если Y = ---
n ∑ Xk .
k=1
357. Вероятности попадания мячом в ольцо при одном бросе
для двух басетболистов соответственно равны 0,7 и 0,8. Найдите
среднее число попаданий, если басетболисты сделали:
а) по одному бросу;
б) по 10 бросов.
358. Выирыши, выпадающие на один билет в двух лотереях,
имеют соответственно заоны распределения:
x, р. 0 10 50 100 y, р. 0 10 50 100
p 0,9 0,06 0,03 0,01 p 0,85 0,12 0,02 0,01
а)° Каой из лотерей вы бы отдали предпочтение?

б)° Найдите средний выирыш для обладателя 10 билетов в пер-
вой лотерее.
§ 4.4. Формула Бернулли 331
в) Каой средний выирыш будет иметь челове, приобретший

два билета первой лотереи и три билета второй?
359.* На двух столах расположено по две ороби с фантами.
Короби внешне абсолютно одинаовы. На первом столе в одной
оробе имеется один фант, а в друой — семь фантов. На втором
столе в одной оробе имеются два фанта, а в друой — пять фан-
тов. Ребено сначала выбирает стол, а затем наудачу берет оробу
с этоо стола. После тоо а ороба выбрана, ира начинается
сначала и повторяется n раз. Каой стол лучше выбирать, чтобы
в среднем за n ир получить большее число фантов?
360. Доажите, что для произвольной случайной величины Х
и любых чисел а и b имеет место равенство М(аХ + b) = aMX + b.
§ 4.4. Формла Бернлли

В различных сферах деятельности мы встречаемся с последова-
тельными испытаниями. Вот примеры таих испытаний: последо-
вательные партии, сыранные шахматистами; последовательная
провера изделий на длительность безотазной работы; заазы,
поступающие в фирму; выпус изделий. Перечень подобных при-
меров можно продолжать.
Математичесой моделью мноих реальных опытов, представ-
ляющих собой последовательность несольих независимых испы-
таний, являются та называемые исnытания Беpнулли.
Чтобы определить испытания Бернулли, рассмотрим примеры
последовательных испытаний:
четыре подбрасывания симметричной монеты;
пять независимых выстрелов одноо стрела по мишени с ве-
роятностью попадания при аждом выстреле, равной 0,8;
шесть бросаний правильноо иральноо убиа;
последовательное извлечение с возвращением трех шаров из
урны, содержащей 10 шаров, среди оторых четыре белых.
Эти испытания обладают следующими свойствами:
1. Они состоят из фисированноо числа опытов n (в приведен-
ных примерах n соответственно равно 4, 5, 6, 3).
2. В результате аждоо опыта может наступить («успех») или
не наступить («неудача») неоторое случайное событие (в рассмот-
ренных примерах в ачестве «успеха» можно соответственно при-
нять, например, выпадение ерба, попадание в цель, выпадение
«шестери», извлечение белоо шара).
3. Вероятность «успеха» от опыта опыту не изменяется (в при-

веденных примерах она для уазанных событий соответственно
1
равна 0,5; 0,8; --- ; 0,4).
6
4. Испытания независимы, т. е. произвольные случайные собы-
тия А1, А2, ..., Аn, связанные соответственно с 1-м, 2-м, ..., n-м опы-
том, независимы в совоупности. Друими словами, вероятность
тоо или иноо результата в аждом из этих испытаний не зависит
от тоо, аие результаты наступили или наступят в остальных ис-
пытаниях.
Последовательные исnытания, удовлетвоpяющие свойствам
1—4, называют исnытаниями Беpнлли.
Приведем еще несольо примеров. Два шахматиста услови-
лись сырать 10 партий. Вероятность выирыша аждой отдель-
ной партии первым ироом равна 0,6. Каждую партию можно
считать отдельным испытанием. Всео производится 10 испыта-
ний. Предполаается, что результат аждой сыранной партии не
влияет на результаты остальных партий. Эти испытания являются
испытаниями Бернулли. Интерес представляет, например, вероят-
ность тоо, что вся ира будет выирана первым ироом.
Известно, что в неотором ороде в течение месяца родилось
500 детей. Вероятность рождения мальчиа при аждом рождении
будем считать равной 0,5. Под испытанием здесь понимается рож-
дение ребена. Очевидно, что эти испытания можно считать неза-
висимыми. Снова имеем дело с испытаниями Бернулли. Конечно,
рождение ровно 250 мальчиов является пратичеси невозмож-
ным. Но разумно поставить вопрос, аова вероятность тоо, что
число родившихся мальчиов оажется, например, между 225 и 275.
Однао не все последовательные испытания являются испы-
таниями Бернулли. Та, последовательные выстрелы 10 стрелов
в мишень не являются испытаниями Бернулли, та а от испы-
тания испытанию меняются вероятности «успеха» (попадания
в цель), ведь у различных стрелов моут быть различными веро-
ятности попадания. Не удовлетворяет всем требованиям испыта-
ний Бернулли и последовательное извлечение без возвращения
трех шаров из урны, содержащей, например, четыре белых и шесть
черных шаров, та а эти испытания зависимы. Последователь-
ное извлечение с возвращением шаров из урны, содержащей, на-
пример, четыре белых и шесть черных шаров, до появления перво-
о белоо шара не являются испытаниями Бернулли, та а число
испытаний не фисировано, а случайно.
Каие из следующих последовательных испытаний являют-

ся, и аие не являются испытаниями Бернулли?
а) Бросание трех иральных убиов;
б) пять выстрелов одноо стрела в мишень;
в) провера пяти деталей, изотовленных на одном стане од-
ним рабочим;
) опрос пары, состоящей из юноши и девуши, пришедших
вместе в музей, относительно их мнения по поводу пяти ар-
тин, выставленных в музее;
д) подбрасывание правильной монеты до выпадения ерба;
е) освещение ели десятью элетричесими лампочами, из-
отовленными на одном заводе, влюченными в цепь парал-
лельно;
ж) обращение в фирму шести ее лиентов, одинаово часто
пользующихся услуами фирмы.
В испытаниях Бернулли часто интерес представляет вопрос, а-

ова вероятность тоо, что во всех этих испытаниях «успех» про-
изойдет заданное число раз, или вероятность тоо, что число «успе-
хов» находится в неоторых пределах. Например, статистичесие
правила приема отовой продуции часто имеют следующий вид:
если число браованных изделий в проверяемой партии определен-
ноо объема не превышает заданноо числа, то вся партия прини-
мается, в противном случае — отправляется на переработу. По-
этому необходимо уметь вычислять вероятность тоо, что число бра-
ованных изделий в проверяемой партии равно заданному числу.
Для ответа на этот вопрос получим формулу для вычисления ве-
роятности тоо, что в n испытаниях Бернулли неоторое событие
произойдет ровно m раз. Поажем идею вывода этой формулы сна-
чала на примере.
Пример 1. Стрело производит три независимых выстрела по

мишени. Вероятность попадания при аждом выстреле равна 0,9.
Найти вероятность тоо, что стрело ровно два раза попадет в цель.
ПЭИ рассматриваемоо эсперимента имеет вид U = {ППП,
ППН, ПНП, ПНН, НПП, НПН, ННП, ННН}. Здесь, например, за-
пись ППН означает, что при первых двух выстрелах стрело попал
в мишень, а при третьем — не попал. Обратите внимание, что по-
строенное ПЭИ состоит из неравновозможных исходов. Событие
«стрело ровно два раза попал в цель» содержит три исхода: ППН,
ПНП, НПП. Число исходов, составляющих это событие, совпадает
с числом способов выбора двух мест для бувы П из трех, т. е. с чис-
лом неупорядоченных выборо без возвращения из трех элементов
2
по два — C 3 . Вероятность аждоо из этих исходов ввиду независи-
мости испытаний равна 0,92 · 0,1. Исомая вероятность, оторую
мы обозначим Р3(2), по определению вероятности события, равна
Р3(2) = 0,92 · 0,1 + 0,92 · 0,1 + 0,92 · 0,1 =

2
= 3 · 0,92 · 0,1 = C 3 · 0,92 · 0,1 = 0,243.
Аналоично
0
Р3 (0) = Р(ННН) = 0,13 = C 3 · 0,90 · 0,13 = 0,001;
1
Р3 (1) = Р(ПНН, НПН, ННП) = 3 · 0,9 · 0,12 = C 3 · 0,91 · 0,12 = 0,027;
3
Р3(3) = Р(ППП) = 0,93 = C 3 · 0,93 · 0,10 = 0,729.
Ясно, что
Р3(0) + Р3(1) + Р3 (2) + Р3(3) =
= 0,13 + 3 · 0,12 · 0,9 + 3 · 0,1 · 0,92 + 0,93 = (0,1 + 0,9)3 = 1.
Рассмотрим обобщение примера 1.
Пусть проводится n испытаний Бернулли, в аждом из оторых
может наступить один из двух взаимно ислючающих дру друа
исходов: У («успех») и Н («неудача»). Вероятности этих исходов
в аждом испытании равны соответственно p и q = 1 – p. Тода ве-
роятность тоо, что произойдет ровно т «успехов», равна
m
Рn(m) = C n pmqn – m, m = 0, 1, 2, ..., n. (1)
Равенство (1) носит название фоpмлы Беpнлли по имени
швейцарсоо математиа Я. Бернулли (1654—1705). Доажем
эту формулу.
ПЭИ n испытаний Бернулли состоит из выборо вида
(УННУН...Н) длины n. Приведенная запись означает, что в пер-
вом испытании наступил «успех», во втором и третьем — «неуда-
ча», в четвертом — «успех» и т. д. Нас интересует событие «“ус-
пех” наступает ровно т раз (0 m m m n)». Это событие образуют те
исходы, оторые содержат m був У и n – m був Н. Число исходов,
образующих это событие, равно числу способов выбора m мест из n
m
для бувы У, т. е. C n . Вероятность наступления аждой таой вы-
бори ввиду независимости испытаний равна pmqn – т (вероятность
пересечения взаимно независимых событий равна произведению
вероятностей). Исомая вероятность по определению вероятности
события равна сумме вероятностей исходов, образующих событие

«ровно m “успехов” в n испытаниях», т. е.
m
Рn(т) = pmqn – m + pmqn – m + ... + pmqn – m = C n pmqn – m.
Cnm слааемых
Почему исходы (УННУН...Н), образующие ПЭИ, попарно не-

совместны?
Рассмотрим примеры на применение полученной формулы.
Пример 2. Расход элетроэнерии на протяжении суто не пре-

3
вышает установленной нормы с вероятностью p = --- . Найти вероят-
4
ность тоо, что:
а) в ближайшие шесть суто расход энерии не будет превышать
нормы в течение аих-либо четырех суто;
б) в ближайшие шесть суто расход энерии не будет превышать
нормы менее четырех суто.
а) Расход элетроэнерии в течение суто считаем испытани-
ем. «Успехом» в этом испытании является отсутствие перерасхода
элетроэнерии. Испытания независимы. Имеем:
3 3 1
Р(У) = p = --- , Р(Н) = q = 1 – --- = --- .
4 4 4
Требуется найти Р6(4). Имеем
6·5 3 4 1 2
P6(4) = C 6 p4q2 = ------------ ·  ---  ·  ---  d 0,297.
4
1·2 4 4
б) Событие «в ближайшие шесть суто расход энерии не будет

превышать нормы менее четырех суто» означает, что расход энер-
ии вообще не будет превышен в ближайшие шесть суто, или не бу-
дет превышен в течение аих-либо суто, или не будет превышен
в течение аих-либо двух суто, или не будет превышен в течение
аих-либо трех суто. Вероятность этоо события по теореме сло-
жения вероятностей для попарно несовместных событий (см. § 2.8)
равна
0 1 2 3
P6(0) + P6(1) + P6(2) + P6(3) = C 6 p0q6 + C 6 p1q5 + C 6 p2q4 + C 6 p3q3 =
1 6 3 5
1 32 41 3
3 3 1
=  ---  + 6 ·  ---  ·  ---  + 15 ·  ---  ·  ---  + 20 ·  ---  ·  ---  d 0,169.
4 4 4 4 4 4 4
Пример 3. Два шахматиста условились сырать 10 результатив-

ных партий. Вероятность выирыша аждой отдельной партии
первым ироом равна 0,6, вероятность выирыша аждой отдель-
ной партии вторым ироом равна 0,4 (ничьи не считаются). Као-
ва вероятность тоо, что:
а) вся ира будет выирана первым ироом;
б) будет достинут общий ничейный результат;
в) вся ира будет выирана вторым ироом?
Выше мы уже объясняли, почему 10 партий, сыранных
шахматистами, являются испытаниями Бернулли.
а) Для тоо чтобы иру выирал первый иро, ему необходимо
выирать 6, 7, 8, 9 или 10 партий. Вероятность этоо в силу форму-
лы Бернулли и теоремы сложения вероятностей для попарно не-
совместных событий равна
P10(6) + P10(7) + P10(8) + P10(9) + P10(10) =
6 7 8
= C 10 · 0,66 · 0,44 + C 10 · 0,67 · 0,43 + C 10 · 0,68 · 0,42 +
9 10
+ C 10 · 0,69 · 0,41 + C 10 · 0,610 · 0,40 =
36
= --------
10
· (3360 + 2880 + 1620 + 540 + 81) d 0,633.
5
б) Вероятность ничейноо результата равна
5 252 · 243 · 32
P10(5) = C 10 · 0,65 · 0,45 = --------------------------------------
10
- d 0,201.
5
в) Вероятность выирыша иры вторым ироом равна
P10(0) + P10(1) + P10(2) + P10(3) + P10(4) =
0 1 2
= C 10 · 0,60 · 0,410 + C 10 · 0,61 · 0,49 + C 10 · 0,62 · 0,48 +
3 4
+ C 10 · 0,63 · 0,47 + C 10 · 0,64 · 0,46 =
26
= --------
10
· (16 + 240 + 1620 + 6480 + 17 010) d 0,166.
5
Впрочем, эту вероятность можно было найти, воспользовавшись
связью между вероятностями противоположных событий, т. е. вы-
читанием из единицы суммы вероятностей выирыша иры первым
ироом и ничейноо результата: 1 – (0,633 + 0,201) = 0,166.
Монета подброшена четыре раза. Найдите вероятность выпа-

дения:
а) ровно трех ербов;
б) не менее двух ербов.
При решении примера 1 мы фатичеси нашли заон распреде-

ления случайной величины X — числа попаданий при трех вы-
стрелах:
хi 0 1 2 3
pi 0,001 0,027 0,243 0,729
Найдите заон распределения случайной величины — числа

суто в течение ближайших шести суто, на протяжении о-
торых расход энерии не превышает нормы, рассмотренной
в примере 2.
О случайной величине — числе «успехов» в n испытаниях Бер-

нулли — оворят, что она имеет биномиальное pасnpеделение с nа-
pаметpами n и p.
Наличие двух возможных результатов в аждом испытании
Бернулли и определяет приставу би- (лат. bi — «двух») в слове
биномиальное.
Случайная величина — число попаданий при трех выстрелах,
рассмотренная в примере 1, имеет биномиальное распределение
с параметрами 3 и 0,9. Число суто в ближайшие шесть суто, в те-
чение оторых расход энерии не превышает нормы (пример 2),
3
имеет биномиальное распределение с параметрами 6 и --- .
4
Каое распределение имеет число выирышей первоо шахма-

тиста, рассмотренное в примере 3?
Планируется позвонить в восемь фирм с предложением про-
дать им неоторую продуцию. Считается, что аждый таой
звоно с вероятностью 20% приводит продаже. Фирмы при-
нимают решения о поупе независимо дру от друа.
а) О аой случайной величине можно оворить, что она име-
ет биномиальное распределение?
б) Каовы параметры этоо биномиальноо распределения?
Заон биномиальноо распределения с параметрами n и p имеет

вид
m
Р(X = m) = C n pmqn – m, m = 0, 1, 2, ..., n.
n m
Сумма ∑ C n pmqn – m
m=0
представляет собой вероятность тоо,
что число «успехов» в n испытаниях Бернулли равно или 0, или 1,

или 2, ..., или n, т. е. вероятность достоверноо события. Поэтому

n m
∑
m=0
C n pmqn – m = 1.
С друой стороны,
n m
∑ C n pmqn – m =
m=0
0 1 2 n
= C n p0qn + C n p1qn – 1 + C n p2qn – 2 + ... + C n pnq0 = (p + q)n = 1,
n m
т. е. равенство ∑
m=0
C n pmqn – m = 1 является частным случаем бино-
миальной формулы Ньютона.
Опираясь на предыдущие вылади, выведите формулу Нью-

тона
n m
(a + b)n = ∑ C n ambn – m.
m=0
Для вычисления биномиальных вероятностей можно восполь-

зоваться редатором элетронных таблиц Microsoft Excel. Чтобы
получить вероятность Р(Х = а) тоо, что случайная величина Х
принимает значение, равное а, необходимо использовать формулу
(=БИНОМРАСП(а; n; π; ЛОЖЬ)), а для вычисления вероятности
Р(Х m а) тоо, что случайная величина Х принимает значение
меньшее или равное а, использовать формулу (=БИНОМРАСП
(а; n; π; ИСТИНА)). Вычисления для примера 2 приведены на
рис. 47 и 48.
Здесь n — число испытаний Бернулли, π — вероятность «успеха»
в аждом испытании. На рис. 47 n = 6, а = 4, π = 0,75. Вычисляется
Р6(4). На рис. 48 n = 6, а = 3, π = 0,75. Вычисляется Р(Х m 3).
Выполните вычисления в примере 3 с помощью прораммы

Excel.
В § 4.1 мы отмечали, что, а и для произвольной числовой

фунции, имеются различные способы задания заона распреде-
ления случайной величины: табличный, рафичесий, аналитиче-
сий.
Рис. 47
Рис. 48
Равенство (1) является при-

мером аналитичесоо задания
заона распределения.
На рис. 49—51 приведены
рафии «заона биномиальноо
распределения» при различных
n и p.
Рис. 49
Постройте рафи заона биномиальноо распределения при

n = 6 и p = 0,75, пользуясь результатами решения примера 2.

Использование формулы Бернулли часто связано с олоссаль-
ными вычислениями. Если значения n велии, а p малы, то имеет
место та называемая приближенная фоpмла Пассона, назван-
ная по имени французсоо математиа С. Пуассона (1781—1840):
λm
Pn(m) d ------- e–λ,
m!
де λ d np, e d 2,72. Формулу Пуассона применяют для нахождения

вероятностей «редих» событий, точнее если np(1 – p) m 9. Подоб-
ные события моут порождаться таими случайными величинами,
а число дефетов в произведенной продуции, число вызовов, по-
ступающих на телефонную станцию, число заазов, поступающих
на фирму в течение дня, и т. д. Друими словами, формула Пуассо-
на, в частности, применяется в статистичесом онтроле ачества,
задачах надежности, расчете телефонных сетей.
Пример 4. Фирма выпустила 1000 изделий. Вероятность тоо

что на арантийный ремонт вернется определенное изделие, равна
0,0013. Каова вероятность тоо, что в определенный день на а-
рантийный ремонт:
а) не поступит ни одноо изделия;
б) поступит одно изделие;
в) поступит два изделия;
) поступит три изделия;
д) поступит не более двух изделий?
В задаче речь идет об испытаниях Бернулли. Проведено

n = 1000 испытаний; испытанием считаем получение информации
об определенной детали, поступит она на арантийный ремонт или
нет. Вероятность «успеха» (на арантийный ремонт поступит опре-
деленное изделие) равна p = 0,0013. Та а n велио, а p мало
(np(1 – p) d 1,3 < 9), то применима приближенная формула Пуассо-
на. Применяя ее, получим:
0
1,3
P(X = 0) d e–1,3 · ----------- d 0,272;
0!
1,3 1
P(X = 1) d e–1,3 · ----------- d 0,354;
1!
1,3 2
P(X = 2) d e–1,3 · ----------- d 0,230;
2!
1,3 3
P(X = 3) d e–1,3 · ----------- d 0,100.
3!
Вероятность тоо, что на арантийный ремонт поступит не более

двух изделий, равна Р(Х = 0) + Р(Х = 1) + Р(Х = 2) d 0,856.
Для вычисления этих вероятностей с помощью прораммы Excel

применяют фунцию (=ПУАССОН(значение; среднее; ЛОЖЬ)),
оторая вычисляет неоторое онретное значение Р(Х = k), а та-
же фунцию (=ПУАССОН(значение; среднее; ИСТИНА)), вычис-
ляющая вероятность Р(Х m k) тоо, что случайная величина прини-
мает значение меньшее или равное заданному. На рис. 52 приведе-
ны соответствующие вычисления.
Рис. 52
Решите следующую задачу, пользуясь формулой Бернулли

(с помощью Excel) и формулой Пуассона. Сравните результаты.
Вероятность изотовления браованной детали равна 0,02.
Найдите вероятность тоо, что среди 100 изотовленных дета-
лей браованных будет: 0, 1, 2, 3.
Формла Бернлли была полчена Я. Бернлли (1654—1705) в ео работе

«Иссство предположений» (1713). Задача отысания приближенной фор-
млы для подсчета вероятности m «спехов» в n независимых испытаниях
для больших значений n и малых значений p была решена в ние С. Пассона (1781—
1840) «Исследования о вероятности сдебных приоворов по оловным и раждансим
делам» (1837). Польсий статисти Л. Бортевич (1868—1931) в онце ХІХ назвал формл
Пассона заоном малых чисел. Бортевич применял формл Пассона очень редо
встречающимся явлениям: смерть от дара опытом лошади, рождение троен и т. п.
1. Верно ли, что бувой p в фор- а) число извлеченных последо-

муле Бернулли вательно (без возвращения) не-
стандартных деталей из партии
m
Р(т) = C n pmqn – m в 100 деталей, среди оторых
10 нестандартных;
обозначают вероятность наступ- б) число попаданий в мишень
ления хотя бы одноо «успеха» при трех независимых выстре-
в n испытаниях Бернулли? лах, если вероятность попада-
2. При аом значении n веро- ния при аждом выстреле одна
ятность «успеха» в аждом ис- и та же;
пытании совпадает с вероятно- в) число очов, выпавших при
стью хотя бы одноо «успеха» бросании одноо иральноо у-
в испытаниях Бернулли. Каая биа;
из этих вероятностей больше ) число ербов, выпавших при
при остальных значениях n? четырехратном подбрасывании
3. Ка, пользуясь формулой монеты?
Бернулли, найти вероятность 5. Каие значения может прини-
тоо, что в n испытаниях Бер- мать случайная величина, имею-
нулли неоторое событие на- щая биномиальное распределе-
ступит n раз? Можно ли вычис- ние с параметрами n и p?
лить эту вероятность, не прибе- 6. Почему случайные величи-
ая формуле Бернулли? ны — число «успехов» в 1-м,
4. Каие из следующих случай- 2-м, ..., n-м испытаниях Бер-
ных величин имеют биномиаль- нулли — имеют одинаовые за-
ное распределение: оны распределения?
Задачи
361.° Изделия неотороо производства содержат 5% браа.
Найдите вероятность тоо, что среди пяти взятых науад изделий:
а) нет ни одноо дефетноо;
б) будут ровно два дефетных.
362.° Для прядения смешаны поровну белый и орашенный
хлопо. Каова вероятность среди пяти случайно выбранных воло-
он смеси обнаружить менее двух орашенных?
363.° Наблюдениями установлено, что в неоторой местности
в сентябре в среднем бывает 12 дождливых дней. Каова вероят-
ность тоо, что из случайно взятых в этом месяце восьми дней ров-
но три дня оажутся дождливыми?
364. Проводится три испытания Бернулли. При аих значе-
ниях p имеет место равенство:
а) Р3 (0) = Р3 (1); б) Р3 (0) = Р3(3)?
365. В мастерсой работает независимо дру от друа четыре
мотора. Для аждоо мотора вероятность перерева обеденному
перерыву равна 0,8. Составьте заон распределения числа мото-
ров, переретых перерыву.
366. Всхожесть ржи составляет 90%. Составьте заон распре-
деления числа взошедших семян из пяти посеянных.
367. Эсперимент состоит в выборе с возвращением пяти шаров
из урны, содержащей равное оличество черных и белых шаров. Этот
эсперимент повторяют 819 раз. Полученные результаты представ-
лены в таблице 4.7.
Таблица 4.7
Число черных шаров 0 1 2 3 4 5

Наблюдаемая частота 30 125 277 224 136 27
Найдите соответствующие вероятности и сравните их с относи-

тельными частотами наблюдаемых значений.
368. Вероятность допустить ошибу при наборе неотороо тес-
та, состоящео из 800 знаов, равна 0,005. Найдите вероятность то-
о, что при наборе этоо теста:
а) не будет допущено ошибо;
б) будет допущена ровно одна ошиба;
в) будут допущены ровно две ошиби;
) будут допущены ровно три ошиби;
д) будет допущено не более двух ошибо.
§ 4.5. Дисперсия слчайной величины

В лаве 1 мы отмечали, что для харатеристии статистичесих
данных поазателей центральной тенденции недостаточно. Они ха-
ратеризуют онцентрацию совоупности значений на числовой ша-
ле и не позволяют учесть различия, существующие между отдель-
ными значениями. Для измерения разброса, вариации значений вну-
три совоупности использовались различные поазатели вариации
и в первую очередь дисперсия статистичесой совоупности. Анало-
ичная ситуация имеет место при рассмотрении случайных вели-
чин, описывающих не выборочную, а енеральную совоупность.
Среднее значение случайной величины является важной, но ори-
ентировочной ее харатеристиой. Инода пратичеси важные свой-
ства случайной величины не определяются ее средним значением,
а требуют более детальноо изучения ее заона распределения.
Пусть случайная величина Х — отлонение полученноо значе-
ния измеряемой величины от ее истинноо значения. Если пореш-
ности измерений носят случайный харатер, то они будут а по-
ложительными, та и отрицательными. Тода, если их шансы при-
близительно одинаовы, то математичесое ожидание равно нулю
и оворят, что измерения не имеют систематичесих ошибо. При
этом, однао, неизвестно, а будут расположены в большинстве
своем результаты измерений, близо истинному значению изме-
ряемой величины, или рассеяны далео от нео.
Ита, возниает необходимость в специальной числовой хара-
теристие разброса значений случайной величины. Таой харате-
ристиой и является дисnеpсия слчайной величины.
Рассмотрим еще один пример. Пусть испытываются на урожай-
ность два сорта пшеницы. В зависимости от случайных обстоя-
тельств (оличество осадов, распределение удобрений, лубина
вспаши и др.) урожайность подвержена значительным олебани-
ям и представляет собой случайную величину. Предположим, что
средняя урожайность для аждоо сорта одна и та же. Можно ли
судить о ачестве испытываемоо сорта тольо по значению сред-
ней урожайности? Очевидно, нет, та а наибольший хозяйствен-
ный интерес представляет тот сорт, урожайность отороо меньше
подвержена случайным влияниям метеоролоичесих и друих фа-
торов, иными словами, разброс урожайности меньше. Таим обра-
зом, при испытании тоо или иноо сорта пшеницы на урожайность
не меньшее значение, чем средняя урожайность, имеют возможные
ее олебания. И вообще, часто поазателем ачества продуции яв-
ляется ее однородность.
§ 4.5. Дисперсия случайной величины 345
Аналоично при анализе успеваемости по математие в двух

лассах, имеющих одинаовую среднюю успеваемость, часто пред-
почтение будет отдано тому лассу, де разброс успеваемости мень-
ше, т. е. наблюдается более стабильная успеваемость учащихся.
Даны заоны распределения двух случайных величин:
x –0,01 0,01 y –100 100

p 0,5 0,5 p 0,5 0,5
Чему равны их средние значения? Для аой из них значения

относительно среднео значения рассеяны больше?
Для введения меры разброса значений случайной величины во-

ру среднео рассмотрим следующий пример.
Пример 1. Пусть орудие ведет прицельный оонь по мишени,

удаленной от нее на расстояние а м (рис. 53).
Если обозначить дальность стрельбы через Х (м), то ее среднее
значение, а правило, будет равно МХ = а. Отлонение среднео
значения от а свидетельствовало бы о наличии систематичес ой
порешности стрельбы (систематичесоо перелета или недолета
снарядов), оторую можно было бы устранить, изменив соответст-
вующим образом налон ствола орудия. Однао отсутствие систе-
матичесой ошиби нисольо не арантирует высоую точность
стрельбы: чтобы оценить точность, необходимо таже знать, на-
сольо близо ложатся снаряды цели.
Верно ли, что в рассмотренной ситуации равенство МХ = а

означает, что перелет снаряда встречается в среднем та же
часто, а и недолет?
Рис. 53
Ита, нужно оценить отлонение случайной величины Х от ее

математичесоо ожидания МХ, т. е. случайную величину Х – MХ.
В ачестве меры таоо отлонения естественно было бы взять ве-
личину М(Х – MX). Однао М(Х – МХ) = 0 (см. свойство 4 мате-
матичесоо ожидания в § 4.3), и этот фат интуитивно понятен,
ведь имеют место отлонения обоих знаов, их среднее равно нулю.
Поэтому желательно было бы не учитывать зна отлонения. Это
можно сделать, рассмотрев величину М|Х – MX| или М(X – MX)2.
Первую из них называют сpедним абсолютным отлонением,
вторую — дисnеpсией слчайной величины. Оазывается, что ма-
тематичеси работать удобнее со второй величиной M(X – MX)2.
Позже мы увидим, почему следует отдать предпочтение ей по
сравнению с друими числовыми харатеристиами разброса.
А именно, позже мы доажем, что дисперсия суммы двух незави-
симых случайных величин равна сумме их дисперсий. Даже если
случайные величины зависимы, для дисперсии суммы существует
простое выражение. Друие харатеристии разброса, в частности
среднее абсолютное отлонение, таим свойством не обладают.
Диспеpсией слчайной величины X называют математи-
чес ое ожидание вадpата от лонения случайной величины от
ее математичес оо ожидания (обозначается дисперсия симво-
лом DX):
DX = M(X – MX)2.
Может ли дисперсия случайной величины принимать отрица-

тельные значения; обращаться в нуль?
Верно ли, что дисперсия случайной величины совпадает с вад-

ратом самоо большоо отлонения значений случайной вели-
чины от ее среднео значения?
Дисперсию выражают в вадратах тех единиц, в оторых из-

меряют саму случайную величину (или ее математичесое ожи-
дание). Поэтому наряду с дисперсией часто рассматривают хара-
теристиу, оторую выражают в тех же единицах, что и случай-
ную величину, и, таже служащую мерой «разброса» ее зна-
чений.
Сpедним вадpатичным отлонением слчайной величины
называют оpень вадpатный из ее дисnеpсии:
σ(X) = DX .
Пример 2. Случайная величина X имеет заон распределения:
х –3 –2 –1 0 1 2
p 0,1 0,1 0,2 0,1 0,2 0,3
Найти дисперсию и среднее вадратичное отлонение случай-

ной величины X.
Предварительно найдем MX:
MX = (–3) · 0,1 + (–2) · 0,1 + (–1) · 0,2 +
+ 0 · 0,1 + 1 · 0,2 + 2 · 0,3 = 0,1.
Составим заон распределения случайной величины Y = (X – 0,1)2:
y (–3,1)2 (–2,1)2 (–1,1)2 (–0,1)2 (0,9)2 (1,9)2

p 0,1 0,1 0,2 0,1 0,2 0,3
Воспользовавшись определением, вычислим дисперсию и сред-

нее вадратичное отлонение:
DX = M(X – 0,1)2 = 9,61 · 0,1 + 4,41 · 0,1 + 1,21 · 0,2 +

+ 0,01 · 0,1 + 0,81 · 0,2 + 3,61 · 0,3 = 2,89;
σ(X) = DX = 1,7.

При составлении заона распределения случайной величины
(Х – а)2, де а — математичесое ожидание случайной величи-
ны Х, нужно учесть, что не вседа вероятность тоо, что (Х – а)2
принимает значение (х – а)2, совпадает с вероятностью тоо, что
случайная величина Х принимает значение х. Например, если слу-
чайная величина Х имеет заон распределения
х –2 0 2 4
,
p 0,25 0,25 0,25 0,25
то МХ = 1 и Р((Х – 1)2 = (2 – 1)2) = Р((Х – 1)2 = 1) − Р(Х = 2), та

а Р(Х = 2) = 0,25, а Р((Х – 1)2 = 1) = Р(Х = 2) + Р(Х = 0) = 0,5.
Случайная величина (Х – 1)2 имеет заон распределения
х 1 9
p 0,5 0,5
Инода, особенно в военном деле, для харатеристии меры

рассеяния употребляется та называемое сpединное (веpоятное)
отлонение, т. е. таое число, что отлонение Х – МХ с одина-
овой вероятностью может оазаться по модулю а больше, та
и меньше этоо числа.
Ка мы уже упоминали, в ачестве меры разброса значений
случайной величины относительно среднео значения применяет-
ся сpеднее абсолютное значение М|Х – MX|.
В оммерчесой деятельности, в сфере производства дисперсия
и стандартное отлонение харатеризуют рис, поазывая, на-
сольо неопределенной является ситуация.
Пример 3. Анализ различных сценариев развития эономии

и их влияния на получение дохода фирмы привел результатам,
представленным в таблице 4.8.
Таблица 4.8
Сценарий развития Доход, млн денежных

Вероятность
эономии единиц
Прерасный 10 0,20
Хороший 5 0,40
Нормальный 1 0,25
Плохой –4 0,15
Найти среднее значение ожидаемоо дохода, ео дисперсию и сред-

нее вадратичное отлонение.
Обозначим через Х доход фирмы.
MX = 10 · 0,20 + 5 · 0,40 + 1 · 0,25 + (–4) · 0,15 = 3,65;
DX = (10 – 3,65)2 · 0,20 + (5 – 3,65)2 · 0,40 +
+ (1 – 3,65)2 · 0,25 + (–4 – 3,65)2 · 0,15 d 19,3;
σ(X) d 19,3 d 4,4.
Стандартное отлонение в размере 4 400 000 денежных единиц
поазывает, что в данном случае присутствует значительный рис.
Доход вполне может оазаться на 4 400 000 денежных единиц вы-
ше или ниже среднео значения в 3 650 000 денежных единиц.
Ка сравнить ачество стрельбы двух стрелов, если у них

одинаовы средние значения числа выбитых очов?
Ка сравнить ачество измерений двух исследователей, если
у них средняя величина ошиби одна и та же?
Для вычисления дисперсии можно получить друую формулу,

оторая часто упрощает вычисления.
Пусть MX = а, тода DX = М(X – a)2 = М(Х2 – 2ах + а2).
Используя свойства математичесоо ожидания, получим
DX = MX2 – 2аМХ + a2 = MX2 – a2 = MX2 – (MХ)2.
Ита, доазано следующее свойство.
СВОЙСТВО 1. DХ = MХ2 – (MХ)2.
Решим пример 2, воспользовавшись этим свойством.

Заон распределения случайной величины Y = X2 имеет вид
y 0 1 4 9
p 0,1 0,4 0,4 0,1
MX2 = 0 · 0,1 + 1 · 0,4 + 4 · 0,4 + 9 · 0,1 = 2,9;

DX = 2,9 – (0,1)2 = 2,89.
Вседа ли вероятность тоо, что случайная величина Х2 при-

нимает значение х2, совпадает с вероятностью тоо, что слу-
чайная величина Х принимает значение х?
СВОЙСТВО 2. Если С — nостоянная величина, то

D(X + С) = DX; D(СX) = С2DX; DС = 0.
Рассмотрим смысл этих равенств. Добавление случайной ве-
личине постоянной С означает сдви всех ее значений (а значит,
и среднео значения) на одну и одну и ту же величину С, поэтому
разброс значений ооло среднео остается неизменным. Умноже-
ние случайной величины на С эвивалентно изменению масштаба
измерений на С. При этом математичесое ожидание умножается
на С, а дисперсия — на С2.
Смысл равенства DC = 0 состоит в том, что у случайной величи-
ны, принимающей одно значение С с вероятностью, равной 1, матема-
тичесое ожидание равно С и разброса значений ооло среднео нет.
Доажем свойство 2:
D(X + С) = М((X + С) – М(Х + С))2 = М(Х – MX)2 = DX;
D(СX) = М(СХ – М(СХ))2 = М(С(Х – МХ))2 =
= С2М(X – МХ)2 = С2DХ;
DС = М(С – MС)2 = 0.
Следующий пример иллюстрирует, а доазанные свойства мо-

ут упростить вычисления дисперсии, если вычисления выполня-
ются без применения вычислительных средств.
Пример 4. Случайная величина X имеет заон распределения
х 475 500 525

p 0,6 0,3 0,1
Найти DX.
Случайная величина Х принимает довольно большие значе-
ния. Вычитая из всех значений одно и то же число 500, мы фати-
чеси изменяем начало отсчета. Разделив все значения на 25, по
существу изменим единицу масштаба. Затем обратными преобра-
зованиями можно вернуться исходной случайной величине.
X – 500
Ита, введем случайную величину Y = --------------------- . Заоны распре-
25
деления Y и Z = Y2 имеют соответственно вид:
y –1 0 1 z 0 1
p 0,6 0,3 0,1 p 0,3 0,7
МY = –1 · 0,6 + 0 · 0,3 + 1 · 0,1 = –0,5;

МY2 = 1 · 0,7 + 0 · 0,3 = 0,7;
DY = МY2 – (МY)2 = 0,7 – (–0,5)2 = 0,45.
Та а Х = 25Y + 500, то, воспользовавшись свойством 2, по-
лучим
DХ = D(25Y + 500) = D(25Y) = 625DХ = 625 · 0,45 d 281.
Ка и для вычисления математичесоо ожидания случайной

величины, та и для вычисления ее дисперсии нужно знать ее за-
он распределения. На пратие установить заон распределе-
ния случайной величины (т. е. уазать все ее значения и соответ-
ствующие вероятности) часто невозможно. Приходится довольст-
воваться результатами большоо числа независимых наблюдений
за этой величиной, проведенных примерно в одинаовых услови-
ях, т. е. выбоp ой из значений pассматpиваемой случайной ве-
личины.
Выборочное среднее дает представление о математичесом
ожидании случайной величины. Аналоично по выборе можно
определить приближенное значение дисперсии случайной вели-

чины.
Выбоpочной дисnеpсией называют сpеднее всех вадpатов
от лонений pезультатов наблюдений от их сpеднео значения:
m ni
s2 = ∑ (xi – x )2 ----n- ,
i=1
де x1, ..., xm — различные наблюдаемые значения случайной ве-

личины; n1, ..., nт — их частоты, n = n1 + ... + nт — общее число
наблюдений; x — выборочное среднее; s2 — выборочная дисперсия.
Ка видим, выборочная дисперсия есть не что иное, а дисперсия
статистичесой совоупности, рассмотренная в § 1.7. Сравнивая вы-
n
ражения для дисперсии случайной величины DX = ∑ (xi – MX)2pi
i=1
и выборочной дисперсии и учитывая, что при достаточно большом
n
числе наблюдений -----i d pi (вероятности тоо, что X = xi), получим
n
приближенное равенство
DX d s2.
В тех случаях, ода неизвестен заон распределения случай-
ной величины, полученное приближенное равенство позволяет оце-
нивать дисперсию случайной величины по наблюдаемым ее значе-
ниям.
В аом случае выборочная дисперсия равна нулю?
Каими свойствами дисперсии обладает выборочная диспер-

сия?
Величину s, равную орню вадратному из выборочной диспер-

сии, называют выборочным средним вадратичным, или стан-
дартным отлонением.
Следующий пример иллюстрирует применение выборочной дис-
персии для сравнения двух величин.
Пример 5. Два стрела выполнили по 100 выстрелов. Первый

8 очов выбил 40 раз, 9 очов — 10 раз и 10 очов — 50 раз. Вто-
рой — 8, 9, 10 очов выбил соответственно 10, 70, 20 раз. Кто из
стрелов стреляет лучше?
Имеем две выбори, составленные из наблюдений за случай-

ной величиной Хі (і = 1, 2) — числом очов, оторое выбивает і-й
стрело. Подсчитаем выборочные средние:
1
x1 = ---------- · (8 · 40 + 9 · 10 + 10 · 50) = 9,1;
100
1
x 2 = ---------- · (8 · 10 + 9 · 70 + 10 · 20) = 9,1.
100
Ита, выборочные средние у обоих стрелов одинаовы. Можно

оворить и о приближенном совпадении математичесих ожида-
ний этих величин. Значит, по этим данным стрелов можно было
бы признать одинаово умелыми. Тем не менее определим меру
разброса результатов стрельбы аждоо из стрелов, для чео под-
считаем выборочные дисперсии. Вычисления удобно провести по
плану, приведенному в п. 1.7.2, заполняя таблицы: для первоо
стрела — таблица 4.9, для второо стрела — таблица 4.10.
Таблица 4.9
xk nk xk nk xk – x ( xk – x ) 2 ( xk – x )2nk
8 40 320 –1,1 1,21 48,4
9 10 90 – 0,1 0,01 0,1
10 50 500 0,9 0,81 40,5
∑ = 100 ∑ = 910 ∑ = 89
Таблица 4.10
xk nk xk nk xk – x ( xk – x ) 2 ( xk – x )2nk
8 10 80 – 1,1 1,21 12,1
9 70 720 –0,1 0,01 0,7
10 20 200 0,9 0,81 16,2
∑ = 100 ∑ = 910 ∑ = 29
1 2 1
x1 = ---------- · 910 = 9,1; s1 = ---------- · 89 = 0,89;
100 100
1 2 1
x 2 = ---------- · 910 = 9,1; s 2 = ---------- · 29 = 0,29.
100 100
2 2
Посольу s 2 < s1 , то можно считать, что DX2 < DX1, т. е. ре-
зультаты стрельбы второо стрела менее рассеяны по сравнению
с первым. Ита, сделаем вывод, что второй стрело стреляет лучше
первоо.
1. Каое из следующих нера- значения умножить на одно и то

венств верно: же число?
DX m MX2; 5. Является ли выборочная
дисперсия случайной величи-
DX > MX2;
ной?
DX l MX2;
6. Изменится ли среднее вад-
DX < MX2? ратичное отлонение случайной
2. Может ли выполняться ра- величины, если о всем ее зна-
венство DX = МХ2? чениям прибавить одно и то же
3. Ка изменится дисперсия слу- число?
чайной величины, если о всем 7. Ка изменится среднее вад-
ее значениям прибавить одно и ратичное отлонение случай-
то же число? ной величины, если все ее зна-
4. Ка изменится дисперсия слу- чения умножить на одно и то
чайной величины, если все ее же число?
Задачи
369.° Найдите дисперсию случайной величины, если ее заон
распределения имеет вид
х –2 –1 0 2
p 0,1 0,2 0,5 0,2
370. Найдите D(2X + 3), если заон распределения случайной

величины X имеет вид
x –1 0 2 3
p 0,2 0,1 0,1 0,6
371. Случайная величина X имеет заон распределения

x 2025 2050 2075
p 0,1 0,4 0,5
Найдите DX:
а)° непосредственно по заону распределения X;
б) воспользовавшись свойствами дисперсии и предварительно
преобразовав X.
372. Число браованных изделий из 1000 производимых на двух
однотипных станах, имеет соответственно заоны распределения:
x 0 1 2 3 4 x 0 1 2 3 4
p 0,1 0,2 0,4 0,2 0,1 p 0,15 0,2 0,25 0,3 0,1
Сравните средние значения и дисперсии числа браованных из-

делий, выпущенных на первом и втором станах. Каому стану
вы отдадите предпочтение? Продуция аоо стана является бо-
лее «стабильной»?
373. Требуется оценить три разных проета и разработать ре-
омендации. По аждому из проетов необходимы инвестиции
в объеме 12 000 денежных единиц, а возврат средств планиру-
ется на следующий од. По первому проету арантированный
возврат составит 14 000 денежных единиц. По второму проету мо-
жет быть получено либо 10 000 денежных единиц, либо 20 000 де-
нежных единиц, вероятность в аждом случае составляет 0,5.
Третий проет не даст ничео с вероятностью 0,98 или принесет
1 000 000 денежных единиц с вероятностью 0,02. Каой проет вы
выберете?
374. Для условий задачи 345 (с. 322) найдите:
а) дисперсию и среднее вадратичное отлонение времени про-
стоя;
б) вероятность тоо, что время простоя будет отличаться от сред-
нео значения не более чем на одну величину среднео вадратич-
ноо отлонения;
в) вероятность тоо, что время простоя будет отличаться от сред-
нео значения не более чем на две величины среднео вадратично-
о отлонения.
375. Для условий задачи 346 (с. 323) найдите уровень риса
в данной ситуации.
§ 4.6. Независимые случайные величины 355
376. На основе анализа выбори, составленной из результатов

измерения 800 початов уурузы, получены данные о длине по-
чатов, измеренной с точностью до 1 см (табл. 4.11).
Таблица 4.11
Длина, см 10 11 12 13 14 15 16 17
Число початов 1 1 2 6 23 35 50 95
Длина, см 18 19 20 21 22 23 24 25
Число початов 166 162 114 67 40 22 14 2
Вычислите среднее значение и стандартное отлонение длины

почата.
§ 4.6. Независимые слчайные величины

Та же, а и для суммы случайных величин, для их произве-
дения приходится находить среднее значение по известным средним
значениям сомножителей. Произведением случайных величин Х
и Y является случайная величина, все возможные значения оторой
равны произведениям вида хіyj, де хі (і = 1, ..., n), yj (j = 1, ..., m) —
все значения соответственно случайных величин Х и Y.
Рассмотрим пример.
Пример 1. Число яиц, присылаемых фермером на рыно ежеднев-

но, имеет следующий заон распределения:
х, десятов 5 6 7 8
p 0,1 0,4 0,3 0,2
Цена одноо десята яиц может равняться 30; 35; 40 р. с веро-

ятностями 0,1; 0,6; 0,3 соответственно. Найти среднедневную вы-
ручу фермера от реализации яиц.
Мы можем найти среднее значение числа яиц, присылаемых фер-
мером на рыно ежедневно (обозначим эту случайную величину че-
рез Х), среднее значение цены одноо десята яиц (эту случайную
величину обозначим через Y). А требуется найти математичесое
ожидание случайной величины ХY — дневной выручи фермера
от реализации яиц. Ка это сделать? Хотелось бы, чтобы М(XY) =
= МХ · МY. Оазывается, что это равенство выполняется не вседа.
Уже простой пример заставляет отазаться от таоо предполо-

жения.
Пример 2. Пусть случайная величина Х имеет заон распреде-

ления
х –1 1
p 0,5 0,5
Подсчитаем МХ и МХ2.
По определению математичесоо ожидания МХ = –1 · 0,5 +
+ 1 · 0,5 = 0. Случайная величина Х2 принимает единственное зна-
чение 1 с вероятностью, равной 1, т. е. она является онстантой.
МХ2 = 1. С друой стороны, МХ2 = М(XХ) − МХ · МХ = 0.
Оазывается, что в общем случае нельзя однозначно выразить

М(XY) через МХ и МY. Но есть очень важный частный случай,
ода можно выразить М(XY) через МХ и МY, причем связь меж-
ду этими средними значениями имеет довольно простой вид. Этот
случай связан с независимыми слчайными величинами.
Независимость двух случайных величин означает отсутствие
взаимосвязи между ними, ода знание значения одной случайной
величины не помоает пронозировать значение друой случайной
величины. Для двух независимых случайных величин вероятнос-
ти, с оторыми одна принимает определенные значения, не зави-
сят от тоо, аие значения в этот момент (т. е. при тех же исходах
опыта) приняла друая величина.
Каждая случайная величина Х определяет неоторый ласс со-
бытий, оторые описывают ее значения. В этот ласс входят, на-
пример, таие события, а (Х = х), (Х < x), (X > x) и т. д. Естест-
венно независимость случайных величин отождествить с независи-
мостью лассов определяемых ими событий.
Случайные величины Х и Y называют независимыми, если
для любых х и у выnолняется pавенство:
P((X = x) · (Y = у)) = P(X = x) · P(Y = у).
Друими словами, случайные величины Х и Y независимы, ес-
ли для любых х и у независимы события (X = x) и (Y = у).
Пример 3. Рассмотрим опыт, состоящий в двуратном подбрасы-

вании симметричной монеты и случайные величины: Х — число
ербов, выпавших при первом подбрасывании монеты; Y — число
ербов, выпавших при втором подбрасывании монеты. Выясним,

являются ли эти случайные величины независимыми.
Для ответа на поставленный вопрос нужно вычислить
P((X = x) · (Y = у)) для любых х и у и сравнить с произведением
P(X = x) · P(Y = у). ПЭИ опыта имеет вид {ГГ, ГЦ, ЦГ, ЦЦ}. Каждая
из случайных величин Х и Y может принимать значения 0 или 1.
Если х или у отлично от этих значений, то P((X = x) · (Y = у)) =
= P(X = x) · P(Y = у) = 0. Остается проверить четыре равенства:
аждое значение Х омбинировать с аждым значением Y (вспом-
ните омбинаторное правило умножения). Имеем:
P((X = 1) · (Y = 1)) = Р(ГГ) = 0,25;
P(X = 1) · P(Y = 1) = Р{ГГ, ГЦ} · Р{ГГ, ЦГ} = 0,5 · 0,5 = 0,25.
Аналоично:
P((X = 1) · (Y = 0)) = Р(ГЦ) = 0,25;
P(X = 1) · P(Y = 0) = Р{ГГ, ГЦ} · Р{ЦЦ, ЦГ} = 0,5 · 0,5 = 0,25.
Точно та же проверяются остальные два равенства.
Если случайные величины Х и Y независимы, то чему равна

Р(Х = а | Y = b)?
Вернемся задаче выражения математичесоо ожидания про-

изведения двух случайных величин через математичесие ожида-
ния сомножителей. Попробуем решить эту задачу для независимых
случайных величин. Предварительно рассмотрим пример.
Пример 4. Пусть случайные величины Х и Y независимы и име-

ют соответственно заоны распределения:
х –1 0 1 x 1 2
p 0,2 0,3 0,5 p 0,7 0,3
а) Вычислить MX и MY.
б) Составить заон распределения случайной величины X · Y.
в) Вычислить М(XY) и выразить это математичесое ожидание
через MX и MY.
а) Первое задание выполняется сразу:
MX = –1 · 0,2 + 0 · 0,3 + 1 · 0,5 = 0,3;
MY = 1 · 0,7 + 2 · 0,3 = 1,3.
б) Чтобы составить заон распределения случайной величины XY,

нужно знать все ее значения и соответствующие вероятности. Эта
случайная величина принимает значения: –2, –1, 0, 1, 2. Вычис-
лим вероятности, с оторыми она принимает эти значения. Значе-
ние –2 она принимает тода и тольо тода, ода Х = –1 и Y = 2,
т. е. (XY = –2) = (Х = – 1) · (Y = 2). Ввиду независимости событий,
Р(XY = –2) = Р(Х = –1) · Р(Y = 2) = 0,2 · 0,3 = 0,06. Аналоично:
Р(XY = –1) = Р(Х = –1) · Р(Y = 1) = 0,2 · 0,7 = 0,14;
Р(XY = 2) = Р(Х = 1) · Р(Y = 2) = 0,5 · 0,3 = 0,15;
Р(XY = 1) = Р(Х = 1) · Р(Y = 1) = 0,5 · 0,7 = 0,35.
Осталось найти Р(XY = 0). Конечно, можно найти эту вероят-
ность вычитанием из 1 суммы найденных вероятностей: Р(XY = 0) =
= 1 – (0,06 + 0,14 + 0,15 + 0,35) = 0,3. Можно найти ее и друим
способом. Значение 0 случайная величина XY принимает тода и
тольо тода, ода Х = 0, а вероятность этоо события равна 0,3.
Ита, заон распределения Z = XY имеет следующий вид:
z –2 –1 0 1 2
p 0,06 0,14 0,3 0,35 0,15
в) M(XY) = –2 · 0,06 + (–1) · 0,14 + 0 · 0,3 + 1 · 0,35 + 2 · 0,15 =

= 0,39 = 0,3 · 1,3 = MX · MY.
Можно высазать предположение о том, что для независимых

случайных величин математичесое ожидание произведения рав-
но произведению математичесих ожиданий сомножителей. Оа-
зывается, этот результат имеет место и в общем случае.
ТЕОРЕМА 1. Если случайные величины X и Y независимы, то

М(XY) = MX · MY.
Это свойство доазывается аналоично свойству математиче-
соо ожидания суммы двух случайных величин.
Пусть случайные величины Х и Y определены на ПЭИ
U = {u1, ..., um}. Обозначим Z = X · Y. В соответствии с равенст-
вом (2) § 4.2,
MZ = Z(u1) · p(u1) + ... + Z(um) · p(um).
Посольу Z(uk) = X(uk) · Y(uk), k = 1, 2, ..., m, то
MZ = X(u1) · Y(u1) · p(u1) + ... + X(um) · Y(um) · p(um).

Пусть, например, событие (X = х1) · (Y = y1) происходит при од-

ном из исходов опыта u1, ..., uk, т. е.
Х(и1) = ... = Х(uk) = x1, Y(u1) = ... = Y(uk) = y1.
Тода p11 = P((X = x1) · (Y = y1)) = p(u1) + ... + p(uk). Используя
независимость случайных величин Х и Y, будем иметь
p11 = P((X = x1) · (Y = y1)) = P(X = x1) · P(Y = y1).
Отсюда
X(u1) · Y(u1) · p(u1) + ... + X(uk) · Y(uk) · p(uk) =
= x1y1(p(u1) + ... + p(uk)) = x1y1P((X = x1) · (Y = y1)) =
= x1P(X = x1) · y1P(Y = y1).
Аналоичные соотношения имеют место для всех событий
(Х = хі) · (Y = yj) и их вероятностей pij, причем различные события
(Х = хі) · (Y = yj) происходят при различных исходах эсперимента.
Продолжая таим образом и далее, получим М(XY) = MX · MY.
Ка видно из примера 2, для зависимых случайных величин
Х и Х теорема 1, вообще оворя, не имеет места. В том, что случай-
ные величины Х и Х, рассмотренные в примере 2, зависимы, убе-
диться несложно. В самом деле, Р((Х = 1) · (Х = 1)) = Р(Х = 1) = 0,5,
а Р(Х = 1) · Р(Х = 1) = 0,5 · 0,5 = 0,25.
Вернемся примеру 1.
Пусть Х — число яиц (в десятах), оторые присылает фер-
мер аждую неделю на рыно, Y — цена одноо десята. Тода
XY — ежедневная выруча фермера. Нужно найти M(XY). Слу-
чайные величины Х и Y можно считать независимыми, та а
естественно принять, что оличество яиц, присылаемых на рыно
одним фермером, не влияет на цену одноо десята яиц на рыне.
Поэтому M(XY) = MX · MY. Посольу
МХ = 5 · 0,1 + 6 · 0,4 + 7 · 0,3 + 8 · 0,2 = 6,6,
МY = 30 · 0,1 + 35 · 0,6 + 40 · 0,3 = 36 (р.),
то M(XY) = 6,6 · 36 d 237,6 (р.)
Та же а понятие независимости двух случайных событий
обобщается на любое онечное число событий, та и для несоль-
их случайных величин вводится понятие независимости в сово-
упности.
Случайные величины Х1, ..., Хn называют независимыми
в совопности, если события (Х1 = х1), ..., (Хn = хn) независимы
в сово уnности для любых х1, ..., хn.
Независимость случайных величин в совоупности означает,

что задание аих-либо определенных значений для части этих ве-
личин не влияет на заоны распределения остальных величин.
Рассмотрим случайные величины:
Х1 — число ербов, выпавших при первом подбрасывании
симметричной монеты;
Х2 — число ербов, выпавших при втором подбрасывании
симметричной монеты;
Х3 — число совпадений результатов, имевших место при двух
подбрасываниях симметричной монеты.
Выясните, являются ли эти случайные величины:
а) попарно независимыми;
б) независимыми в совоупности.
Теорема 1 выполняется для произведения любоо онечноо
числа независимых в сово уnности случайных величин.
* Доажите, что математичесое ожидание произведениятрех

независимых в совоупности случайных величин равно про-
изведению математичесих ожиданий этих величин.
* Справедливо ли утверждение, сформулированное в предыду-
щем задании, для трех попарно независимых случайных ве-
личин?
При определении дисперсии давалось обещание в дальнейшем
объяснить, почему было отдано предпочтение принятому опреде-
лению. Настало время ео выполнять. Попробуем доадаться о по-
лезном свойстве дисперсии, рассмотрев вначале пример.
Пример 5. Заоны распределения числа браованных деталей,
выпусаемых за смену двумя незнаомыми между собой рабочи-
ми, работающими в разных цехах, изотавливающими различные
детали, не связанные между собой технолоиями изотовления,
используемым сырьем, средствами изотовления, имеют соответ-
ственно следующий вид:
x 0 1 x 0 1
p 0,9 0,1 p 0,95 0,05
а) Вычислить дисперсии числа браованных деталей, изотов-

ленных аждым из рабочих.
б) Составить заон распределения числа браованных деталей,
изотовленных двумя рабочими за смену.
в) Вычислить дисперсию числа браованных деталей, изотов-

ленных двумя рабочими за смену, сравнить ее с дисперсиями числа
браованных деталей, изотовленных аждым из рабочих.
а) Обозначим число браованных деталей, изотовленных аж-
дым из рабочих, соответственно через Х и Y. Имеем:
МХ = 0,1, МХ2 = 0,1, DX = МХ2 – (МХ)2 = 0,09;
МY = 0,05, МY2 = 0,05, DY = МY2 – (МY)2 = 0,0475.
б) Число браованных деталей, изотовленных двумя рабочими
за смену, есть случайная величина Х + Y. Она принимает значения
0, 1, 2. Значение 0 она принимает тода и тольо тода, ода Х
и Y равны нулю. Блаодаря условиям, перечисленным при форму-
лирове задания (рабочие не знаомы между собой, работают в раз-
ных цехах, изотавливают различные детали, не связанные между
собой технолоиями изотовления, используемым сырьем, средст-
вами изотовления), случайные величины Х и Y можно считать не-
зависимыми. Поэтому
Р(Х + Y = 0) = Р((Х = 0) · (Y = 0)) =
= Р(Х = 0) · Р(Y = 0)) = 0,9 · 0,95 = 0,855.
Аналоично:
Р(Х + Y = 2) = Р((Х = 1) · (Y = 1)) =
= Р(Х = 1) · Р(Y = 1)) = 0,1 · 0,05 = 0,005;
Р(Х + Y = 1) = Р((Х = 0) · (Y = 1) + (Х = 1) · (Y = 0)) =
= Р(Х = 0) · Р(Y = 1) + Р(Х = 1) · Р(Y = 0) =
= 0,9 · 0,05 + 0,1 · 0,95 = 0,14.
Ита, случайная величина Z = Х + Y имеет заон распреде-
ления
z 0 1 2
p 0,855 0,14 0,005
в) По свойству 1 дисперсии,
DZ = D(X + Y) = M(X + Y)2 – (M(X + Y))2.
Та а M(X + Y) = 0,15, M(X + Y)2 = 0,16, то
D(X + Y) = 0,1375 = 0,09 + 0,0475 = DX +DY.
Можно высазать предположение о том, что для независимых

случайных величин дисперсия суммы равна сумме дисперсий сла-
аемых. Оазывается, этот результат имеет место и в общем случае.
ТЕОРЕМА 2. Если случайные величины Х и Y независимы, то

D(X + Y) = DX + DY.
Обозначим MX = a, MY = b. Тода M(X + Y) = a + b. По опре-
делению дисперсии D(X + Y) = M((X + Y) – (a + b))2. Выполняя
несложные преобразования, будем иметь
D(X + Y) = M((X – a) + (Y – b))2 =
= M(X – a)2 + M(Y – b)2 + 2M(X – a) (Y – b) =
= DX + DY + 2M(XY) – 2bMX – 2aMY + 2ab =
= DX + DY + 2M(XY) – 2ab – 2ab + 2ab.
Посольу X и Y — независимы, то в соответствии с теоремой 1
M(XY) = MX · MY = ab. Поэтому D(X + Y) = DX + DY.
Это утверждение выполняется и для суммы n попаpно независи-

мых случайных величин X1, ..., Xn:
D(X1 + ... + Xn) = DX1 + ... + DXn.
Проверьте, выполняется ли последнее утверждение для сле-

дующих трех случайных величин:
Х1 — число ербов, выпавших при первом подбрасывании сим-
метричной монеты;
Х2 — число ербов, выпавших при втором подбрасывании сим-
метричной монеты;
Х3 — число совпадений результатов, имевших место при двух
подбрасываниях симметричной монеты.
Выразите среднее вадратичное отлонение суммы n незави-

симых в совоупности случайных величин через средние
вадратичные отлонения слааемых.
В теореме 2 условие независимости случайных величин сущест-

венно: если оно не выполняется, то теорема, вообще оворя, не име-
ет места. Убедимся в этом на примере.
Пример 6. Пусть случайная величина Х имеет заон распреде-

ления
х 0 1
p 0,9 0,1
Вычислить D(2X) двумя способами:

а) воспользовавшись свойствами дисперсии;
б) представив 2Х в виде Х + Х и воспользовавшись теоремой 2.
а) Из решения примера 5 известно, что DX = 0,09; соласно
свойству дисперсии, D(2X) = 4DX = 0,36.
б) Если бы мы воспользовались теоремой 2, то получили бы
D(2X) = D(Х + Х) = DX + DX = 0,18.
Почему получились различные результаты? Дело в том, что слу-
чайные величины Х и Х, а мы видели выше, зависимы и приме-
нение теоремы 2 было неправомерным. Ита, D(2X) = 0,36.
Пример 7. Пусть Х1, ..., Хn — независимые в совоупности слу-

чайные величины, для оторых МХk = а, DXk = σ2. Найти матема-
тичесое ожидание и дисперсию их среднео арифметичесоо
(k = 1, 2, ..., n).
1
Пусть Y = --- (X1 + ... + Xn). Тода
n
1 1
MY = M  --- (X1 + ... + Xn)  = --- na = a;
n n
1
DY = D  --- (X1 + ... + Xn)  =
n
1 nσ 2 σ2
= -----2- (DX1 + ... + DXn) = ----------
2
= ------ .
n n n
Таим образом, среднее значение среднео арифметичесоо n

независимых в совоупности случайных величин с одинаовыми
средними значениями и дисперсиями равняется среднему значе-
нию любой из этих величин; дисперсия же среднео арифметиче-
соо в n раз меньше дисперсии аждой из рассматриваемых слу-
чайных величин.
Этот вывод имеет широое применение.
Пусть требуется с наибольшей точностью найти значение нео-
торой физичесой величины а. Пусть α — результат измерения,
Х — порешность измерения (α и Х — случайные величины). То-
да a = α + X. Если нет систематичесой порешности измерения,
то MX = 0. Отсюда a = Mα. Проведем, например, n независимых
1
измерений α1, ..., αn. Пусть α = --- (α1 + ... + αn). Тода M α =
n
1
= --- nMα1= a, т. е. значения величины α , рXавно а и значения αi,
n
руппируются вору истинноо значения данной величины. Это

значение α можно принять в ачестве приближенноо значения
1 Dα
данной величины. Посольу D α = -----2- nDαi = ----------i , то рассеяние
n n
значений α заметно меньше рассеяния значений αi, поэтому, взяв

за а значение α , имеем основание надеяться, что большая ошиба
будет менее вероятной, чем тода, ода в ачестве а берут резуль-
тат αi одноо измерения.
В ачестве поазателя порешности измерения обычно берут сред-
1
нее вадратичное отлонение. Посольу D α = -----2- Dα, то σ( α ) =
n
1
= ------- σ(αi), и порешность среднео арифметичесоо n результатов
n
измерений в n раз меньше порешности аждоо измерения.

Пример 8. Для условий примера 5 проверим, будет ли среднее
абсолютное отлонение суммы двух независимых случайных вели-
чин равняться сумме средних абсолютных отлонений слааемых,
т. е. будет ли иметь место равенство
М|(Х + Y) – M(Х + Y)| = М|Х – MX| + М|Y – MY|.
Напомним, что случайные величины X, Y, Z = X + Y имеют
соответственно заоны распределения:
x 0 1 y 0 1 z 0 1 2
p 0,9 0,1 p 0,95 0,05 p 0,855 0,14 0,005
Их математичесие ожидания соответственно равны: МX = 0,1;

МY = 0,05; МZ = 0,15. Случайные величины |Х – MX|, |Y – MY|,
|Z – MZ| имеют соответственно заоны распределения:
x 0,1 0,9 y 0,05 0,95 z 0,15 0,85 1,85

p 0,9 0,1 p 0,95 0,05 p 0,855 0,14 0,005
Поэтому М|Х – MX| = 0,18; М|Y – MY| = 0,095; М|Z – MZ| =

= 0,2565 − 0,18 + 0,095 = М|Х – MX| + М|Y – MY|. Ита, «второй
андидат» на меру отлонения значений случайной величины от
среднео желаемым свойством не обладает.
1. Моут ли быть независимыми DX = 1, DY = 2. Найдите ошиб-

случайные величины Х и –X? у в следующих вычислениях:
2. Найдите ошибу в следующих D(2X – 3Y) = 4DX – 9DY =
вычислениях. Пусть DX = 2, = 4 – 18 = –14.
тода D(2Х) = 4DX = 8, с дру- 5. Ка выразить среднее вад-
ой стороны, D(2X) = D(X + X) = ратичное отлонение суммы
= DX + DX = 4. двух независимых случайных
3. Верно ли, что дисперсия раз- величин через средние вад-
ности двух независимых случай- ратичные отлонения слаае-
ных величин равняется разнос- мых?
ти дисперсий этих величин? 6. Чему равна дисперсия сум-
4. Известно, что Х и Y — неза- мы двух произвольных случай-
висимые случайные величины; ных величин?
Задачи
377. Пусть случайная величина Х равна числу очов, выпавшему
при первом бросании иральноо убиа, а Y — числу очов, выпав-
шему при втором ее бросании. Доажите, что случайные величины Х
и Y независимы, если все исходы двух бросаний равновозможны.
378.° Случайные величины Х и Y независимы, причем DX = 1,
DY = 2. Найдите DZ, если:
а) Z = 3Х + Y; б) Z = 2X – Y – 2; в) Z = aX + bY + c, де a, b,
с — постоянные величины.
379.° По проводниу, сопротивление отороо зависит от слу-
чайных обстоятельств, проходит элетричесий то, сила отороо
таже зависит от случая. Известно, что среднее значение сопротив-
ления проводниа R равно 25 Ом, а средняя сила тоа І равна 6 А.
Найдите среднее значение элетродвижущей силы, если известно,
что сопротивление и сила тоа независимы.
380. Случайные величины X и Y независимы и имеют, соответ-
ственно, заоны распределения:
x –1 0 1 y –2 –1 0 1
p 0,4 0,1 0,5 p 0,3 0,1 0,4 0,2
Найдите:
а)° D(3X + 2Y); б)° D(3X – 2Y); в)° M(XY); ) заон распределе-
ния XY.
Доажите, что случайные величины аХ + b и cY + d (a, b, c, d —

постоянные), а таже X2 и Y2 независимы.
381. Два стрела независимо дру от друа сделали по одному
выстрелу в одну и ту же мишень. Вероятность попадания для пер-
воо стрела равна p1, а для второо — p2. Найдите MX, DX, если
X — общее число попаданий в мишень.
382. Пусть Х — случайная величина, равная числу очов, вы-
павших при бросании первоо иральноо убиа, а Y — случайная
величина, равная числу очов, выпавших при бросании второо
иральноо убиа. Доажите, что M(XY) = MX · MY. Иральные
убии считать правильными.
383. Сольо независимых измерений (проведенных с одина-
овой точностью) достаточно сделать, чтобы результат среднео
арифметичесоо этих измерений был в 10 раз точнее аждоо из-
мерения?
384*. Предприятие выпусает неоторые изделия, причем для
аждоо отдельноо изделия существует определенная вероятность
p = 0,002 оазаться браованным. Считая, что все изделия из нео-
торой тысячи изделий независимо дру от друа моут оазаться
браованными с вероятностью p, найдите среднее число браован-
ных изделий на 1000 выпущенных изделий и дисперсию этой слу-
чайной величины.
§ 4.7. Числовые харатеристии

биномиальноо распределения
Ранее уже отмечалось, что биномиальное распределение слу-
жит математичесой моделью мноих реальных явлений. В связи
с этим представляют интерес математичесое ожидание и диспер-
сия случайной величины, имеющей биномиальное распределение.
В примере 1 § 4.4 получен следующий заон распределения чис-
ла попаданий при трех выстрелах (n = 3), если вероятность попада-
ния при аждом выстреле равна p = 0,9:
х 0 1 2 3
p 0,001 0,027 0,243 0,729
Вычислим математичесое ожидание и дисперсию этой величины:

МХ = 0 · 0,001 + 1 · 0,027 + 2 · 0,243 + 3 · 0,729 = 2,7;
MX2 = 0 · 0,001 + 1 · 0,027+ 4 · 0,243+ 9 · 0,729 = 7,56;
DX = 7,56 – (2,7)2 = 0,27.
§ 4.7. Числовые харатеристии биномиальноо распределения 367
Обратите внимание на то, что

МХ = 2,7 = 3 · 0,9 = np; DX = 0,27 = 3 · 0,9 · 0,1 = np(1 – p),
де n — число испытаний Бернулли, p — вероятность попадания
при аждом выстреле. Оазывается, этот результат имеет место и
в общем случае.
ТЕОРЕМА. Если случайная величина X имеет биномиальное

pасnpеделение с nаpаметpами n и p, то
МХ = np; DX = np(1 – p).
Пусть случайная величина Х имеет биномиальное распреде-

ление с параметрами n = 10, p = 0,2. Найдите МХ, DX и σ(Х).
Пусть случайная величина Х имеет биномиальное распределение
с параметрами n, p = 0,3. На сольо сдвиается вправо сред-
нее значение случайной величины Х при возрастании n на 1?
Доажем сформулированную теорему. Применим свойства

математичесоо ожидания и дисперсии доазательству этих ра-
венств. Обозначим через Xk — число успехов в k-м испытании Бер-
нулли, k = 1, ..., n. Тода
Х = Х1 + ... + Хn.
Из свойства 3 математичесоо ожидания (см. § 4.3) следует, что
MX = MX1 + ... + MXn.
Составим заон распределения Xk. Каждая из этих случайных
величин принимает значения 0 или 1 («успех» наступил или нет)
с вероятностями q = 1 – p и p (вероятности исходов в испытаниях
Бернулли от опыта опыту не меняются). Отсюда
MXk = 0 · (1 – p ) + 1 · p = p; MX = p + p + ... + p = np.
n раз
Аналоично вычислим DX. Соласно свойству дисперсии сум-
мы попарно независимых случайных величин X1, ..., Хn,
DX = DX1 + ... + DXn.
2
Та а случайная величина X k имеет тот же заон распреде-
ления, что и Xk (02 = 0, 12 = 1), то
2 2
М X k = p, DХk = М X k – (МXk)2 = p – p2 = p(1– p);
DX = p(1 – p) + ... + p(1 – p) = np(1 – p).
n раз
Верно ли, что случайная величина Xk (см. доазательство)

имеет биномиальное распределение? Каовы ео параметры?
Из доазанной теоремы следует, что среднее вадратичное отло-

нение случайной величины, имеющей биномиальное распределение
с параметрами n и p, равно np(1 – p) . Посольу среднее вадра-
тичное отлонение является мерой разброса значений случайной
величины Х и ео значение при постоянном p пропорционально n ,
то при возрастании n биномиальное распределение имеет разброс,
пропорциональный n.
Пример. Установлено, что вероятность ошиби со стороны он-

тролера, проверяющео на заводе соответствие фатичесих разме-
ров деталей техничесим стандартам, равна 0,02. Сольо ошибо
в среднем допустит за день онтролер, оторому поступает на
проверу 200 деталей?
В задаче речь идет о 200 независимых испытаниях (провера
ачества деталей), являющихся испытаниями Бернулли. Пусть
X — число ошибо онтролера при провере 200 деталей. Эта слу-
чайная величина имеет биномиальное распределение с параметра-
ми n = 200 и p = 0,02. Поэтому МХ = 200 · 0,02 = 4. Таим образом,
при провере 200 деталей онтролер допустит примерно четыре
ошиби.
1. Можно ли найти дисперсию в k-м испытании Бернулли.

биномиально распределенной Почему случайные величины
случайной величины, зная толь- X1, ..., Хn:
о ее математичесое ожидание? а) независимы в совоупности;
2. Что нужно знать о биноми- б) имеют одинаовые заоны
ально распределенной случай- распределения?
ной величине, роме математи-
5. Пусть X — число наступле-
чесоо ожидания, чтобы вы-
числить ее дисперсию? ний события А в n независимых
3. Пусть X — биномиально рас- испытаниях, в оторых это со-
пределенная случайная вели- бытие наступает соответственно
чина. Что больше MX или DX? с вероятностями p1, p2, ..., pn.
4. Пусть Xk, k = 1, 2, ..., n, — Чему равно:
число наступлений события А a) MX; б) DX?
§ 4.7. Числовые харатеристии биномиальноо распределения 369
Задачи
385. Вероятность попадания в мишень при одном выстреле для
данноо стрела равна p = 0,8; X — число попаданий в мишень
в 100 независимых выстрелах. Найдите MX, DX, σ(X).
386. Приобретено 40 лотерейных билетов, на аждый из ото-
рых выпадает выирыш с вероятностью 0,05. Сольо в среднем
следует ожидать выирышей?
387. Случайная величина X имеет биномиальное распределе-
ние с параметрами n и p; МХ = 10, σ(Х) = 3. Найдите n и p.
388. Сольо иральных убиов необходимо бросить для тоо,
чтобы математичесое ожидание числа убиов, на оторых выпа-
ло одно очо, равнялось пяти?
389. Пусть m — число наступлений события А в n независи-
мых испытаниях, p — вероятность наступления события А в аж-
дом испытании. Найдите:
m m
а) M ----- ; б) D ----- .
n n
390. Известно, что 86% потребителей одобряют изменения, о-
торые фирма намерена внести в неоторый потребительсий товар.
Принято решение опросить 10 потребителей для выяснения вопро-
са о том, следует ли вносить эти изменения.
а) Каое распределение будет иметь число потребителей, одоб-
ряющих изменения?
б) Чему равно среднее число людей из 10 опрошенных, оторые
одобрят изменения?
в) Чему равно среднее вадратичное отлонение числа людей из
числа 10 опрошенных, оторые одобрят изменения?
391. Запланировано проведение олосования по вопросу о проф-
союзной забастове. Пусть число олосов, поданных за проведение
забастови, подчиняется биномиальному распределению. Ожида-
ется, что в олосовании примет участие 300 челове, а вероятность
тоо, что аждый из них будет олосовать «за», составляет 0,53.
а) Уажите параметры биномиальноо распределения.
б) Найдите среднее и среднее вадратичное отлонение для
числа людей, оторые высажутся за проведение забастови.
в) Найдите приближенно вероятность тоо, что забастова будет
проведена, т. е. вероятность тоо, что большинство участниов о-
лосования высажутся за ее проведение.
392.* Случайная величина Х имеет биномиальное распределе-
ние с параметрами n = 10 и p = 0,2. Найдите вероятность тоо, что
значения Х отличаются от среднео значения на величину, не пре-

восходящую:
а) величины одноо среднео вадратичноо отлонения;
б) величины двух средних вадратичных отлонений;
в) величины трех средних вадратичных отлонений.
§ 4.8. Неравенство Чебышёва

Знание среднео вадратичноо отлонения случайной вели-
чины позволяет создать ориентировочное представление о том, на-
сольо велии ожидаемые отлонения фатичесих значений этой
величины от ее среднео значения. Из смысла дисперсии интуитив-
но ясно, что при малых значениях дисперсии большие отлонения
значений случайной величины от среднео значения довольно ред-
и. Друими словами, если дисперсия случайной величины мала,
то вероятность тоо, что случайная величина сильно отлоняется
от своео среднео значения, мала. Однао эти замечания сами по
себе не содержат еще ниаих оличественных оцено и не дают
возможности хотя бы приближенно рассчитать, соль вероятными
моут оазаться большие отлонения. Следующее утверждение уточ-
няет содержание сазанноо.
ТЕОРЕМА 1. Пpи npоизвольном nоложительном ε для любой

случайной величины Х выnолняется неpавенство
DX
P(|X – MX| > ε) m ---------
2
-. (1)
ε
Неравенство (1) читается та: вероятность тоо, что отлонение
случайной величины от ее среднео значения по модулю больше ε,
не превосходит дисперсии этой случайной величины, деленной на ε2.
Это неравенство полчил один из рпнейших математиов ХІХ веа

П. Л. Чебышёв (1821—1894). Поэтом оно носит название неравенства Че-
бышёва. Идея вывода это"о неравенства содержалась в работе Ж. Бьенэме
(1796—1878), посвященной метод наименьших вадратов. За этим неравенством надол"о
зарепилось имя неравенства Бьенэме—Чебышёва. Известный российсий математи
А. А. Маров (1856—1922) объяснял это следющим образом: «Мы соединяем с этим
замечательным, простым неравенством два имени Бьенэме и Чебышёва по той причи-
не, что оно впервые ясно высазано и доазано Чебышёвым, но основная идея доаза-
тельства была значительно раньше азана Бьенэме, в мемаре оторо"о можно найти
и самое неравенство, обставленное тольо неоторыми частными предложениями».
Позднее это неравенство нашло мно"очисленные применения а в теории вероятнос-
тей, та и в др"их разделах математии.
§ 4.8. Неравенство Чебышёва 371
Для доазательства неравенства Чебышёва рассмотрим слу-

чайную величину Y, оторую определим следующим образом:
0, если |X – MX| m ε,
Y=
ε2, если |X – MX| > ε.
Друими словами, для тех элементов u ПЭИ U, для оторых

|X(u) – МX| m ε, случайная величина Y(u) равна 0, для остальных
элементов ПЭИ Y(u) = ε2. Тода для всех u ° U значения случайной
величины Y не превосходят значений (X – MX)2, т. е.
Y m (X – MX)2.
Из свойства 6 математичесоо ожидания (см. § 4.3) следует,
что МY m М(Х – MX)2. Та а М(Х – MX)2 = DX, то MY m DX.
Воспользовавшись определением математичесоо ожидания, вы-
числим MY:
МY = 0 · Р(Y = 0) + ε2Р(Y = ε2) = ε2Р(|Х – МХ| > ε).
Поэтому
ε2P(|X – MX| > ε) m DX.
Отсюда следует доазываемое неравенство.
Неравенство Чебышёва позволяет оценить вероятность отло-

нений от среднео, чисел бXольших, чем любое заданное число, если
тольо известно среднее вадратичное отлонение. Правда, оцена,
даваемая неравенством Чебышёва, часто оазывается весьма ру-
бой; все же инода она может быть использована пратичеси. Что
асается ео теоретичесоо значения, то оно чрезвычайно велио.
Можно ли получить с помощью неравенства Чебышёва содер-

жательную оцену для вероятности P(|X – MX| > ε), если
ε = σ(Х); ε < σ(Х)?
Неравенство Чебышёва позволяет не тольо оценить сверху ве-

роятность тоо, что отлонение случайной величины от ее среднео
значения по модулю больше ε, но и оценивать снизу вероятность
тоо, что отлонение случайной величины от ее среднео значения
по модулю не превосходит ε.
Действительно,
DX
P(|X – MX| m ε) = 1 – P(|X – MX| > ε) l 1 – ---------
2
-.
ε
Мы воспользовались свойством вероятностей противополож-

ных событий, неравенством (1) и свойствами неравенств. Ита, из
неравенства (1) вытеает:
DX
P(|X – MX| m ε) l 1 – ---------
2
-. (2)
ε
Неравенство Чебышёва в форме (2) позволяет оценить вероят-

ность попадания значений случайной величины Х в заданный ин-
тервал с центром в математичесом ожидании этой случайной ве-
личины, а таже уазать ширину интервала с тем же центром, в
оторый с заданной вероятностью попадают значения Х.
Пример 1. Пусть МХ = 5, DX = 0,9.

а) Оценить P(|X – 5| > 1) и P(1 m X m 9).
б) При аих значениях k выполняется неравенство P(|X – 5| m
m k) l 0,9?
а) В соответствии с неравенствами (1) и (2):
DX 0,9
P(|X – 5| > 1) = P(|X – MX| > 1) m ---------
- = --------- = 0,9;
21 1
0,9
P(1 m X m 9) = P(–4 m X – 5 m 4) = P(|X – 5| m 4) l 1 – --------- d 0,94.
16
0,9
б) P(|X – 5| m k) l 1 – --------
2
-.
k
Для выполнения требуемоо неравенства достаточно потребо-
0,9
вать, чтобы выполнялось неравенство 1 – --------
2
- l 0,9. Решая ео, по-
k
лучим, что k l 3.
Пусть МХ = 3, DX = 1. Оцените с помощью неравенства Че-

бышёва P(|X – 3| > 2) и P(|X – 3| m 2).
Пример 2. Среднее значение измеряемой величины равно 200 м,

а среднее вадратичное отлонение равно 5 м. Эту величину изме-
рили 100 раз.
а) Найти среднее значение и среднее вадратичное отлонение
среднео арифметичесоо результатов измерений.
б) Оценить с помощью неравенства Чебышёва вероятность по-
лучения отлонения результата одноо измерения от среднео боль-
ше 3 м.
в) Оценить с помощью неравенства Чебышёва вероятность по-

лучения отлонения среднео арифметичесоо результатов 100 из-
мерений от среднео, большео 3 м.
а) Обозначим через Хі, і = 1, 2, ..., 100, результат і-о изме-
1 X + X + ... + X
2 100
рения, Y = -----------------------------------------------------
- . Тода по свойствам математичесоо
100
ожидания
1 X + X + ... + X
2 100 MX + MX + ... + MX
1 2 100
MY = M -----------------------------------------------------
- = -------------------------------------------------------------------------- = 200 (м).
100 100
Применяя теорему о дисперсии суммы попарно независимых
случайных величин (результаты измерения естественно считать
независимыми), получим:
1 X + X + ... + X
2 100 DX + DX + ... + DX
1 2 100
- = ---------------------------------------------------------------------
DY = D ----------------------------------------------------- =
100 100 2
25 · 100
= ----------------------
2
= 0,25;
100
σ(Y) = DY = 0,5 (м).
б) Применяя неравенство Чебышёва для случайной величины Х1,
DX 25
получим P(|X1 – 200| > 3) m ------------1- = ------ , т. е. содержательноо ре-
9 9
зультата мы не получили (и заранее было известно, что вероят-
ность любоо события не превосходит 1). На самом деле эта вероят-
ность значительна, точное ее значение может быть найдено тольо
тода, ода полностью известен заон распределения результатов
измерений.
в) В силу неравенства Чебышёва,
DY 0,25
P(|Y – 200| > 3) m --------- = ------------ d 0,03.
9 9
Таим образом, для среднео арифметичесоо из 100 измерений
вероятность получить отлонение от среднео более 3 м уже очень
мала (на самом деле она еще значительно меньше полученной оцен-
и, та что пратичеси можно совсем не считаться с возможно-
стью таоо отлонения).
Пример 3. Пусть MX = a, DX = σ2. Оценить P(|X – a| m 3σ).

В соответствии с неравенством (2)
DX 8
P(|X – a| m 3σ) l 1 – ---------2- = --- .
9σ 9
Полученное неравенство часто называют npавилом тpех си м.

8
Оно имеет следующий смысл: с веpоятностью, близ ой 1  l ---  ,
9
значения случайной величины должны находиться в интеpвале
(a – 3σ; a + 3σ).
Можно ли событие «значение случайной величины содержит-

ся в интервале (a – 3σ; a + 3σ)» считать пратичеси досто-
верным? Если да, то по аому ритерию?
Пусть теперь X — случайная величина, имеющая биномиаль-

ное распределение с параметрами n и p. Та а МX = np, DX =
8
= np(1 – p), σ = np ( 1 – p ) , то с вероятностью, не меньшей --- , число
9
«успехов» в n испытаниях Бернулли должно находиться в интер-
вале  np – 3 np ( 1 – p ) ; np + 3 np ( 1 – p )  .
Если X — число выпадений двух ербов при 50 подбрасываниях

трех симметричных монет, то вероятность выпадения двух ербов
при подбрасывании трех монет можно вычислить по формуле Бер-
нулли
2 1 2 1 1 3
P3(2) = C 3 ·  ---  ·  ---  = --- .
2 2 8
Тода
3
МХ = np = 50 · --- = 18,75;
8
3 5
DХ = np(1 – p) = 50 · --- · --- d 11,72; σ(Х) d 3,42.
8 8
8
Ита, с вероятностью, близой 1  l ---  , число выпадений
9
двух ербов при 50 подбрасываниях трех монет должно находиться
в интервале (9; 29). Опыт с подбрасыванием трех симметричных
монет должен подтвердить этот проноз.
Проведите 50 опытов с подбрасыванием трех монет. Подтвер-

дился ли этот проноз?
Правило трех сим может быть использовано для провери

тоо, соласуется ли результат проведения испытаний Бернулли
с допущением о том, что вероятность «успеха» в аждом испыта-

нии равна заранее заданному числу p0.
Если хотя бы одно из наблюдаемых значений биномиальной
случайной величины с параметрами n и p0 не попадает в ин-
тервал
 np – 3 np ( 1 – p ) ; np + 3 np ( 1 – p )  ,
 0 0 0 0 0 0 
т. е. наблюдается пратичеси невозможное событие (по аому

ритерию?), то ипотезу о значении вероятности «успеха» следует
отвернуть. В противном случае нет оснований для отлонения рас-
сматриваемой ипотезы.
Почему событие «значение биномиально распределенной слу-

чайной величины с параметрами n и p0 не содержится в интер-
вале  np0 – 3 np0 ( 1 – p 0 ) ; np0 + 3 np0 ( 1 – p 0 )  » можно счи-
тать пратичеси невозможным? По аому ритерию?
Пример 4. Перед началом футбольноо матча одной из оманд

было высазано сомнение в симметричности монеты, с помощью
оторой судья определял, аая из оманд начинает иру с центра
поля. Для провери этих сомнений монета была подброшена 100 раз,
при этом ерб выпал 42 раза. Опроверают ли эти данные предпо-
ложение о правильности монеты?
Для получения ответа воспользуемся правилом трех сим.
Если предположение о правильности монеты верно, то случай-
ная величина «число выпадений ерба при 100 подбрасываниях
монеты» имеет биномиальное распределение с параметрами 100
и 0,5:
МХ = np = 100 · 0,5 = 50;
DХ = np(1 – p) = 100 · 0,5 · 0,5 d 25;
σ(Х) = 5.
Интервал, построенный по правилу трех сим, имеет вид

(50 – 3 · 5; 50 + 3 · 5), или (35; 65). Значение 42 рассматриваемой
случайной величины содержится в этом интервале. Данных, про-
тиворечащих предположению о правильности монеты, не полу-
чено. Следовательно, нет оснований отверать это предположе-
ние.
1. Известно, что МХ = а, DХ = 3. Пусть х1, ..., хr — все значе-

= σ2. Можно ли с помощью не- ния, оторые принимает слу-
равенства Чебышёва получить чайная величина X на отрезе
содержательную оцену для [– 2; 2], МX = 0, DX = 1. Что
1 можно сазать о величине p1 +
P  |X – a| m --- σ  ?
2 + p2 + ... + pr, де pk = P(X = xk),
2. Пусть МХ = 0, DX = 1. Уа- k = 1, 2, ..., r?
жите число: 4. Оцените Р(|Х – MХ|) m 2σ(X))
а) меньшее Р(–3 < Х < 3); (правило «двух сим»).
б) большее Р(|Х| > 2). 5. Имеет ли содержательный
смысл правило «одной симы»?
Задачи
393. Пусть случайная величина Х имеет заон распределения:
х 0 1 2 3
27 27 9 1
p ------ ------ ------ ------
64 64 64 64
Найдите вероятность тоо, что значения случайной величины Х

удалены от среднео значения на расстояние, не превышающее:
а) одноо среднео вадратичноо отлонения;
б) двух средних вадратичных отлонений;
в) трех средних вадратичных отлонений.
394. Пусть МХ = а, DX = σ2. При аом значении h веро-
ятность попадания значения случайной величины X на отрезо
[а – hσ; а + hσ] не меньше 0,9; 0,99?
395. Известно, что МХ = 5, DX = 1. Оцените
а) величину Р(2 m X m 8) снизу;
б) величину Р(|Х – 5| > 2) сверху;
в) при аом значении k выполняется неравенство Р(|Х – 5| m k) l
l 0,99?
396.* Сольо раз достаточно бросить правильный иральный
уби, чтобы с вероятностью 0,99 можно было утверждать, что от-
§ 4.9. Заон больших чисел 377
1
носительная частота выпадения «шестери» отличается от --- не бо-
6
лее чем на 0,05?
397. Частица пролетает свозь полощающий эран с вероят-
ностью 0,01.
а) Чему равны математичесое ожидание и дисперсия числа
пролетевших свозь эран частиц, если их было выпущено 100?
б) Оцените вероятность тоо, что свозь эран пролетит более
11 частиц?
398. Среднее значение числа браованных изделий при про-
вере 60 000 изделий оазалось равным 2400, а среднее вадра-
тичное отлонение — 48. Оцените вероятность тоо, что фати-
чесое число браованных изделий будет залючено между 2300
и 2500.
399. Оцените с помощью неравенства Чебышёва суммарную ве-
роятность всех значений, удаленных от среднео значения не более
чем на h средних вадратичных отлонений. При аих значениях h
полученная оцена не будет содержательной?
400. Предварительная оцена новоо леарства поазала, что
ео эффетивность равна 0,9. Для подтверждения или опровер-
жения этоо предположения оно было испытано на 100 больных.
В 83 случаях оно оазалось эффетивным. Каое решение об этом
леарстве можно принять на основании правила трех сим?
401. Симметричную монету подбрасывают 1600 раз. Оцените
вероятность получения при этом выпадения ерба:
а) более 1200 раз;
б) более 900 раз.
§ 4.9. Заон больших чисел

В предыдущих парарафах на основании эмпиричесих фатов
утверждалось, что относительная частота события приближенно
равна ео вероятности при достаточно большом числе испытаний.
Аналоично среднее арифметичесое независимых наблюдений
случайной величины при большом числе наблюдений приближен-
но равно математичесому ожиданию этой величины. Оазывает-
ся, что эти фаты можно доазать строо математичеси. Они и со-
ставляют содержание за она больших чисел.
Пусть Х1, ..., Хn — независимые измерения неоторой величи-
ны с одним и тем же математичесим ожиданием а и одним и тем
1
же средним вадратичным отлонением σ. Если Y = --- (X1 + ... + Xn),
n
σ
то, а установлено ранее, MY = a, σ(Y) = ------- . При любом ε > 0 в
n
соответствии с неравенством Чебышёва имеем
σ2
P(|Y – a| m ε) l 1 – ---------2 .
nε
Если число n велио, то правая часть последнео неравенства

близа 1, т. е. при достаточно большом n с вероятностью, близ-
ой 1, среднее арифметичесое n случайных величин а уодно
мXало (меньше, чем на произвольное ε > 0) отличается от их матема-
тичесоо ожидания.
Ита, доазана теорема.
ТЕОРЕМА 1. Если случайные величины Х1, ..., Хn независимы

и имеют одно и то же математичес ое ожидание a и одну и ту
же дисnеpсию, то их сpеднее аpифметичес ое npи достаточно
большом n с веpоятностью а уодно близ ой 1, будет а уод-
но мало отличаться от а.
Где в ходе доазательства теоремы 1 использовалась незави-

симость случайных величин?
σ
Почему MY = a, σ(Y) = ------- ?
n
Это простейший частный случай одной из лавных теорем тео-

рии вероятностей, та называемоо заона больших чисел. Ео до-
азал П. Л. Чебышёв (1821—1894).
На действии заона больших чисел основано ислючение случай-
ных ошибо измерения. Пусть измеряется неоторая величина х.
Обычно с помощью измерительных приборов нельзя определить ее
абсолютно точно. Существует неоторая порешность измерения,
обозначим ее через Х. Если MX − 0, то оворят, что прибор имеет
систематичес ую nоpешность. Изменив шалу, можно добиться
тоо, чтобы систематичесая ошиба отсутствовала, т. е. чтобы
МХ = 0. Пусть х1, ..., хn — результаты измерения величины х,
а Х1 = х1 – х, ..., Хn = хn – х — порешности соответствующих
измерений. Их можно считать независимыми случайными вели-
чинами. Посольу МХk = 0, то из теоремы Чебышёва следует,

что
n
1
P  --- ∑ Xk m ε  º 1, при n º ∞.
n
k=1
Ита, вычисляя среднее арифметичесое значений измерений

1 1
--- (x1 + ... + xn) = x + --- (X1 + ... + Xn),
n n
можно с большой точностью получить значение измеряемой вели-

чины, хотя все измерения проводились с порешностями.
Происходит это, разумеется, потому, что при замене отдельных
результатов измерения их средним арифметичесим случайные
отлонения в ту или друую сторону взаимно уничтожаются,
вследствие чео суммарное отлонение оазывается малым.

Важное и часто встречающееся на пратие использование ре-
зультатов теоремы Чебышёва состоит в том, что по сравнительно
небольшой пробе (выборе) судят о ачестве однородноо материа-
ла. Та, например, о ачестве хлопа, находящеося в ипе, судят
по несольим ео маленьим пучочам (штапелям), выхвачен-
ным случайно из разных мест ипы. О ачестве большой партии
зерна судят по несольим небольшим пурам (мерам), напол-
ненным случайно захваченными в пуру зернами из разных мест
оцениваемой партии. Суждения о ачестве продуции, сделанные
на основании таой выбори, обладают большой точностью, та
а, сажем, число зерен, захваченных в пуру, хотя и мало по
сравнению со всем запасом зерна, но само по себе велио и позволя-
ет, соласно заону больших чисел, достаточно точно судить о сред-
ней массе одноо зерна и, следовательно, о ачестве всей партии
зерна. Точно та же и о двадцатипудовой ипе хлопа судят по ма-
леньому штапелю, содержащему несольо сотен волоон, веся-
щих всео-навсео аую-нибудь десятую долю рамма.
Особенность теоремы Чебышёва состоит в том, что она примени-
ма любому распределению вероятностей с онечными средним
значением и дисперсией.
Заон больших чисел является статистичесим заоном, т. е.
таим заоном, оторый справедлив не для одноо аоо-либо яв-
ления, а для большоо оличества явлений, среди оторых хаотич-
но распределен неоторый общий призна.
Проиллюстрируем на примерах применение заона больших

чисел.
Пример 1. При определении средних харатеристи неотороо

биолоичесоо рода берут достаточно большое оличество особей
и проводят соответствующие измерения. Средние арифметичесие,
в силу заона больших чисел, дают достаточно хорошее приближе-
ние для средних величин по всему виду. Это значит, что для опре-
деления, например, средней массы особей данноо вида не нужно
взвешивать всех представителей, достаточно взвесить 100 незави-
симо отобранных особей.
Пример 2. Давление аза на стену сосуда определяется импуль-

сами молеул аза, соударяющихся со стеной. Для простоты возь-
мем молеулы, летящие перпендиулярно поверхности стени.
Если молеула массы m соударяется со стеной со соростью v, то
в результате упруоо удара ее сорость, оставаясь по модулю той
же, меняет зна. Изменение импульса этой молеулы равно 2mv.
Если за неоторое время t со стеной столнулось n молеул и их
сорости были v1, v2, ..., vn, то общее изменение импульса молеул
n
аза равно ∑ 2mvi. На основании второо заона Ньютона он ра-
i=1
вен импульсу силы со стороны стени на аз; т. е. произведению
силы на время. Сила воздействия стени сосуда на аз равна на ос-
новании третьео заона Ньютона силе воздействия аза на стену,
т. е. силе давления аза. Если площадь стени S, давление p, то
n n
2m
∑ 2mvi = tSp;
i=1
p = ---------
tS ∑ v i.
i=1
Сорости отдельных молеул случайны, справа стоит случай-

ная величина. Тем не менее давление аза постоянно. Это результат
действия заона больших чисел. Вместо суммы справа можно рас-
сматривать ее математичесое ожидание.
Ка следствие из теоремы Чебышёва, может быть получена
теоpема Беpнлли.
ТЕОРЕМА 2. Пусть событие А настуnает k pаз в n независи-

мых исnытаниях, p — веpоятность настуnления этоо события
в аждом исnытании. Тода для любоо ε > 0 P  --- – p m ε  → 1

k
n
npи n → ∞.
Эта теорема утверждает, что с вероятностью, соль уодно близ-

ой 1, при достаточно большом числе независимых опытов отно-
сительная частота события А а уодно мало отличается от ее ве-
роятности в аждом опыте. Утверждение теоремы Бернулли цели-
ом соласуется с эспериментально установленным свойством
устойчивости частот.
Доажем эту теорему.
Для доазательства обозначим через Хm число появлений со-
бытия А в m-м испытании (m = 1, 2, ..., n). Тода
k = X1 + X2 + ... + Xm, MXm = p, DXm = p(1 – p).
Случайные величины X1, X2, ..., Xm независимы. Выполняются

все условия теоремы Чебышёва. Отсюда следует утверждение тео-
ремы Бернулли.
Вспомните, а выводятся соотношения MXm = p, DXm =

= p(1 – p).
Каие условия теоремы Чебышёва надо проверить при доа-

зательстве теоремы Бернулли?
Теорема Бернлли является простейшей формой заона больших чисел.

Она принадлежит швейцарсом математи Я. Бернлли (1654—1705),
и была опблиована в 1713 ". Обобщение теоремы Бернлли полчил
С. Пассон (1781—1840). В отличие от теоремы Бернлли, Пассон допсает, что веро-
ятность настпления события в отдельных испытаниях может быть различной. Во вто-
рой половине ХІХ веа создатель российсой шолы теории вероятностей П. Л. Чебы-
шёв (1821—1894) при помощи неравенства, носяще"о теперь е"о имя, полчил в более
общей форме заон больших чисел — теорем Чебышёва. Из этой теоремы а след-
ствие полчаются теоремы Бернлли и Пассона. Условия применимости заона боль-
ших чисел в дальнейшем расширили рссие математии А. А. Маров (1856—1922),
А. Н. Колмо"оров (1903—1992), А. Я. Хинчин (1894—1959).
1. Пусть событие А наступает m а) Что означает неравенство:

раз в n независимых испытани-
m m
ях, p — вероятность события А ----- – p > ε; ----- – p m ε?
n n
в аждом испытании.
б) Что необходимо знать, чтобы в) Верно ли, что:

с помощью теоремы Бернулли 1
— P  ----- – p m 1  l 1 – ------- ;
m
оценить: n 4n
— точность приближенноо ра-
1
— P  ----- – p > 1  m ------- ?
m
m 4n
венства ----- d p; n
n
2. Пусть MX = 0, DX = 1. Уа-
— надежность приближенноо
жите число из промежута (0; 1),
m
равенства ----- d p? оторое меньше P(–3 m X m 3).
n
Задачи
402. Пусть МХ = 7, DX = 4.
а) Оцените с помощью неравенства Чебышева P(|X – 7| > 2,5);
P(1 m X m 13).
б) При аом значении k выполняется неравенство P(|X – 7| m k) l
l 0,99?
403. Пусть случайная величина Х принимает значения –с, 0, с
с вероятностями, равными p, 1 – 2p, p.
а) Найдите МХ и DХ.
б) Найдите зависимость между с и σ = DX при условии
P(|X – MX| l σ) = 1.
404. Имеем следующие результаты измерений: –8, –1, –1, 0, 0,
3
0, 0, 1, 1, 8. Проверьте, что по райней мере --- этих результатов
4
удалены от выборочноо среднео x на расстояние, не превышаю-
8
щее двух стандартных отлонений, и что по райней мере --- этих
9
результатов удалены от x на расстояние, не превышающее трех
405.* Среднее значение измеряемой величины равно 200 м,
а среднее вадратичное отлонение равно 5 м. Эту величину изме-
рили n раз. При аих значениях n вероятность тоо, что среднее
арифметичесое результатов измерений отличается по модулю от
ео среднео значения более чем на:
а) 0,5 м; б) 0,1 м,
не превосходит 0,01?
406. Чтобы определить прочность волоон хлопа в данной
партии, случайным образом отобрали 1000 образцов и испытали
§ 4.10. Нормальное распределение 383
их на разрыв. При этом оазалось, что средняя прочность образцов

была 5,2 /мм2. Оцените вероятность тоо, что ошиба при опреде-
лении средней прочности волоон не превзойдет 0,3 /мм2, если из-
вестно, что дисперсия прочности образцов не превосходит 1,2. Сред-
нюю прочность образцов волоон во всей партии принять равной ма-
тематичесому ожиданию средней прочности отобранных образцов.
407. Вероятность тоо, что автомат, продающий воду, при опус-
ании в нео монеты будет работать безошибочно, равна 0,96. Вос-
пользовавшись теоремой Бернулли, найдите, сольо следует про-
вести испытаний правильности работы автомата, чтобы с вероят-
ностью не меньшей 0,99 можно было утверждать, что отлонение
относительной частоты правильной работы автомата от вероятнос-
ти ео правильной работы по модулю не превосходит 0,03.
408. Стано-автомат изотовляет валии, средний диаметр о-
торых равен 10 см. Диаметры отдельно взятых валиов отличают-
ся от среднео в ту или иную сторону. Известно, что дисперсия диа-
метров валиов не превосходит 0,007. У сольих изотовленных
валиов необходимо проверить величину диаметров, чтобы с веро-
ятностью не меньшей 0,95 можно было утверждать, что их средний
диаметр отличается от математичесоо ожидания этоо среднео
(10 см) не более чем на 0,04 см?
409. Дана последовательность независимых случайных величин
Х1, Х2, ..., Хn, ..., аждая из оторых имеет заон распределения
х – 3 0 3
1 1 1
p --- --- ---
3 3 3
Применима ли этой последовательности теорема Чебышёва?
§ 4.10. Нормальное распределение

В § 4.1 уже упоминалось о том, что различают дисретные и не-
прерывные случайные величины. До сих пор рассматривались
дисретные случайные величины. Непрерывная случайная вели-
чина может принимать любое значение из неотороо интервала.
Например, дальность полета снаряда, величина ошиби измере-
ния являются примерами непрерывных случайных величин. Для
таих случайных величин предпочтительнее уазывать вероятнос-
ти не отдельных их значений, а целых участов таих значений,
например вероятность тоо, что ошиба измерения залючена в пре-

делах от –0,5 до +0,5 мм. Но в любом случае, чтобы иметь представ-
ление о случайной величине, нужно знать ее распределение.
Получить представление о распределении случайной величины
можно чисто опытным путем, анализируя, например, исторам-
мы частот. Но зачастую эта задача становится очень трудоемой,
требует проведения большоо числа опытов. Поэтому естественны-
ми были попыти чисто теоретичеси установить общие типы рас-
пределений, наличие оторых можно было бы предсазывать, а по-
том подтверждать эти предположения с помощью эспериментов.
В частности, этим путем пришли ноpмальным pасnpеделе-
ниям случайных величин. Оазалось, что заон распределения
случайной величины, являющейся суммой очень большоо числа
независимых в совоупности случайных величин, аова бы ни
была природа слааемых, лишь бы аждое из них было мало по
сравнению со всей суммой, должен быть близо нормальному
заону.

Приведем примеры явлений, протеающих по тольо что
описанной схеме.
При стрельбе из орудия по цели неизбежны отлонения точи
попадания снаряда от точи прицеливания. Это — хорошо извест-
ное явление рассеяния снарядов. Та а рассеяние является ре-
зультатом воздействия оромноо числа независимо действующих
фаторов (например, неправильности в обточе стаана снаряда,
олови снаряда, олебания в плотности материала, из отороо
выточена олова снаряда, ничтожные олебания оличества
взрывчатоо вещества в различных снарядах, малые, незаметные
для лаза ошиби в наводе орудия, ничтожные изменения состоя-
ния атмосферы при различных стрельбах и мноие друие), аж-
дый из оторых лишь ничтожно мало влияет на траеторию снаря-
да, то из приведенных выше соображений оно должно подчиняться
нормальному заону.
Кода производится аое-нибудь наблюдение с целью измерить
ту или иную физичесую онстанту, то на результат наблюдения
неизбежно влияет оромное оличество фаторов, аждый из ото-
рых в отдельности невозможно учесть, но оторые порождают ошиб-
и в измерении. Сюда относятся ошиби в состоянии измерительно-
о прибора, поазания отороо моут нечувствительно меняться
под влиянием различных атмосферных, тепловых, механичесих
и друих причин. Сюда таже относятся ошиби наблюдателя,
вызываемые особенностями ео зрения или слуха и таже нечувст-

вительно меняющиеся в зависимости от психичесоо или физиче-
соо состояния наблюдателя. Таим образом, фатичесая ошиба
измерения является результирующей оромноо оличества нич-
тожных по величине, независимых между собой ошибо, завися-
щих от случая. Поэтому можно ожидать, что ошиби наблюдений
будут подчинены нормальному заону распределения.
Ранее биномиальные заоны распределения изображались ра-

фичеси, в виде диарамм. Точно таже можно изображать заоны
распределения произвольных дисретных случайных величин. На
оризонтальной оси отладывают все различные значения данной
случайной величины. Против аждоо возможноо значения от-
ладывают по вертиали вверх вероятность этоо значения. Масш-
таб в обоих направлениях выбирают таой, чтобы вся диарамма
имела удобную и лео обозримую форму. Из рис. 54 лео устано-
вить, например, что наивероятнейшим значением случайной вели-
чины является х5. Вероятность тоо, что случайная величина при-
мет значение, залюченное в интервале (α; β), по теореме сложения
вероятностей равна сумме вероятностей всех возможных значе-
ний, лежащих в этом интервале, и еометричеси изображается
суммой длин вертиальных отрезов, расположенных над этим от-
резом: Р(α < Х < β) = p1 + p2 + p4 + p5.
Чему равна вероятность Р(х6 < Х < х2)?
Рис. 54
Если число возможных значений случайной величины очень ве-

лио, то, для тоо чтобы чертеж не сильно растянулся по оризон-
тали, выберают большой масштаб в оризонтальном направлении,
вследствие чео возможные значения располааются достаточно
усто, та что верхние онцы вертиальных отрезов пратичеси

сливаются в одну сплошную линию, оторую называют pивой
pасnpеделения данной случайной величины (рис. 55).
Предположим, что расстояния между двумя возможными со-
седними значениями случайной величины равны 1. Тода длина
аждоо вертиальноо отреза численно равна площади прямо-
уольниа, высотой отороо служит этот отрезо, а основанием —
равное 1 расстояние от нео до соседнео отреза (рис. 56). Тода
вероятность Р(α < Х < β) рафичеси может быть изображена сум-
мой площадей прямоуольниов, расположенных над интервалом
(α; β).
Если возможные значения

случайной величины расположе-
ны очень усто, то сумма площа-
дей таих прямоуольниов пра-
тичеси не будет отличаться от
площади риволинейной фиуры,
ораниченной снизу отрезом
[α; β], сверху — ривой распреде-
ления, а с боов — вертиальны-
Рис. 57
ми отрезами, проведенными из
точе α и β (рис. 57).
Если заон распределения случайной величины задан таой
риволинейной диараммой, то вопрос о вероятности отдельных
значений теряет свою атуальность: если значений очень мноо, то
вероятности отдельных значений будут пратичеси равны нулю.
Та, при измерении дальности стрельбы орудия совсем несущест-
венно знать, что место попадания отлонится от цели ровно на
156 см. Более важной является вероятность тоо, что отлонение
места попадания от цели залючено, например, в промежуте от
–1 до 1 м. Друими словами, интерес представляют вероятности то-
о, что случайная величина примет значения на заданных отрез-
ах. Но эти вероятности задаются налядно и непосредственно на
риволинейных диараммах.
Случайная величина, распределенная по ноpмальному за ону,

принимает бесонечное множество значений, поэтому нормальные
заоны удобно рафичеси изображать риволинейными диарам-
мами. На рис. 58—60 представлены ривые распределения по нор-
мальному заону. Несмотря на различия, они имеют общие черты.
1) все ривые имеют наивысшую точу, при удалении от ото-
рой точи ривой понижаются;
2) все ривые симметричны относительно вертиальной пря-
мой, проведенной через наивысшую точу;
3) все ривые имеют олоолообразную форму.
Для всяой ривой распределения площадь, расположенная
под ней, равна 1, та а эта площадь равна вероятности тоо, что
Рис. 60
данная случайная величина примет аое бы то ни было из своих

значений, т. е. вероятности достоверноо события.
Более вероятным оазывается наблюдение значений вблизи
центра ривой, там, де она поднимается выше. Вблизи раев, де
ривая проходит ниже, наблюдение соответствующих значений
оазывается менее вероятным.
Вероятность тоо, что значение попадет в неоторый интервал
на числовой прямой, равна площади соответствующей области под
ривой (см. рис. 61).
Особенностью нормальноо распределения является то, что, зная
тольо среднее значение и среднее вадратичное отлонение, можно
вычислить любую представляющую интерес вероятность (онечно,
при условии, что распределение — действительно нормальное).
Для любой омбинации значений среднео и среднео вадра-
тичноо отлонения можно построить свой рафи. Кривая сдвиа-
ется вправо или влево таим образом, что вершина «олоола»
располаается над средним значением, и растяивается или сжи-
мается та, что масштаб по оризонтали соответствует среднему
вадратичному отлонению.
На рис. 61 изображено нормальное распределение со средним а
и средним вадратичным отлонением σ. Обратите внимание на
то, что среднее может быть любым действительным числом, сред-
нее вадратичное отлонение — любым положительным числом.
На рис. 62 изображены два различных нормальных распределе-
ния. Кривой, расположенной левее, соответствует среднее значе-
ние 20 и среднее вадратичное отлонение 5. Расположенной спра-
Рис. 61
ва ривой соответствует среднее значение 40 и среднее вадратич-

ное отлонение 10.
Нормальное распределение со средним значением а = 0 и сред-
ним вадратичным отлонением σ = 1 называют стандаpтным
ноpмальным pасnpеделением. Случайную величину, имеющую
стандартное нормальное распределение, будем обозначать через Z.
Составлены таблицы вероятностей тоо, что случайная величина Z,
имеющая стандартное нормальное распределение, принимает зна-
чение меньше заданноо числа z (см. Приложение, табл. П.1).
Например, вероятность тоо, что величина Z меньше 1,54, равна
Р(Z < 1,54) = 0,9382. Имея эту таблицу, можно вычислить следую-
щие вероятности:
Р(Z < z) — вероятность тоо, что Z меньше z — находится по
таблице;
Р(Z > z) — вероятность тоо, что Z больше z — из 1 вычитается
предыдущий результат, а вероятность противоположноо со-
бытия;
Р(z1 < Z < z2) — вероятность тоо, что Z лежит между z1 и z2 —
из вероятности Р(Z < z2) вычитается вероятность Р(Z < z1), ото-
рые находятся по таблице (на основании теоремы сложения веро-
ятностей);
Рис. 62
Р((Z < z1) + (Z > z2)) — вероятность тоо, что Z лежит за преде-
лами интервала от z1 до z2 — из 1 вычитается предыдущий резуль-
тат (свойство вероятностей противоположных событий).
Противоположным событию (Z < z) является не событие

(Z > z), а событие (Z l z). Почему можно считать, что Р(Z > z) =
= 1 – Р(Z < z)?
Противоположным событию (z1 < Z < z2) является не событие

((Z < z1) + (Z > z2)), а событие ((Z m z1) + (Z l z2)). Почему
можно считать, что Р((Z < z1)+ (Z > z2)) = 1 – Р(z1 < Z < z2)?
Случайную величину, имеющую произвольное нормальное рас-

пределение, можно выразить через случайную величину, имеющую
стандартное нормальное распределение, если тольо известны сред-
нее значение данной случайной величины и среднее вадратичное
отлонение. Поэтому нет необходимости составлять таблицы веро-
ятностей для аждой возможной омбинации среднео значения
и среднео вадратичноо отлонения.
Мы не будем доазывать сформулированное утверждение, а по-
ажем на примерах, а это делается.
Пример 1. На стане изотовляют неоторую деталь. Ее длина

представляет собой случайную величину, распределенную по нор-
мальному заону со средним значением 20 см и средним вадра-
тичным отлонением 0,2 см.
а) Найти вероятность тоо, что длина детали будет залючена
между 19,7 и 20,3 см, т. е. что отлонение от среднео в ту или
иную сторону не превзойдет 0,3 см.
б) Каую точность длины изделия можно арантировать с веро-
ятностью 0,95?
а) Обозначим длину детали через Х. Требуется найти Р(19,7 <
< X < 20,3), или Р(|X – 20| < 0,3).
Перейдем от случайной величины Х случайной величине
X–a X – 20
Z = -------------- = ------------------ . Эта случайная величина имеет стандартное
σ 0,2
нормальное распределение (а раз это утверждение мы не будем
доазывать). Нетрудно доазать, что математичесое ожидание
случайной величины Z равно 0, а дисперсия — 1. Воспользуемся
свойствами математичесоо ожидания и дисперсии случайной ве-
личины. Эти свойства были доазаны для дисретных случайных

величин, они остаются справедливыми и для непрерывных.
Действительно,
X–a 1 1
MZ = M -------------- = --- (MX – a) = --- (a – a) = 0;
σ σ σ
X–a 1 σ2
DZ = D -------------- = -----2- DX = -----2- = 1.
σ σ σ
Основную трудность составляет доазательство тоо, что слу-

чайная величина Z имеет нормальное распределение.
Далее, вычитая из всех трех частей неравенства 19,7 < X < 20,3
среднее значение 20 и разделив все три части полученноо неравен-
ства на среднее вадратичное отлонение 0,2, имеем:
P(19,7 < X < 20,3) = P(19,7 – 20 < X – a < 20,3 – 20) =

0,3 X–a 0,3
= P(–0,3 < X – a < 0,3) = P  – --------- < -------------- < ---------  =
0,2 σ 0,2
= P(–1,5 < Z < 1,5) = P(Z < 1,5) – P(Z < –1,5) =
= 0,9332 – 0,0668 = 0,8664.
Ита, ооло 87% всех деталей, изотовленных при данных ус-

ловиях, будут иметь длины между 19,7 и 20,3 см; остальные 13%
деталей будут иметь большие отлонения от среднео.
Заметим, что Р(Z < 1,5) = 1 – P(Z < –1,5) = 0,9332 = 1 – 0,0668.
Оазывается, этот фат имеет место для произвольноо числа с:
Р(Z < с) = 1 – P(Z < –с).
В этом можно убедиться, рас-

сматривая ривую стандартноо
нормальноо распределения и ис-
пользуя ее симметричность отно-
сительно оси ординат.
Из рис. 63 видно, что Р(Z <
< –c) = P(Z > c). По свойству ве-
роятностей противоположных со-
бытий, P(Z > c) = 1 – P(Z < c).
Поэтому Р(Z < –c) = 1 – P(Z < c).
б) Требуется найти таое поло-
жительное число с, для отороо
Р(|X – 20| < с) > 0,95. Рис. 63

Число с и называют точностью длины изделия, оторую мож-

но арантировать с вероятностью 0,95 (или с надежностью 0,95).
Вычисления, проведенные при решении первой части данноо при-
мера, оворят о том, что 0,3 является точностью длины детали, но
с надежностью 0,866.
Разделив обе части неравенства |X – 20| < с на среднее вадра-
тичное отлонение σ = 0,2 и переходя от модуля двойному нера-
венству, получим:
X – 20
0,95 < P(|X – 20| < c) = P  -------------------- < ---------  =
c
σ 0,2
X – 20
= P  – --------- < ------------------ < ---------  = P  – --------- < Z < ---------  =
c c c c
0,2 σ 0,2 0,2 0,2
= P  Z < ---------  – P  Z < – ---------  = P  Z < ---------  – 1 + P  Z < ---------  =

c c c c
0,2 0,2 0,2 0,2
= 2P  Z < ---------  – 1.
c
0,2
Отсюда P  Z < ---------  > 0,975.

c
0,2
Воспользовавшись таблицей для стандартноо нормальноо рас-
c
пределения, получим, что --------- = 5c > 1,96, или с > 0,392.
0,2
Таим образом, с вероятностью, превосходящей 0,95, можно а-
рантировать, что отлонение длины детали от среднео не превзой-
дет 0,4 см.
Имеет ли место равенство Р(Z < –c) = 1 – P(Z < c) для нор-
мальноо распределения, отличноо от стандартноо?
Пример 2. Руоводство фирмы высазало претензии отделу

пронозов: объем продаж на теущий вартал пронозировался на
уровне 18 млн р., однао достинутый уровень составил 21 300 000 р.
На следующий вартал пронозируется объем продаж в 20 млн р.
со средним вадратичным отлонением (оторое установлено на ос-
новании прошлоо опыта работы) в 3 млн р. Предполаая, что объем
продаж имеет нормальное распределение с центром в пронозируе-
мом значении, найти вероятность тоо, что в следующем вартале
объем продаж составит:
а) меньше 15 млн р., т. е. вартал будет очень неудачным;

б) больше 24 млн р., т. е. вартал будет очень удачным;
в) от 16 млн р. до 23 млн р., т. е. вартал будет типичным;
) либо меньше 16 млн р., либо больше 23 млн. р., т. е. вартал
будет необычным.
От случайной величины Х — объема продаж — перейдем слу-
X–a
чайной величине Z = -------------- , имеющей стандартное нормальное рас-
σ
пределение.
а) Требуется найти Р(Х < 15 000 000). Аналоично решению
предыдущео примера имеем (в дальнейшем будем выражать дан-
ные в млн р.):
X–a 15 – 20
P(X < 15) = P  -------------- < -------------------  = P(Z < –1,67) = 0,0475,
σ 3
т. е. вартал оажется неудачным с вероятностью примерно рав-

ной 5%. Эта вероятность невелиа, но и ее не следует недооцени-
вать.
б) Требуется найти Р(Х > 24). Воспользовавшись свойством ве-
роятностей противоположных событий, получим:
X–a 24 – 20
P(X > 24) = 1 – P(X < 24) = 1 – P  -------------- < -------------------  =
σ 3
= 1 – P(Z < 1,33) = 1 – 0,9082 = 0,0918,
т. е. с вероятностью, примерно равной 9%, вартал будет удачным.
в) Требуется найти Р(16 < Х < 23).
16 – 20 X–a 23 – 20
P(16 < X < 23) = P  ------------------- < -------------- < -------------------  =
3 σ 3
= P(–1,33 < Z < 1,00) = P(Z < 1,00) – P(Z < –1,33) =
= 0,8413 – 0,0918 = 0,7495,
т. е. с вероятностью, примерно равной 75%, вартал будет типич-
ным.
) Требуется найти Р(Х < 16 или Х > 23). Снова применив свой-
ство вероятностей противоположных событий, получим:
Р(Х < 16 или Х > 23) = 1 – Р(16 < Х < 23) =
= 1 – 0,7495 = 0,2505,
т. е. с вероятностью, примерно равной 25%, вартал будет необыч-
ным.
Почему можно считать, что объем продаж имеет нормальное

распределение?
На рис. 64 изображена
ривая нормальноо распре-
деления со средним 20 и сред-
ним вадратичным отлоне-
нием 3. Выделите (различной
штриховой) области под этой
ривой, соответствующие ве-
роятностям, рассмотренным
в заданиях а)—).
Для вычисления вероят- Рис. 64
ностей, рассмотренных в при-
мерах 1 и 2, можно воспользоваться прораммой Excel — фун-
ция (=НОРМРАСП(Значение; Среднее; СтандОтл; Истина)). Эта
фунция дает возможность найти вероятность тоо, что случайная
величина, имеющая нормальное распределение с неоторыми сред-
ним и средним вадратичным отлонением, оажется меньше не-
отороо значения.
Выполните вычисления, необходимые для решения приме-

ров 1 и 2 с помощью прораммы Excel.
1. Каие из следующих случай- д) число людей, обратившихся

ных величин являются дис- в фирму по объявлению о нали-
ретными, а аие — непрерыв- чии ваансии?
ными: 2. Почему можно считать, что
а) число попыто, оторые нуж- урожайность пшеницы у оп-
но сделать, чтобы запустить дви- ределенноо фермера может
атель; иметь нормальное распределе-
б) число аварий на перересте; ние?
в) дальность полета снаряда; 3. Если известно, что урожай-
) диаметр валиа, изотовлен- ность пшеницы у фермера име-
ноо на стане; ет нормальное распределение,
то может ли она иметь стан- в) Р(Х > 11) и Р(Х < 10);
дартное нормальное распреде- ) Р(Х > 2) и Р(Х l 2).
ление? 5. Если случайная величина име-
4. Случайная величина Х име- ет нормальное распределение со
ет нормальное распределение со средним 10 и дисперсией 4, то
средним 10. Сравните: аое распределение имеет слу-
а) Р(Х > 10) и Р(Х < 10); X – 10
чайная величина ------------------ ?
б) Р(Х > 10) и Р(Х < 9); 2
Задачи
410.° В обычных условиях нефтепереонный завод может пере-
рабатывать в среднем 135 000 баррелей сырой нефти в день со сред-
ним вадратичным отлонением 6000 баррелей в день. Предпола-
ая, что объем обрабатываемой нефти подчиняется нормальному
распределению, найдите вероятность тоо, что за один день будет
переработано:
а) более чем 135 000 баррелей нефти;
б) более чем 130 000 баррелей нефти;
в) более чем 150 000 баррелей нефти;
) менее чем 125 000 баррелей нефти;
д) менее чем 100 000 баррелей нефти.
411.° По стандарту требуется, чтобы диаметр лапана находил-
ся в пределах от 2,53 до 2,57 см. Оборудование, на отором произ-
водятся лапаны, налажено та, что средний диаметр лапана ра-
вен 2,56 см, а среднее вадратичное отлонение составляет 0,01 см.
Предполаая, что диаметр лапана имеет нормальное распределе-
ние, найдите, аой процент произведенных в течение длительно-
о времени лапанов будет соответствовать стандарту.
412. В момент зарытия биржи значение индеса ативности
было равно 9246 пунтам. На следующий день ожидается подъем
в среднем на 4 пунта со средним вадратичным отлонением
115 пунтов. Предполаая, что величина индеса имеет нормаль-
ное распределение, найдите вероятность тоо, что на следующий
день будет наблюдаться:
а) снижение индеса ативности;
б) повышение индеса ативности более чем на 50 пунтов;
в) повышение индеса ативности более чем на 100 пунтов;
) снижение индеса ативности более чем на 150 пунтов;
д) олебание, превышающее 200 пунтов в любую сторону.
413.* Для неоторых пратичесих вопросов считают, что

случайная величина Х, распределенная по нормальному заону,
не обнаруживает отлонения от среднео, больше, чем на три
средних вадратичных отлонений. Каие для этоо имеются ос-
нования?
414. Каова вероятность тоо, что случайная величина Х, рас-
пределенная по нормальному заону, отлоняется от среднео не
больше, чем на два средних вадратичных отлонения?
415. Стрельбу ведут из неоторой точи вдоль неоторой пря-
мой. Средняя дальность полета снаряда равна 1200 м. Предпола-
ая, что дальность полета распределена по нормальному заону со
средним вадратичным отлонением 40 м, найдите, аой процент
выпусаемых снарядов даст перелет от 60 до 80 м.
416.* Предположим, что случайная величина Х имеет биноми-
альное распределение с параметрами 100 и 0,1, а случайная вели-
чина Y — нормальное распределение, причем ее среднее значение
и среднее вадратичное отлонение совпадают соответственно со
средним значением и средним вадратичным отлонением случай-
ной величины Х. Сравните:
а) Р(Х = 8) и Р(7,5 < Y < 8,5);
б) Р(15 < Х < 23) и Р(14,5 < Y < 23,5).
417.* Решите задачу 416, а в предположении, что случайная
величина Х имеет биномиальное распределение с параметрами 10
и 0,1. Чем вы объясните существенное различие результатов?

К § 4.1. Слчайная величина, заон ее распределения
418. Проводят независимые испытания, в аждом из оторых
с вероятностью 0,6 может наступить событие А. Испытания прово-
дят до первоо наступления события А, но общее число испытаний
не превышает четырех. Найдите:
а) заон распределения числа испытаний;
б) вероятность тоо, что будет проведено более двух испытаний.
419. Стрело, имея три патрона, стреляет до первоо попада-
ния в цель. Вероятность попадания в цель при аждом выстреле
равна 0,7. Найдите заон распределения числа выстрелов, выпол-
ненных стрелом.
420. Два правильных тетраэдра, рани аждоо из оторых

пронумерованы цифрами 1, 2, 3, 4, брошены на пол. Составьте за-
он распределения:
а) суммы номеров нижних раней двух тетраэдров;
б) разности номеров нижних раней первоо и второо тетраэд-
ров;
в) наибольшео из номеров нижних раней двух тетраэдров;
) наименьшео из номеров нижних раней двух тетраэдров.
421.* Три человеа сдали свои шляпы в ардероб. В связи с тем
что потух свет, шляпы возвращались науад. Составьте заон рас-
пределения числа людей, оторые получат свои собственные шля-
пы.
422. Подброшены три симметричные монеты. Найдите заон
распределения:
а) числа выпавших ербов;
б) разности между числом выпавших ербов и числом выпав-
ших цифр.
Постройте рафии этих заонов распределения.
423. Из чисел от 1 до 20 науад выбирают одно число.
а) Составьте заон распределения числа ео делителей.
б) Вычислите вероятность тоо, что выбранное число имеет не
менее трех делителей.
424. В урне пять белых и 10 расных шаров. Науад вынимают
два шара. Составьте заон распределения числа извлеченных рас-
ных шаров.
425.* Иро, заплатив за вход в иральный салон, получает
право трижды бросить иральный уби. После броса он получает
выирыш. Составьте заон распределения выирыша, состоящео
из стольих денежных единиц, сольо составляет:
а) сумма очов, не выпавших ни разу;
б) масимальное число очов, не выпавшее ни разу;
в) минимальное число очов, не выпавшее ни разу.
426. Инода для принятия решения используют жребий с по-
мощью пальцев. Два ироа одновременно поазывают один или
больше пальцев правой руи. Составьте заон распределения сум-
мы оличеств пальцев, поазанных ироами.
427. Партия из восьми телевизоров содержит три неисправных
телевизора. Из этой партии науад выбирают два телевизора. Со-
ставьте заон распределения числа неисправных телевизоров сре-
ди выбранных.
К § 4.2. Математичесое ожидание слчайной величины

428. В соответствии со статистичесими данными вероятность
тоо, что 25-летний челове проживет еще один од, равняется 0,998.
Страховая ампания предлаает 25-летнему человеу застраховать-
ся на сумму 10 000 р., страховой взнос равняется 30 р. Каую при-
быль ожидает получить страховая ампания при страховании од-
ноо 25-летнео человеа?
429. Завод выпусает массовую продуцию. Если изделие, из-
отовленное заводом и реализованное, выходит из строя на протя-
жении ода, то ео заменяют запасным. Для определения необхо-
димоо числа запасных изделий были проведены наблюдения в 50
пунтах, в аждом из оторых продали по 100 изделий. Выясни-
лось, что на протяжении ода в 15 случаях ни одно изделие не выш-
ло из строя, в 15 — одно, в 10 — два, в шести — три, в трех —
четыре и в одном пять изделий вышли из строя. Считая, что выход
из строя запасноо изделия невозможен, найдите среднее число за-
пасных изделий, оторое необходимо выпусать заводу на аждые
100 изделий.
430. Два ироа ирают в таую иру. Первый иро дает вто-
рому 50 р., а потом бросает иральный уби. Если выпадет n оч-
ов, то первый получает max (10n, 70 – 10n) р. от второо. Для оо
из ироов выодна эта ира?
431. При аждом ходе иро бросает иральный уби и полу-
чает стольо очов, сольо выпадет. Вдобаво, если выпадет шесть
очов, он тут же бросает уби вторично и получает дополнительно
стольо очов, сольо выпадет. Сольо в среднем очов получа-
ет иро за один ход?
432. Для условий задачи 425 установите, аую плату за вход
в иральный салон можно считать справедливой.
433.* Рассмотрим таую иру. Сначала нужно упить любое
оличество жетонов по 20 р. за жетон. Потом иро бросает ираль-
ный уби и фисирует число выпавших очов. Если выпало а оч-
ов, то за а жетонов он получает по 30 р. за жетон, а за остальные —
по 10 р. Сольо жетонов целесообразно поупать?
434. Иральный автомат имеет два ооша, в аждом из ото-
рых появляются две артини. В аждом ооше может появиться
одна из трех артино, называемых «звоном», «яблоом» и «виш-
ней». Машина построена таим образом, что артини в оошах
появляются независимо одна от друой. После тоо а автомат за-

пустили, в аждом ооше появляется одна артина. Вероятнос-
ти появления артино представлены в таблице 4.12.
Таблица 4.12
Резльтат Звоно Вишня Яблоо

Вероятность 0,4 0,5 0,1
Для запуса автомата необходимо заплатить 5 р. Иро получа-

ет в случае появления двух артино «яблоо» — 50 р., двух ар-
тино «звоно» — 10 р., двух артино «вишня» — 5 р.
Во всех остальных случаях иро ничео не получает. Найдите
математичесое ожидание чистоо выирыша для ироа, запла-
тившео 5 р.
435. Четыре одинаовые элетричесие лампочи временно вы-
ручивают из патронов и убирают в ящи. Потом их науад выни-
мают из нео и вручивают в патроны. Чему равняется математи-
чесое ожидание числа лампоче, оторые попали в тот патрон, из
отороо они были выручены?
436. Случайная величина Х принимает значения –1, 0, 1. Из-
вестно, что МХ = 0,1; МХ2 = 0,9. Найдите вероятности, с оторы-
ми Х принимает свои значения.
437. Рассмотрим таую иру. В урне пять белых шаров и один
черный. Иро науад извлеает два шара и за аждый извле-
ченный белый шар получает 10 р., за черный — 100 р. За участие
в этой ире надо платить. При аой стоимости участия в ире она
принесет ее оранизатору прибыль?
438. Вероятность тоо, что 50-летний челове будет жить еще
один од, равняется 0,988. Каую страховую премию может назна-
чить наследниам этоо человеа страховая ампания в случае ео
смерти, если он упил страховой полис стоимостью 10 000 р., без
учета административных затрат, прибыли и т. п.?
439. Пусть в ире в спортлото «5 из 36» заранее известно, что
при 5, 4, 3 уаданных номерах выирыш равняется соответственно
100 000, 1750, 80 р. Аналоично пусть в спортлото «6 из 49» заранее
известно, что при 6, 5, 4, 3 уаданных номерах выирыш равняется
соответственно 100 000, 27 300, 420, 30 р. Каая из ир оазывает-
ся более выодной для ироа, оторый собирается ирать доволь-
но мноо раз, если цена одноо билета в обеих лотереях одинаовая?
К § 4.3. Свойства математичесоо ожидания

440.° Найдите математичесое ожидание суммы числа очов,
оторые выпадают при бросании двух иральных убиов.
441. Производят три выстрела с вероятностями попадания
в цель, равными соответственно 0,4; 0,3; 0,6. Найдите среднее
число попаданий.
442.° Для условий задачи 418 (с. 396) найдите среднюю стоимость
испытаний, если стоимость одноо испытания составляет 450 р.
443. За выход оборудования из строя предприятие, изотовив-
шее это оборудование, должно уплатить штраф за простой, поло-
вину стоимости материала, расходуемоо на ремонт, и четвертую
часть трудозатрат на ремонт. Математичесие ожидания штрафа
за простой, стоимости материала, трудозатрат на ремонт равны со-
ответственно 10 000, 5000 и 3000 р. Найдите математичесое ожи-
дание общей суммы затрат при выходе оборудования из строя.
444. Число заяво, оторые поступают в две прачечные за один
час, имеет соответственно заоны распределения:
x 0 1 2 3 4 x 0 1 2 3 4
p 0,05 0,1 0,2 0,25 0,4 p 0,1 0,15 0,15 0,25 0,35
а) Каая прачечная больше заружена работой?

б) Найдите среднее число заяво, оторые поступают в первую
прачечную за семь часов.
в) Каое среднее число заяво поступает в обе прачечные за
один час?
445. Иральный уби бросают 10 раз. Пусть Х — число появ-
лений шестери. Вычислите среднее число появлений шестери.
446. В промежуте времени от 16 до 17 часов в понедельни мо-
жет произойти или 0, или 1, или 2, или 3 автомобильные аварии;
вероятности этоо соответственно равны 0,94; 0,03; 0,02; 0,01. Най-
дите среднее число аварий:
а) в уазанный промежуто времени;
б) на протяжении 100 таих промежутов.
447. Испытывают техничесое устройство, состоящее из трех
приборов. Вероятности выхода из строя для этих приборов соответ-
ственно равны 0,1; 0,05; 0,15. Найдите математичесое ожидание
числа приборов, вышедших из строя.
448.* В урне две монеты по 5 р., две — по 10 р. и две — по 1 р.

Иро имеет право науад вытащить для себя три монеты. Сольо
можно заплатить за это право, т. е. чему равняется цена иры?
К § 4.4. Формла Бернлли

449.° На испытательный стенд поставлено 4 онденсатора. Ве-
роятность пробоя онденсатора до истечения 1000 часов равна
0,01. Найдите вероятность тоо, что в течение испытания отажет:
а) ровно три онденсатора;
б) не более одноо онденсатора;
в) хотя бы один онденсатор.
450.° Вратарь парирует в среднем 30% всех одиннадцатимет-
ровых штрафных ударов. Каова вероятность тоо, что он:
а) возьмет ровно два из четырех мячей;
б) возьмет хотя бы один из четырех мячей;
в) не возьмет ни одноо из четырех мячей?
451. Что вероятнее выирать у равносильноо противниа: три
партии из четырех или пять из восьми?
452.° Из 10 выстрелов стрело поражает цель в среднем восемь
раз. Каова вероятность тоо, что из трех независимых выстрелов
он точно два раза попадет в цель?
453. Подбрасывают пять симметричных монет. Каова вероят-
ность тоо, что выпадет:
а) ровно три ерба;
б) более одноо ерба;
в) хотя бы один ерб?
454. Промышленную продуцию определенноо вида изотав-
ливают большими партиями. Из аждой партии случайным обра-
зом выбирают 20 изделий. Партию принимают, если выбора со-
держит не более трех дефетных изделий. Каова вероятность при-
нятия партии, если в процессе производства в среднем 10% изделий
получаются дефетными?
455. Стрело производит три независимых выстрела по мише-
ни. Вероятность попадания при аждом выстреле равна 0,9. Со-
ставьте заон распределения числа попаданий.
456. Устройство состоит из трех взаимно независимых элемен-
тов. Вероятность отаза аждоо элемента равна 0,1.
а) Составьте заон распределения числа отазавших элементов
в одном опыте.
б) Вычислите вероятность тоо, что отазавших элементов бу-

дет не менее двух.
457. В урне один расный и два белых шара, одинаовые во всем,
роме цвета. Из урны извлеаются три шара та, что перед извлече-
нием следующео шара предыдущий возвращают в урну. Составьте
заон распределения числа белых шаров среди извлеченных.
458. На фондовой бирже в неудачный день падает стоимость
80% ценных бума. Оценивая портфель, содержащий 15 ценных
бума, вы предполааете, что число понижающихся в цене бума
имеет биномиальное распределение.
а) Каие допущения вы при этом делаете?
б) Найдите вероятность падения в цене всех 15 бума.
в) Найдите вероятность падения в цене 10 бума.
) Найдите вероятность падения в цене 13 или более ценных
бума.
459. В трех испытаниях Бернулли вероятность ровно двух «ус-
пехов» в 12 раз больше вероятности трех «успехов». Найдите веро-
ятность «успеха» в аждом испытании.
460. Проводят три испытания Бернулли, вероятность наступ-
ления «успеха» в аждом испытании равна p. Доажите, что веро-
ятность тоо, что число «успехов» равно 1 или 2, равна 3p(1 – p).
461.* Сольо надо произвести независимых выстрелов, чтобы
с вероятностью не менее 0,9 хоть один раз попасть в цель, если ве-
роятность попадания при аждом выстреле равна 0,7?
462.* Каова должна быть вероятность попадания при аждом
из 10 независимых выстрелов, чтобы с вероятностью не менее 0,9
имело место хотя бы одно попадание?
463.* Пользуясь средствами дифференциальноо исчисления,
найдите значение p, при отором вероятность Рn(m) тоо, что в n
испытаниях Бернулли число «успехов» равно m, достиает наиболь-
шео значения, и вычислите это наибольшее значение.
464.* Пользуясь средствами дифференциальноо исчисления,
найдите значение λ, при отором пуассоновсая вероятность P(m) =
λm
= ------- e–λ достиает наибольшео значения, и вычислите это наи-
m!
большее значение.
465. На фаультете обучается 1000 студентов. Каова вероят-
ность тоо, что 1 сентября является днем рождения одновременно
для k студентов данноо фаультета? Вычислите эту вероятность
для k = 0, 1, 2, 3.
К § 4.5. Дисперсия слчайной величины

466. Пусть Х — число ербов, выпавших при подбрасывании
одной симметричной монеты, а Y — число ербов, выпавших при
подбрасывании двух симметричных монет. Сравните дисперсии
случайных величин Х и Y.
467. Найдите математичесое ожидание и дисперсию числа де-
лителей произвольноо науад выбранноо натуральноо числа из
совоупности 1, 2, ..., 20.
468. Найдите математичесое ожидание, дисперсию и среднее
вадратичное отлонение случайной величины Х, имеющей заон
распределения
х 9998 9999 10 000 10 001
p 0,1 0,2 0,3 0,4
469. Для лечения неоторой болезни используют пять леарств

a, b, c, d, e. Врач проводит сравнительное исследование трех из
этих пяти леарств, выбирая три леарства науад. Обозначим че-
рез Х случайную величину, принимающую значение 0, если а не
попадает в выбранные леарства, и 1 — в противном случае. Вы-
числите МХ и DX.
470. Вычислите математичесие ожидания и дисперсии слу-
чайных величин, рассмотренных в задаче 420.
471.* Из олоды в 36 арт науад выбирают пять арт.
а) Найдите математичесое ожидание и дисперсию числа рас-
ных арт среди выбранных.
б) Опыт с выбором пяти арт повторили 30 раз. Результаты
представлены в таблице 4.13.
Таблица 4.13
Число расных арт 0 1 2 3 4 5
Число опытов 1 6 10 7 5 1
Вычислите выборочные среднее и дисперсию числа расных

арт при одном выборе.
в) Сравните выборочные и теоретичесие харатеристии.
472. В ходе опыта с разведением мышей были получены дан-

ные, представленные в таблице 4.14.
Таблица 4.14
Число мышей
1 2 3 4 5 6 7 8 9
в одном помете n
Число слчаев, ода 7 11 16 17 26 31 11 1 1

в помете n мышей
Найдите среднее значение, дисперсию и стандартное отлоне-

ние этоо выборочноо распределения.
473.* Найдите математичесое ожидание и дисперсию случай-
ной величины, оторая принимает значения 1, 2, 3, ..., n, аждое
1
с вероятностью --- .
n
474.* Пусть Х — число очов, выпавших при бросании первоо
иральноо убиа, Y — число очов, выпавших при бросании вто-
роо иральноо убиа. Найдите заон распределения, математи-
чесое ожидание, дисперсию и среднее вадратичное отлонение
случайной величины:
а) Z = max (X, Y); б) T = min (X, Y).
К § 4.6. Независимые слчайные величины

475. Пусть случайная величина Х равна числу очов, выпав-
ших при первом бросе иральноо убиа, а Y — числу очов, вы-
павших при втором бросе. Доажите, что случайные величины Х
и Y независимы при условии, что все исходы двух подбрасываний
убиа равновозможны.
476. Трижды бросают или правильный иральный уби с обыч-
ными числами очов 1, 2, 3, 4, 5, 6 на ранях или правильный
уби, на ранях отороо обозначены числа очов 1, 1, 1, 6, 6, 6.
а) Найдите для обоих убиов математичесие ожидания и дис-
персии суммы числа выпавших очов.
б)* Каим убиом лучше ирать, чтобы с большей вероятно-
стью набрать в сумме не менее 15 очов?
477. Вычислите дисперсии случайных величин, рассмотрен-
ных в задачах 440, 441, 445, 446, б (с. 400) при условии, что соот-
ветствующие опыты являются независимыми.
478. Дисперсия аждой из девяти попарно независимых слу-

чайных величин равна 36. Найдите дисперсию среднео арифмети-
чесоо этих величин.
479. Число браованных изделий в любой партии, поставляе-
мой заазчиу, имеет заон распределения
х 0 1 2 3
p 0,6 0,25 0,1 0,05
Стоимость восстановления любоо из браованных изделий мо-

жет принимать значения 1000, 1500, 2000 р. с вероятностями соот-
ветственно 0,5; 0,3; 0,2. Найдите средние потери потребителей од-
ной партии изделий, если число браованных изделий и стоимость
восстановления изделий независимы.
К § 4.7. Числовые харатеристии

биномиальноо распределения
480. Техничесая система содержит пять однотипных деталей,
дублирующих работу дру друа. Каждая из них выходит из строя
с вероятностью 0,1. Пусть Х — число деталей, вышедших из строя.
Найдите:
а) МХ; б) DX; в) σ(X).
481. Иральный уби бросают 15 раз. Сольо раз в среднем
может появиться 4 оча?
482. Найдите дисперсию числа появлений события в трех неза-
висимых испытаниях, если математичесое ожидание этой слу-
чайной величины равно 0,9; вероятность наступления события от
испытания испытанию не меняется.
483. Производят независимые испытания с одинаовой веро-
ятностью появления события А в аждом испытании. Найдите эту
вероятность, если дисперсия числа появлений события А в трех не-
зависимых испытаниях равна 0,63.
484.* Устройство состоит из четырех элементов. Вероятность
отаза любоо элемента за время опыта равна 0,2. Найдите матема-
тичесое ожидание числа опытов, в аждом из оторых отажет
ровно один элемент, если всео проведено 100 независимых опытов.
485. Для условий задачи 458 (с. 402) найдите:
а) Для аоо среднео числа ценных бума, входящих в порт-
фель, ожидается снижение стоимости?
б) Чему равно среднее вадратичное отлонение числа таих

ценных бума, стоимость оторых снижается?
486.* Случайная величина Х имеет биномиальное распределе-
ние с параметрами n = 10 и p = 0,2. При аих значениях k значе-
ния Х отличаются от среднео значения на величину, не превосхо-
дящую величины k средних вадратичных отлонений?
К § 4.8. Неравенство Чебышёва

487. Вероятность изотовления браованноо изделия равна 0,01.
Оцените вероятность тоо, что среди 10 000 изделий число брао-
ванных будет находиться в пределах между 85 и 115.
488.* Устройство состоит из 10 независимо работающих элемен-
тов. Вероятность отаза на протяжении суто для аждоо элемен-
та равна 0,05. С помощью неравенства Чебышёва оцените веро-
ятность тоо, что модуль разности между числом отазавших эле-
ментов и средним числом отазов за сути оажется меньше 2.
489.* В осветительную сеть влючено параллельно 20 лампоче.
Вероятность тоо, что на протяжении суто лампоча будет влю-
чена, равна 0,8. Пользуясь неравенством Чебышёва, оцените веро-
ятность тоо, что модуль разности между числом влюченных лам-
поче и средним числом влюченных лампоче за сути оажется:
а) не большим трех;
б) большим трех.
490.* Правильный иральный уби бросают 2500 раз. Оцени-
те вероятности получить при этом выпадение шестери:
а) свыше 2000 раз;
б) свыше 1300 раз.
491.* Сольо следует сделать незавимисых опытов, чтобы ра-
m
венство p d ----- с точностью до 0,05 выполнялась с вероятностью 0,95?
n
492.* С аой вероятностью выполняется неравенство | m

-----
n
– p| m
m 0,1 при 100 независимых опытах?
493.* m
Уажите приближенно точность равенства p d ----- , если
n
оно получено при 50 независимых опытах с вероятностью 0,9.
494. В неотором реионе в течение ода родилось 39 200 детей,
среди них мальчиов было 20 300. С аой вероятностью можно
арантировать, что относительная частота рождений мальчиов
отличается по модулю от неизвестной вероятности рождения маль-

чиа не более чем на 0,05?
495. Чтобы определить среднюю урожайность пшеницы на по-
ле в 10 000 а, случайным образом отобрали по 1 м2 с аждоо е-
тара, определили урожайность на аждом из них и вычислили по
этим данным среднюю (выборочную) урожайность. Оцените веро-
ятность тоо, что выборочная средняя урожайность по модулю
отличается от средней урожайности на всем поле не более чем на
0,1 ц/а, если известно, что среднее вадратичное отлонение уро-
жайности для аждоо етара не превосходит 3 ц/а и если сред-
нюю урожайность на всем поле считать равной математичесому
ожиданию выборочной средней урожайности.
К § 4.9. Заон больших чисел

496. На опытном участе выборочно обследовали диаметры
200 саженцев и по этим данным определили их выборочный сред-
ний диаметр. Известно, что среднее вадратичное отлонение диа-
метров не превышает 6 мм. Каое наибольшее отлонение выбо-
рочноо среднео от среднео диаметра всех саженцев на участе
можно арантировать с вероятностью не меньшей:
а) 0,82; б) 0,96?
Средний диаметр всех саженцев принять равным математиче-
сому ожиданию выборочноо среднео диаметра.
497. Вероятность изотовления браованной радиолампы рав-
на 0,02. Каое наименьшее число радиоламп нужно отобрать, что-
бы с вероятностью не меньшей 0,8 можно было утверждать, что от-
носительная частота браованных среди них отличается от вероят-
ности изотовления браованной радиолампы по модулю не более
чем на 0,003?
498.* Проведено n измерений, для результатов оторых среднее
арифметичесое равно 0, а стандартное отлонение — 1. Каово
минимальное число результатов измерений, лежащих в пределах
от –3 до 3?
499. Вероятность изотовления прибора с тем или иным дефе-
том равна 0,2. Оцените вероятность тоо, что относительная часто-
та приборов с дефетами среди 300 изотовленных отличается по
модулю от математичесоо ожидания этой относительной часто-
ты не более чем на:
а) 0,15; б) 0,99.
500. Дана последовательность независимых случайных вели-

чин, аждая из оторых имеет заон распределения
х –nα 0 nα
1 1 1
p ---------- 1 – -----2- ----------
2n 2 n 2n 2
Применима ли заданной последовательности теорема Чебы-

шёва?
К § 4.10. Нормальное распределение

501. При средней массе неотороо изделия 8,4 найдено, что
отлонения, по модулю превосходящие 50 , встречаются в сред-
нем три раза на 100 изделий. Допусая, что масса изделий распре-
делена по нормальному заону, найдите ео среднее вадратичное
отлонение.
502. Случайная величина Х распределена по нормальному за-
ону со средним значением а и средним вадратичным отлонени-
ем σ. Найдите вероятность тоо, что отлонение случайной величи-
ны от среднео по модулю будет находиться между числами с и d.
503.* Случайная величина Х распределена по нормальному за-
ем σ. Найдите вероятность тоо, что значения случайной величи-
ны Х будут находиться между числами с и d.
504.* Случайная величина Х распределена по нормальному за-
ем σ. Найдите вероятность тоо, что отлонение случайной величи-
ны от среднео значения будет находиться между числами с и d.
Глава 5
ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ
СТАТИСТИКИ
Ка мы увидели выше, в теоретио-вероятностных задачах обыч-

но по вероятности одних событий вычисляют вероятности друих,
более сложных; находят заоны распределения случайных вели-
чин, их числовые харатеристии. При этом вычисленная вероят-
ность события позволяет предсазать значение частоты ео появ-
ления в серии проведенных опытов. Значение математичесоо
ожидания случайной величины дает возможность оценить среднее
значение, оторое может принимать эта величина в результате ря-
да наблюдений. Более тоо, при проведении статистичесих эспе-
риментов можно сравнить полученные результаты с предсазан-
ными теоретичеси, оценить соласованность математичесой мо-
дели с изученным явлением. С друой стороны, во мноих опытах
неизвестны вероятности случайных событий, или заоны распре-
деления рассматриваемых случайных величин. В статистичесих
задачах об этих вероятностных харатеристиах судят по резуль-
татам реальных наблюдений, измерений, друими словами, на ос-
новании неоторой выбори.
В частности, вероятность случайноо события полаают при-
мерно равной ео относительной частоте, математичесое ожида-
ние случайной величины считают приближенно равным выбороч-
ному среднему.
Разработ а методов, позволяющих делать выводы на основе
статистичес их данных, обобщить результаты выборочных на-
блюдений, — основная задача математичес ой статисти и.
В настоящей лаве будут рассмотрены неоторые задачи мате-
матичесой статистии. Речь пойдет, во-первых, о построении сл-
чайной выбори, анализ оторой дает возможность делать статис-
тичесие выводы обо всей совоупности. Например, а оранизо-
410 Глава 5. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
вать опрос по политичесим или маретиновым вопросам, чтобы

предсазать, а поведут себя в той или иной ситуации жители не-
отороо реиона.
В математичесой статистие обосновывается тот фат, что вы-
воды, полученные на основании анализа данных выбори наблю-
дений, можно распространить на всю исследуемую совоупность.
При этом методы теории вероятностей позволяют оценивать на-
дежность этих выводов. В задачи математичесой статистии вхо-
дит таже разработа требований выборе, обеспечивающих дос-
товерность полученных выводов.
Во-вторых, будет рассмотрена задача оценивания параметров
совопности. Параметр представляет собой значение неоторой
харатеристии исследуемой совоупности. Простейший пример:
событие А имеет вероятность p, значение оторой неизвестно. Тре-
буется оценить p по результатам испытаний. Обратите внимание на
то, что речь идет не о нахождении вероятности события А, а об ее
оцене. Результаты испытаний случайны, поэтому и оцена, ото-
рую мы можем получить с их помощью, таже случайна. С помощью
статистичесих правил можно найти приближенное значение не-
известноо параметра в неотором обобщенном смысле: постоян-
ная величина приближенно равна неоторой случайной величине,
построенной по результатам наблюдений по неоторому правилу.
Примерами параметров, оторые требуется оценить, моут слу-
жить таже средний доход и дисперсия уровней дохода работаю-
щео населения тоо или иноо реиона.
Часто имеется информация тольо о неоторой выборе, яв-
ляющейся лишь небольшой частью исходной совоупности. Ха-
ратеристии, полученные для выборо, называют статистиа-
ми. По их значениям можно дать оцену параметрам исходной со-
воупности.
При этом будем различать точечные оцени, уазывающие
точное значение параметра, оцененноо для исходной совоупнос-
ти (например, оценой неизвестной вероятности события является
число 0,3), и интервальные оцени, уазывающие диапазон изме-
нения значений по обе стороны от полученной точечной оцени,
содержащей с определенной вероятностью истинное значение па-
раметра (например, интервал (0,28; 0,32) содержит с достаточно
большой вероятностью вероятность события А).
В-третьих, будет дано представление о провере статистиче-
сих ипотез, оторые моут существенно помочь в оцене той
или иной ситуации, в обосновании принятия тоо или иноо ре-
шения.
§ 5.1. Генеральная совоупность и выбора 411
Примерами статистичесих ипотез являются ипотезы о зна-

чении вероятности события, о значении среднео случайной вели-
чины, о равенстве средних двух случайных величин, о равенстве
вероятностей двух событий и т. п.
Две основные задачи математичесой статистии — оцена па-
раметров и провера статистичесих ипотез — будут решаться
в основном для выборо из биномиальноо распределения: простой
математичесий аппарат позволит на этом распределении познао-
миться с основными идеями математичесой статистии, что дает
возможность более менее сознательно пользоваться соответствую-
щими статистичесими процедурами для друих широо распро-
страненных распределений, например для нормальноо.
При этом нужно иметь в виду, что в статистие лавное состоит
не стольо в использовании математичесих формул и проведении
расчетов, сольо в определении последовательности хода рассуж-
дений. Для аждой из решаемых далее задач будет дана схема этой
последовательности.
§ 5.1. Генеральная совопность и выбора

Необходимость проводить выборочные исследования может быть
вызвана различными причинами.
1. Часто полное исследование изучаемоо явления слишом до-
роостоящее и длительное.
Пример 1. Фирмы, специализирующиеся на продаже женсой

одежды, не имеют возможности учесть вус абсолютно всех поу-
пательниц. Применяют друой метод учета вуса поупателей:
предсезонный атало, в отором представлены несольо типов
одежды разноо стиля, рассылают неоторой выборе потенциаль-
ных поупательниц. На основе заазов, полученных от них, со-
ставляют основной атало, содержащий модели одежды, оторым
было отдано предпочтение большинством опрошенных поупатель-
ниц.
Пример 2. Работни фирмы получает срочное задание: отследить

реацию лиентов фирмы на предлааемые нововведения. За выде-
ленное время обзвонить всех не представляется возможным. При-
ходится довольствоваться обзваниванием отобранноо реальноо
оличества лиентов. При этом нужно иметь в виду, что руовод-
ство фирмы интересует реация всех лиентов, а не тольо тех, то
попал в отобранный списо. От способа составления этоо списа
зависит, будет ли полученная информация полезной или нет.
Пример 3. При аудиторсой провере фирм с большим числом

сдело приходится довольствоваться изучением отобранноо числа
сдело.
2. Инода возможность использовать полученную информацию

при полном исследовании может исчерпаться раньше, чем завер-
шится процесс ео подотови.
Пример 4. Измерение роста всех призывниов с целью обеспече-

ния соответствующей информацией швейные объединения, изо-
тавливающие солдатсую форму одежды, мероприятие бессмыс-
ленное. Сбор этой информации обойдется слишом дороо, займет
мноо времени, а сама информация пратичеси будет уста-
ревшей. В связи с этим о распределении роста всех призывниов
судят по неоторой выборе наблюдений, достаточно представи-
тельной и правильно оранизованной. По ней делают выводы отно-
сительно среднео роста и разброса ео значений.
3. В неоторых случаях в результате провери ачества изделия

происходит уничтожение исследуемоо объета.
Пример 5. Пусть элетролампы проверяют на продолжитель-

ность орения, вплоть до выхода из строя. Если бы подобным обра-
зом испытывались все изотовленные лампы, то пришлось бы
уничтожить всю произведенную продуцию. Поэтому для установ-
ления среднео времени орения лампы исследуют лишь неото-
рую ораниченную часть всех ламп. Аналоично расчет ожидаемо-
о числа браованных ламп во всей партии делается на основании
провери неоторой выборочной руппы ламп.
Подобная ситуация будет иметь место при провере ачества
фотобумаи.
В чем польза использования выборо?
Почему приходится прибеать формированию выборо?
Почему прибеают выборочному исследованию при онтро-

ле ачества ампул для инъеций?
Рассмотрим, аие требования предъявляют выборе.

Генеральная совопность — это набор объетов, о оторых
необходимо получить информацию.
Выбора — это небольшой набор объетов, извлеченных из е-
неральной совоупности.
В примере 1, связанном с фирмой по продаже женсой одеж-

ды, енеральная совоупность состоит из всех потенциальных по-
упателей, оторые моли обратиться обычному аталоу данной
фирмы, чтобы выбрать интересующую их модель одежды. Поупа-
тельницы, получившие предварительный атало, представляют
собой выбору.
В примере 2, связанном с выяснением реации лиентов фир-
мы на нововведения, все лиенты фирмы представляют собой ене-
ральную совоупность. Те лиенты, оторых обзвонили, образуют
выбору.
В примере 3 все сдели фирмы образуют енеральную совоуп-
ность, отобранные — выбору.
В примере 4 енеральную совоупность образуют все призыв-
нии определенноо ода. Те из них, у оторых снимали меру для
пошива одежды и обуви, образуют выбору.
В примере 5 все лампы, изотовленные за определенное время
на неотором предприятии, образуют енеральную совоупность.
Те лампы, оторые отобраны для онтроля, — выбору.
Существует мноо различных способов построения выборо.
Каждый способ может иметь преимущества для определенных це-
лей. Рассмотрим несольо примеров енеральных совоупностей
и построения выборо из них.
Пример 6. В ороде, насчитывающем 253 000 жителей, имею-

щих право олосовать, исследуют политичесие симпатии буду-
щих избирателей.
Выбору можно построить, опрашивая аждоо 15-о поупате-
ля, выходящео из рупноо торовоо центра. Таая выбора бу-
дет отражать мнение посетителей торовоо центра, но вряд ли бу-
дет представлять точу зрения всех жителей орода.
Друой метод построения выбори — провести опрос по телефо-
ну аждоо 100-о жителя орода, взяв номера из телефонноо
справочниа. Таая систематичесая выбора даст информацию
о точе зрения руппы людей, имеющих телефон, находящихся до-
ма и отвечающих на телефонные звони. Но она не отражает мне-
ния всех жителей орода.
Еще один метод построить выбору может залючаться в том,
чтобы опросить участниов митина, оранизованноо несольими
политичесими партиями. Таая выбора даст информацию о жи-
телях, ативно участвующих в политичесой жизни орода.
Ита, нужны таие способы образования выбори, оторые

представляли бы всю енеральную совоупность, т. е. выбора
должна быть репрезентативной (представительной).
Пример 7. Генеральная совоупность — 756 ящиов с оборудова-

нием, содержимое оторых нужно проверить на соответствие доу-
ментам.
Удобный способ залючается в том, чтобы отобрать 10 ближай-
ших ящиов и проверить их содержимое. Таая выбора вряд ли
будет представлять всю енеральную совоупность, т. е. вряд ли
будет репрезентативной, та а поставщи мо позаботиться об
уомплетовании аоо-то числа первых и аоо-то числа по-
следних ящиов.
Можно выбрать для провери три больших, три средних и три
небольших по размеру ящиа. Таой вариант может не дать желае-
моо результата, например, в случае, если большинство ящиов в
енеральной совоупности оажется большоо размера. Друими
словами, и в этом случае выбора оажется нерепрезентативной.
Можно взять наладную и случайно отобрать ящии для про-
вери из перечня, уазанноо в наладной. Случайность отбора а-
рантирует, что поставщии не смоут предуадать, аие ящии
будут отобраны для провери.
Таим образом, для образования выбори целесообразно иметь

перечень элементов енеральной совоупности и из нео аим-то
случайным образом оранизовывать выбору.
Результаты переписи населения, проводимой в стране, явля-

ются енеральной совоупностью или выборой?
Информация, полученная в результате построения выбори,

будет тольо тода надежной основой для принятия решения отно-
сительно тех или иных свойств исходной совоупности, ода стру-
тура образующих выбору элементов будет аналоична струтуре
элементов в енеральной совоупности. Таую выбору называют
репрезентативной.
Пример 8. Менеджер обувной фабрии большоо орода хочет

выяснить, в аом оличестве нужно шить обувь тех или иных раз-
меров. Он должен составить представительную выбору жителей
этоо орода. Ее объем может быть и не очень большим (например,
500 челове), но в ачестве таой выбори нельзя брать тольо
учащихся аой-то шолы, или басетболистов орода. Очевидно,
неплохую выбору моут составить жильцы мноовартирноо до-
ма или домов, расположенных в одном мирорайоне. Дело в том,
что в мноовартирном доме живут люди разных возрастов, раз-
личных социальных слоев, различных профессий, поэтому жиль-
цы таоо дома моут в определенной мере представлять жителей

большоо орода. Конечно, при этом не будут учтены потребности
наиболее состоятельной части населения орода, живущей в от-
дельных особняах, элитных вартирах.
Отдельно нужно пооворить об объеме выбори. Понятно, что

она должна быть достаточно большоо объема. Нельзя утверждать,
что три четверти жителей Калуи по утрам пьют офе на основании
тоо, что из четырех алужан, оторых мы рано утром встретили
в афе, трое пили офе. Но и ошибочным является мнение о том,
что объем выбори должен быть очень большим. Там, де выбора
невелиа, необходимо использовать наиболее тоние математи-
о-статистичесие методы; таие методы существуют, разрабаты-
ваются, но здесь мы их рассматривать не будем. Каим должен
быть оптимальный объем выбори? Это основной вопрос, оторый
приходится решать при пратичесом использовании выборочноо
метода. На численность выбори лавным образом влияют следую-
щие фаторы:
1) степень олебаний значений изучаемоо признаа, оторая
харатеризуется дисперсией: чем больше дисперсия, тем больше
должна быть численность выбори;
2) значение допустимой ошиби случайной выбори: чем мень-
ше допустимая ошиба, тем большей должна быть численность вы-
бори, чтобы обеспечить требуемую высоую точность оцени;
3) уровень надежности (вероятности), с оторой требуется а-
рантировать результаты, полученные по выборе: чем выше будет
выбран уровень надежности, тем больше и должна быть числен-
ность выбори.
Ярим историчесим примером не дачноо применения выборочноо

метода являются рез льтаты опроса, проведенноо в 1936 од амери-
ансим ж рналом «Literary Digest». Редация ж рнала разослала 10 млн
бюллетеней, в оторых просила пол чивших их людей ответить, за оо они б д т оло-
совать на предстоящих выборах — за андидата респ блиансой партии А. Лэндона или
за демората Ф. Р звельта. Было возвращено более 2 млн заполненных бюллетеней.
Оп блиованные в ж рнале рез льтаты опроса предсазывали, что президентом станет
А. Лэндон. Однао оазалось, что с большим преим ществом побед на выборах одер-
жал Ф. Р звельт, за отороо проолосовало более 60% избирателей. Причина столь
с щественной ошиби ж рнала роется в том, что пол ченная в рез льтате проведения
опроса выбора, на данных оторой основывался проноз, не была репрезентативной
выборой из енеральной сово пности избирателей. Бюллетени были разосланы под-
писчиам ж рнала, людям, чьи фамилии и адреса были взяты из телефонных справоч-
ниов, а таже владельцам автомобилей. Следовательно, в выборе были слишом пло-
хо представлены менее состоятельные люди, оторые в своей массе поддерживали «но-
вый рс» Ф. Р звельта. Кроме тоо, ответы прислали не все, а люди, не тольо
достаточно веренные в своем мнении, но и привышие отвечать на письма, т. е. в зна-
чительной мере представители деловоо мира, оторые и поддерживали А. Лэндона.
В то же время америансие социолои Дж. Гэллап и Э. Ро пер правильно предса-
зали побед Ф. Р звельта, основываясь всео на 4000 анет. Причиной таоо спеха,
сделавшео слав 1 ео авторам, было не тольо правильное составление выбори. Они
чли, что общество распадается на социальные р ппы, оторые более однородны по
отношению андидатам в президенты. Поэтом выбора из слоя может быть относи-
тельно малочисленной с тем же рез льтатом точности. Имея рез льтаты исследования
по слоям, можно харатеризовать общество в целом.
Этот пример в политичесой жизни не единственный. В начале 70-х одов ХХ веа
мноо ш ма вызвала история о том, а «специалисты по из чению общественноо мне-
ния» подвели британс ю партию онсерваторов: они предсазали андидатам этой
партии спех на парламентсих выборах. Правительство Э. Хита, доверившись этим про-
нозам, провело выборы за полтора ода до оончания полномочий и потерпело фиасо.
В онце 60-х одов ХХ веа анадсие инстит ты по из чению общественноо мне-
ния предсазывали не дач либеральной партии П. Э. Трюдо, а либералы одержали
вн шительн ю побед .
Чем объяснить таие провалы использования выборочноо метода? На самом деле
таие опросы зачаст ю далеи от использования на чных методов пронозирования. Ре-
ально фабри ются н жные ответы, подтасовываются статистичесие данные, сазыва-
ется влияние тех, то финансир ет работ таих инстит тов.
Нерепрезентативные выбори называют смещенными. Смеще-

ние — один из источниов ошибо при использовании выборочно-
о метода. Важно иметь в виду, что чем больше объем смещенной
выбори, тем с большей вероятностью полученные данные приве-
дут исследователя ошибочному выводу. В этом смысле рассмот-
ренный выше пример с опросом, проведенным америансим жур-
налом, является очень поазательным.
Существует два основных типа выборо. После тоо а объет
извлечен из енеральной совоупности для влючения в выбору,
ео либо возвращают в енеральную совоупность, либо не возвра-
щают. Выбора без возвращения имеет место, ода любой объет
не может попасть в выбору более одноо раза, т. е. ода все эле-
менты выбори различны. Выбора с возвращением имеет место,
если объет енеральной совоупности может попасть в выбору
более одноо раза. Мы будем в основном использовать выбор и без
возвращения.
1 Именем Дж. Геллапа назван Америансий институт общественноо
мнения, проводящий реулярные опросы населения по проблемам внут-

ренней и внешней политии.
Чем отличается выбора с возвращением от выбори без воз-

вращения?
Верно ли, что при построении выбори с возвращением все
элементы енеральной совоупности имеют одинаовую веро-
ятность попасть в выбору?
Верно ли, что при построении выбори без возвращения все эле-
менты енеральной совоупности перед началом построения
выбори имеют одинаовую вероятность попасть в выбору?
Через N будем обозначать объем енеральной совоупности,

а через n — объем выбори.
Получить репрезентативную выбору можно с помощью слу-
чайноо отбора входящих в эту выбору элементов.
Случайная выбор а представляет собой выбор у, при оторой
аждый отдельный элемент и аждая омбинация отдельных
элементов, принадлежащих исходной сово упности, имеет оди-
на овые шансы попасть в выбор у.
Создать случайную выбору не та просто. Поажем это на ряде
примеров.
Пример 9. При создании выбори из неоторой енеральной со-

воупности людей может найтись неоторое число людей, оторые
бы хотели минимизировать вероятность попадания в эту выбору
(преступнии, лица, улоняющиеся от редиторов, от уплаты али-
ментов и т. д.). Неоторых людей трудно застать дома (находящих-
ся в частых омандировах, в отпусах и т. д.). Инода трудно оп-
ределить, принадлежит ли челове интересующей исследователя
енеральной совоупности (например, не все потенциальные изби-
ратели примут участие в выборах). Перечень таих причин и под-
тверждающих их примеров можно было бы продолжить.
Трудности случайноо отбора залючаются в том, что при таом

отборе должна быть ислючена всяая тенденциозность. Поэтому
случайный отбор не может быть представлен а беспорядочный
отбор. «Если беспорядочно втыать булави в арту, то это не даст
случайноо распределения точе на арте. Если отбирать данные
для обследования, просто идя по улицам орода, то это не будет
случайным отбором домов»1.
1 Ф. Йейтс. Выборочный метод в переписях и обследованиях. — М.:
Статистиа, 1965.
Случайную выбору строят таим образом, что:

1) аждый объет енеральной совоупности имеет одинаовую
вероятность быть отобранным;
2) объеты отбирают независимо дру от друа.
Независимость отбора обеспечивает сбор масимально возмож-
ноо объема независимой информации. Рассмотрим пример, ото-
рый поможет понять проблемы, возниающие, ода элементы со-
воупности отбирают не независимо.
Пример 10. В шоле с 30 лассами, в аждом из оторых учится

по 25 учениов, нужно составить случайную выбору. Если это
сделать путем случайноо выбора ласса и проведения в нем опроса
всех учащихся, то полученная выбора не будет случайной. Следу-
ет отметить, что аждый учащийся имеет одинаовую вероятность
1
быть опрошенным  ------  . Однао, та а вместо независимоо от-
30
бора учащихся респондентов опроса отбирают целой руппой, в
этой выборе будет отсутствовать важная информация обо всех
учащихся шолы.
Одним из способов построения случайной выбори является
применение таблиц слчайных чисел для получения номера эле-
мента енеральной совоупности, влючаемоо в выбору. Табли-
ца случайных чисел представляет собой оранизованную в виде
таблицы последовательность цифр, в оторой аждая из цифр от 0
до 9 встречается независимо дру от друа с вероятностью 0,1 (см.
Приложение, табл. П.2).
Схема образования случайной выбор и может иметь следую-
щий вид:
1. По аому-либо признау пронумеровать элементы енераль-
ной совоупности числами от 1 до N.
2. Выбрать точу начала считывания случайных чисел из таб-
лицы случайным образом.
3. Начав с выбранной точи, последовательно записать цифры
обычным образом, например слева направо с переходом на следую-
щую строу.
4. Объединить эти цифры в руппы, размер оторых равен оли-
честву цифр в числе N. Например, при объеме енеральной сово-
упности N = 834 нужно объединять случайные цифры в руппы
по три, та а число 834 содержит три цифры.
5. Следующие действия нужно выполнять до тех пор, поа не
образуется выбора из n элементов:
— если получено случайное число между 1 и N и элемент с таим

номером еще не извлеался, то ео следует влючить в выбору;
— если полученное число равно 0 или больше N, то ео следует
отбросить, та а для нео нет соответствующео элемента ене-
ральной совоупности;
— если получено таое случайное число, что элемент с соответ-
ствующим номером уже был извлечен ранее, то ео нужно отбро-
сить, та а строится выбора без возвращения.
Пример 11. Построить случайную выбору объемом n = 15 из е-

неральной совоупности, содержащей 105 элементов.
Начнем с цифр 81677 (строа 21, столбец 1, табл. П.2). Та
а число 105 состоит из трех цифр, то объединим последователь-
ность случайных чисел в руппы, состоящие из трех цифр, следую-
щим образом:
816, 776, 263, 452, 794, 014, 668, 593, 814, 565, 799, 934, 495,
682, 254, 652, 234, 584, 901, 177, 137, 734, 352, 369, 825, 322, 258,
458, 774, 635, 852, 107, 273, 972, 529, 225, 790, 419, 012, 415, 251,
666, 293, 145, 362, 387, 078, 402, 417, 592, 623, 277, 422, 762, 895,
758, 742, 831, 870, 472, 009, 292, 676, 120, 174, 355, 487, 799, 336,
020, 193, 166, 913, 630, 080, 374, 593, 939, 071, 787, 000, 318, 158,
461, 206, 229, 869, 129, 078, 627, 673, 158, 527, 393, 424, 274, 957,
050, 917, 255, 329, 255, 652, 118, 344, 758, 125, 682, 640, 852, 658,
792, 289, 418, 533, 835, 481, 606, 560, 090, 602, 198, 392, 404, 508,
772, 150, 917, 169, 783, 947, 223, 505, 678, 194, 731, 496, 988, 899,
314, 939, 537, 071, 726, 585, 394, 711, 996, 646, 315, 045, 820, 350,
873, 628, 399, 686, 422, 586, 947, 181, 397, 695, 288, 045, 852, 359,
772, 270, 009, 780, 525, 042, 099, 167, 756, 971, 347, 626, 679, 330,
021, 529, 475, 291, 056, 089.
Первые пять чисел из этой последовательности отбрасываем,
та а они больше 105. Первым попавшим в выбору будет число
014, далее ислючаем 32 числа, в выбору попадает число 012. Сле-
дующие семь чисел снова ислючаем. В выбору попадает число 078
(в приведенном перечне числа, не превосходящие 105, подчерну-
ты). При этом надо ислючить числа 078, 071, 045, та а они
уже встречались ранее, и число 000, та а оно меньше 1. Проце-
дура завершается, ода получено 15 чисел. Ита, выбираем пер-
вые 15 чисел:
14, 12, 78, 9, 20, 80, 71, 50, 90, 45, 42, 99, 21, 56, 89.
Друой способ получения случайной выбори можно осущест-

вить с помощью омпьютерной прораммы, предназначенной для
работы с элетронными таблицами. Идея залючается в том, чтобы
перемешать элементы енеральной совоупности случайным обра-

зом и затем отобрать в выбору необходимое оличество элементов.
В одном столбце располаают числа от 1 до N. Следующий стол-
бец с помощью енератора случайных чисел заполняют равномер-
но распределенными случайными числами из интервала от 0 до 1
таим образом, чтобы эти случайные числа находились рядом с чис-
лами первоо столбца. На следующем шае оба столбца сортируют
та, чтобы упорядочить числа во втором столбце. В результате все
элементы енеральной совоупности будут перемешаны случай-
ным образом. Осталось взять первые n элементов из этой переме-
шанной енеральной совоупности.
Пример 12. Построим с помощью прораммы Excel случайную вы-
бору объемом n = 5 из енеральной совоупности объемом N = 20.
В одном столбце расположим числа от 1 до 20, в верхнюю ячей-
у столбца случайных чисел введем формулу (=СЛЧИС()) и нажмем
лавишу <ENTER>; затем сопируем результат вниз по столбцу,
чтобы получить столбец случайных чисел. После выделения обоих
столбцов (с номерами элементов и со случайными числами), выпол-
няем оманду (Данные ^ Сортирова) из меню, чтобы выполнить
сортирову стро, используя значения из столбца со случайными
числами. После этоо числа в первом столбце будут упорядочены
случайным образом, и для получения исомой случайной выбори
достаточно взять первые пять номеров элементов. Ниже представ-
лены оончательные результаты выполненной работы. В данном
примере в выбору попали элементы с номерами 19, 2, 16, 11, 12:
19 0,015999 9 0,454697
2 0,045645 3 0,494867
16 0,106258 6 0,569611
11 0,124938 5 0,573705
12 0,227005 13 0,624993
14 0,264088 1 0,743619
4 0,300515 17 0,771466
20 0,337087 18 0,782283
7 0,358024 10 0,786673
8 0,363328 15 0,821596
Полученная таим образом случайная выбора обладает теми

же свойствами, что и выбора, построенная с использованием таб-
лицы случайных чисел.
Случайная выбора — не единственный метод построения вы-

бори из енеральной совоупности. Существуют и друие методы,
аждый из оторых имеет свои преимущества и недостати.
Часто енеральная совоупность определенным образом разби-
та на слои (руппы). Например, при опросе родителей учащихся
одной из шол енеральная совоупность — родители всех уча-
щихся — может быть разбита на две руппы: родители, оторые
моут профессионально судить о работе шолы, и родители, ото-
рые таой профессиональной подотовой не обладают. Поупате-
лей маазина одежды — енеральную совоупность — можно раз-
делить на тех, то поупает обычную одежду, и тех, то поупает
модную одежду.
В этом случае часто используют та называемую стратифи-
цированню слчайню выбор. Ее получают путем осуществле-
ния случайной выбори в аждом слое енеральной совоупности.
Если енеральная совоупность однородна внутри аждоо слоя,
но отдельные слои заметно отличаются дру от друа, стратифиа-
ция может увеличить точность статистичесоо анализа. Размеры
выборо для аждоо из слоев моут быть различными. Не обяза-
тельно отбирать одинаовое число элементов из аждоо слоя или
планировать размер выбори для слоя пропорционально ео объе-
му в енеральной совоупности. Это позволяет определять размеры
выборо для слоев исходя из затрат и ресурсов. Для одних слоев
процесс отбора может быть сложнее и дороже чем для друих, и
для этих слоев можно использовать меньшие по объему выбори.
Одни слои моут иметь больший разброс по сравнению с друими,
и для них необходимо использовать бXольшие по объему выбори.
Инода стратифицированную выбору называют серийной.
Систематичесю выбор строят путем целенаправленноо
отбора данных в енеральной совоупности, элементы оторой про-
нумерованы по аому-то признау. Выбирают одну случайную
точу, а затем производят отбор элементов енеральной совоуп-
ности с неоторым постоянным шаом.
Если необходимо построить систематичесую выбору объемом n
из енеральной совоупности объемом N, то интервал между выби-
раемыми элементами будет равен наибольшему целому числу, не
N
превосходящему ----- . В ачестве начальной точи можно выбрать
n
N
число между 1 и ----- . Систематичесая выбора имеет ораниченное
n
применение.
Инода систематичесую выбору называют механичесой.
Фатичеси выше не было дано строоо определения выбори.

Мы сформировали представление о выборе, достаточное для пра-
тичесоо использования. На естественнонаучном язые тот фат,
что неоторые числа образуют выбору, означает, что все они яв-
ляются результатом измерения одной и той же величины, причем
эти измерения проводились в неизменных условиях и независимо
дру от друа. На математичесом язые имеет место следующее
определение:
Выборой объемом n из не отороо распределения называют
сово упность взаимно независимых случайных величин Х1, Х2,
..., Хn, аждая из оторых имеет это распределение.
Ниаоо противоречия с предыдущими определениями нет.
Пусть, например, измеряют продолжительность работы n прибо-
ров, испытываемых на стенде. Каждый прибор снабжен номером
от 1 до n. Время безотазной работы прибора является случайной
величиной. Х1 — это время безотазной работы прибора № 1, это
случайная величина. В ходе испытания она принимает определен-
ное значение, обозначим ео через х1. Аналоично Х2 — это время
безотазной работы прибора № 2, х2 — это значение, оторое при-
нимает случайная величина Х2 в результате испытания и т. д. Чис-
ла х1, х2, ..., хn называют реализацией выбори Х1, Х2, ..., Хn.
В дальнейшем при рассмотрении задач математичесой статис-
тии мы будем оперировать с числами — реализацией выбори.
1. На фабрие по производству а) Первые пять произведенных

поршней вознили определен- поршней.
ные проблемы с ачеством. Для б) 10 поршней, находящихся вне
проведения тщательноо ана- фабрии, та а они ниода
лиза принято решение собрать не использовались.
информацию о продуции, вы- в) Каждый 15-й произведенный
пущенной в неоторый опреде- поршень.
ленный день. Для аждоо из ) Образованная в онце дня
уазанных ниже методов извле- случайная выбора.
чения выбори определите, яв- д) Все явно браованные порш-
ляется ли таая процедура хоро- ни вместе со случайной выбор-
шей, приемлемой или необосно- ой из очевидно стандартных
ванной. Ответы арументируйте. поршней.
2. Каая из приведенных ниже б) опрос проводили тольо по

выборо будет наиболее репре- средам;
зентативной для совоупности в) опрашивали тольо учащих-
всех зареистрированных изби- ся лицеев;
рателей России? ) опрашивали тольо неуспе-
а) Случайная выбора из 1000 вающих?
избирателей . Челябинса. 4. В ходе опроса предстоит вы-
б) Случайная выбора из 1000 яснить отношение жителей ре-
студентов Петербурсоо уни- иона введению Единоо осу-
верситета. дарственноо эзамена. Каие
в) Выбора из 1000 челове, об- атеории жителей должны
разованная на основе случай- быть влючены, на ваш взляд,
ных телефонных номеров. в составляемую выбору?
) Выбора из 1000 челове — 5. Для определения числа со-
сторонниов определенной по- ба, больных чумой, из всех
литичесой партии. бездомных соба орода образо-
3. Была ли выбора репрезен- вали две выбори:
тативной, если при изучении а) одна собачья стая;
времени, оторое затрачивают б) по несольо случайно отлов-
на выполнение уроов десяти- ленных соба из аждоо райо-
ласснии: на орода.
а) опрашивали тольо дево- Каую из них можно считать
че; репрезентативной?
Задачи
505. Проводят исследование по оцене числа детей в семьях,
проживающих в неотором мирорайоне, расположенном недале-
о от шолы. С этой целью опрашивают детей из разных лассов
о том, сольо у них братьев и сестер. Уажите ошиби, допущен-
ные при формировании выбори, а таже направление смещения,
полученноо в результате опроса (завышение или занижение дан-
ных о оличестве детей в семье).
506.° Постройте случайную выбору без возвращения объе-
мом 3 из следующей совоупности фирм: A, B, C, D, E, F, G, H.
Используйте следующую последовательность случайных цифр:
5510597270947596396228211.
507.° Постройте случайную выбору без возвращения объемом 4
из следующей совоупности фирм: A, B, C, D, E, F, G, H, K, L, M,
N, P, Q, R, S. Используйте таблицу случайных чисел (табл. П.2),
начните с 7-й строи и 2-о столбца.
508.° Из енеральной совоупности, состоящей из 85 учащихся

шолы, постройте случайную выбору из шести учащихся. Исполь-
зуйте таблицу случайных чисел, начните с 10-й строи и 4-о столбца.
509. Постройте случайную выбору объемом 5 из енеральной
совоупности объемом 15, используя прорамму Excel.
510. Для исследования числа слов в одном предложении рус-
соо теста надо выбрать 10 абзацев из 100. Каие абзацы целесо-
образно выбрать?
§ 5.2. Оценивание параметров

Одной из основных задач математичесой статистии является
оценивание неизвестных параметров енеральной совоупности.
Фатичеси с этой задачей мы сталивались в лавах 1, 2 и 4, о-
да оценивали число изделий, оторое необходимо дополнительно
выпустить предприятию для замены вышедших из строя; ода
оценивали число рыб в зарытом водоеме; траты населения орода
на молочные продуты и т. д. Изучая случайные величины, мы
фатичеси в ачестве оцени (приближенноо значения) матема-
тичесоо ожидания уазывали выборочное среднее, а в ачестве
оцени дисперсии случайной величины — выборочную диспер-
сию. Вспомните приближенные равенства: MX d x, DX d s2.
В этом парарафе задача оценивания параметров будет рассмот-
рена в общей постанове.
Параметр енеральной совопности (или просто пара-
метр) — это поазатель, вычисленный для всей енеральной сово-
упности. В ачестве примера можно привести математичесое
ожидание, дисперсию или среднее вадратичное отлонение слу-
чайной величины (енеральной совоупности). Параметр является
фисированным, но неизвестным числом.
На основе данных выбори вычисляют неоторый поазатель,
оторый называют параметром выбори, или выборочным па-
раметром, или статистиой. В ачестве примера можно при-
вести выборочное среднее, медиану, выборочную дисперсию, стан-
дартное отлонение выбори, перцентили. Статистиа является
случайной величиной, ее значение — известное число.
Часто существует естественное соответствие между статистиа-
ми и параметрами. Для аждоо параметра совоупности (поаза-
теля, значение отороо хотелось бы знать, но оторое точно неиз-
вестно) существует выборочная статистиа, рассчитанная на осно-
ве данных, представляющих наилучшую доступную информацию
о неизвестном параметре. Таую выборочную статистиу называ-
§ 5.2. Оценивание параметров 425
ют оценочной фун цией параметра енеральной совоупности, а ее

фатичесое значение, рассчитанное по данным выбори, называ-
ют оцен ой параметра совоупности.
Сущность задачи оценивания неизвестных параметров рассмот-
рим на следующем примере.
Пример 1. Пусть требуется оценить неизвестное число рыб, при-

одных для вылавливания, в зарытом водоеме. Отловим неото-
рое число рыб, пометим их и выпустим обратно в водоем. Затем
поймаем еще неоторое число рыб, подсчитаем число меченых сре-
ди них и с помощью этих данных оценим общее число рыб в пруду,
приодных для вылавливания.
Здесь енеральной совоупностью является множество всех рыб
в пруду, приодных для вылавливания, параметром — общее число
таих рыб в пруду, выборой — рыбы, пойманные во второй раз. На
основе данных выбори можно вычислить параметр выбори — долю
меченых рыб среди отловленных. Эта величина случайная, в онрет-
ном опыте она принимает определенное значение. Важным здесь яв-
ляется способ извлечения репрезентативной случайной выбори: не-
применимы ни таблицы случайных чисел, ни омпьютерные про-
раммы, та а мы не в состоянии перенумеровать рыб в пруду.
Повысить репрезентативность выбори можно тем, что второй отлов
рыб будет проводиться той же сетью, что и в первый раз, причем она
будет заброшена не сразу после возвращения рыб в водоем (иначе ме-
ченые рыбы не успеют перемешаться с остальными) и не через продол-
жительное время (иначе может произойти нерест рыб или сброс вред-
ных отходов в пруд: и то и друое существенно повлияет на общее чис-
ло рыб в водоеме), а, например, на следующий день, в том же месте.
В рассматриваемом примере доля меченых рыб среди отловлен-
ных является оценочной фунцией для доли меченых рыб среди
всех рыб водоема. Если в первый раз отловлено 40 рыб и все они
помечены и выпущены в пруд, а во второй раз поймано 30 рыб и
среди них две оазались мечеными, то оценой для доли меченых
2
рыб в пруду является число ------ . Она позволяет оценить число всех
30
рыб в пруду: оно приближенно равно 600.
Вообще, выборочное среднее является оценочной фунцией для

среднео енеральной совоупности, или для математичесоо
ожидания случайной величины. А в онретном случае оно может
равняться, например числу 5,3. Это и есть оцена параметра.
Оценочной фнцией для параметра называют произвольную
фун цию от элементов выбор и. Ее значение от реализации вы-
бор и называют оценой параметра.
Оценочная фунция — случайная величина, ее оцена — чис-

ло, равное значению этой случайной величины.
В этом определении речь идет о фунциях несольих перемен-
ных. С таими фунциями вы встречались. Например, левые части
уравнений плосости ax + by + cz + d = 0 и сферы x2 + y2 + z2 = R2
являются фунциями трех переменных.
Пример 2. Пусть Х1, Х2, ..., Хn — выбора из неотороо распре-

1 2 X + X + ... + X
n
деления. Тода выборочное среднее X = ------------------------------------------------
- , выбороч-
n
n
1 2,
ная дисперсия S2 = ---
n ∑ ( Xi – X ) выборочное среднее вадра-
i=1
n
1 2
тичное отлонение S = ---
n ∑ ( Xi – X ) являются фунциями от
i=1
Х1, Х2, ..., Хn и поэтому являются оценочными фунциями для
параметров рассматриваемоо распределения. Их значения
x + x + ... + x n n
1 2 n 1 1
x = --------------------------------------------
n
, s2 = ---
n ∑ ( xi – x ) 2 , s = ---
n ∑ ( xi – x ) 2 ,
i=1 i=1
подсчитанные по значениям х1, х2, ..., хn элементов выбори, т. е. по

реализации выбори, являются оценами этих параметров. Каждый
элемент выбори Хі, а фунция от Х1, Х2, ..., Хn, таже является
оценочной фунцией для параметра, а ео значение хі — оценой.
Для одноо и тоо же параметра можно построить различные

оценочные фунции, а значит, и получить различные оцени. На-
пример, чтобы оценить математичесое ожидание случайной вели-
чины, можно в ачестве оценочных фунций взять либо среднее
арифметичесое элементов выбори (выборочное среднее), либо
полуразность между наибольшим и наименьшим наблюдениями,
либо аую-либо друую фунцию от результатов наблюдений.
Каим ритерием пользоваться при выборе оценочной фун-
ции? Ясно, что ответ зависит от поставленных целей. На пратие
на ответ влияют и эономичесие фаторы. Например, одна оцен-
а может оазаться лучше друой, но, чтобы получить первую,
нужно затратить 500 000 р., а затраты на получение второй оцени
составляют 5000 р. Если разница, существующая между оцена-
ми, не столь существенна для исследователя, то естественно, что он
остановит свой выбор на второй оцене.
Рассмотрим общие подходы выбору оцени параметра.

Ошибой оценочной фнции (оцени) называют разность
между оценочной фун цией (оцен ой) и параметром енеральной
сово упности. Ошиба оцени, а правило, неизвестна. Ошиба
оценочной фунции — случайная величина, ошиба оцени —
число.
Почему ошиба оцени, а правило, неизвестна?
Желательно, чтобы оцена не была систематичеси слишом

завышенной или слишом заниженной по сравнению с соответ-
ствующим параметром енеральной совоупности, т. е. чтобы ее
смещение от истинноо значения параметра было незначительным.
Оценочную фун цию не отороо параметра енеральной сово-
упности называют несмещенной, если ее математичес ое
ожидание равно этому параметру. В противном случае ее назы-
вают смещенной.
Пример 3. Пусть Х1, Х2, …, Хn — выбора из неоторой ене-

ральной совоупности. Поажем, что выборочное среднее X =
X + X + ... + X
1 2 n
= ------------------------------------------------
- является несмещенной оценочной фунцией ма-
n
тематичесоо ожидания енеральной совоупности а.
Действительно, тот фат, что Х1, Х2, …, Хn образуют выбору
из енеральной совоупности, означает, что случайные величины
Х1, Х2, …, Хn независимы в совоупности, и их числовые харате-
ристии равны соответствующим числовым харатеристиам е-
неральной совоупности, в частности МХі = а, і = 1, 2, ..., n. Ис-
пользуя свойства математичесоо ожидания случайной величины
(см. § 4.3), получим
1X + X + ... + X
2 1 n
M X = M ------------------------------------------------
- = --- (MX1 + MX2 + … + MXn) =
n n
1
= --- (a + a + ... + a) = a.
n
n раз
Оазалось, что математичесое ожидание X равно математиче-

сому ожиданию а енеральной совоупности, поэтому X являет-
ся несмещенной оценой математичесоо ожидания.
Несмещенность X означает, что для любоо онретноо набо-

ра данных (значений Х1, Х2, …, Хn) значение X обычно будет боль-
ше или меньше среднео енеральной совоупности а, но если мно-
оратно производить измерения, т. е. повторять процесс извлече-
ния выбори и для аждой выбори вычислять значение X , то
полученные результаты будут в среднем близи а и, следователь-
но, ошиба оцени не будет систематичеси слишом отличаться
по модулю от нуля. Друими словами, несмещенность оцени озна-
чает, что оцена не содержит систематичесой ошиби. Значение
X почти наверняа не равно точно а, оно содержит в себе неото-
рую неизвестную ошибу X – а. В среднем величина этой ошиби
равна нулю.
В лаве 1 на с. 98 оворилось, что инода дисперсию статис-
тичесой совоупности определяют с помощью формулы s x2 =
n
1
= --------------
n –1 ∑ (xi – x )2. Объясним причину различных определений
i=1
этоо понятия.
n 2
1
Дело в том, что выборочная дисперсия S2 = ---
n ∑  Xi – X  явля-
i=1
ется смещенной оценочной фунцией дисперсии случайной вели-
n
чины: MS2 = -------------- σ2, де σ2 = DX. Математичесое ожидание
n –1
n
-------------- σ2 оценочной фунции не равно оцениваемому параметру σ2.
n –1
Для устранения смещения рассматривают оценочную фунцию
n 2
1
∑  Xi – X 
n n
S2 = -------------- . Та а S2 = -------------- S2, то MS2 = -------------- MS2 =
n–1 n–1 n –1
i=1
n n–1
= -------------- · ------------- σ2 = σ2. Таим образом, S2 является несмещенной оце-
n–1 n
ночной фунцией дисперсии, и поэтому дисперсию статистичесой
совоупности инода определяют вышеприведенной формулой.

n
Доажем равенство MS2 = -------------- σ2. Пусть MXi = a, DXi = σ2,
n –1
σ2
тода MX = a, DX = ------ . Преобразуем выражение для выборочной
n
дисперсии:
1 n 1 n
S2 = ---
n ∑ (Xi – X )2 = --n- ∑ (Xi – a + a – X )2 =
i=1 i=1
1 n 2 n 1 n
= ---
n ∑ (Xi – a)2 – ---
n ∑ (Xi – a)( X – a) + ---
n ∑ (X – a)2 =
i=1 i=1 i=1
1 n 2 n 1
= ---
n ∑ (Xi – a)2 – --- ( X – a)
n n ∑
(Xi – a) + --- · n( X – a)2 =
i=1 i=1
1 n 2
= ---
n ∑ (Xi – a)2 – --n- ( X – a)(n X – na) + ( X – a)2 =
i=1
1 n
= ---
n ∑ (Xi – a)2 – ( X – a)2.
i=1
Применяя свойства математичесоо ожидания, получим
2
 n 
1
MS2 = M  --- ∑ i(X – a)2 – ( X – a)  =
n 
 i=1 
1
= --- nM(Xi – a)2 – M( X – a)2 = DXi – DX =
n
σ2 n–1
= σ2 – ------ = ------------- σ2.
n n
Друое желательное свойство для оценочных фунций (оцено)

неотороо параметра состоит в том, чтобы с ростом числа наблю-
дений она приближалась истинному значению параметра.
Оценочную фун цию не отороо параметра енеральной сово-
упности называют состоятельной, если с вероятностью, с оль
уодно близ ой 1, при достаточно большом n разность между
ней и параметром по модулю можно сделать меньше любоо на-
перед заданноо положительноо числа ε. Оценочную фун цию, не
обладающую этим свойством, называют несостоятельной.
Поажем, что выборочное среднее является состоятельной
оценой математичесоо ожидания. Из теоремы Чебышёва (см.
σ2
§ 4.9, теорема 1) следует, что P  X – a m ε  l 1 – ---------2 , σ2 = Dxi,
nε
и если число n велио, то правая часть последнео неравенства
близа 1, т. е. при достаточно большом n с вероятностью, близ-
ой 1, выборочное среднее а уодно мXало отличается от их ма-
тематичесоо ожидания.
Ка отмечалось во введении этой лаве, основные задачи ма-
тематичесой статистии будут рассмотрены для биномиальноо
распределения.
Напомним, что через р ранее (см. § 4.4) обозначалась вероят-

ность «успеха» в аждом испытании Бернулли. Проводят n испы-
таний Бернулли, пусть m — число «успехов» в них. Тода в аче-
стве оценочной фунции параметра p енеральной совоупности
m
можно принять относительную частоту «успеха» p = ----- . Напо-
n
мним, что оценочной фунцией для вероятности p является слу-
m
чайная величина p = ----- , а оценой неизвестной вероятности — ее
n
значение при неотором значении m. Например, если шахматист А
выирал у шахматиста В четыре партии из 10, то вероятность вы-
ирыша партии шахматистом А у В можно оценить отношением
4
------ = 0,4. Это оцена. А оценочной фунцией является относитель-
10
ная частота. В приведенном примере она приняла значение 0,4,
в друой раз шахматист А смо выирать три партии из 10 и тода
оценой неизвестной вероятности служит значение 0,3. А оценоч-
ная фунция одна и та же — это относительная частота партий,
выиранных этим шахматистом.
Уажите, что в этом примере ирает роль енеральной сово-
упности, что представляет собой извлеченная выбора, что
является параметром енеральной совоупности, статистиой,
оценой параметра.
m
Рассмотрим свойства оценочной фунции p = ----- , в частности
n
исследуем ее на несмещенность и состоятельность.
Если Хі означает число «успехов» в і-м испытании Бернулли,
і = 1, 2, ..., n (т. е. Хі принимает значение 1, если в і-м испытании
наступил «успех», и 0 — в противном случае), то случайная ве-
личина m = Х1 + Х2 + ... + Хn имеет биномиальное распределение
с параметрами n и p, поэтому Мm = np (см. § 4.7). Отсюда
m 1 1
M p = M ----- = --- Mm = --- np = p,
n n n
m
т. е. p = ----- — несмещенная оценочная фунция вероятности p.
n
Из теоремы Бернулли (см. § 4.9) следует, что P  ----- – p m ε  → 1

m
 n 
m
при n → ×, т. е. p = ----- — состоятельная оценочная фунция веро-
n
ятности p.
В то же время оценочная фунция Х1 для вероятности p не явля-

ется состоятельной, та а она не зависит от n и поэтому с ростом n
не может приближаться p. Заметим, что эта оценочная фунция
означает, что если в первом испытании произошел «успех», то веро-
ятность p оценивается числом 1, в противном случае — числом 0.
Доажите, что оценочная фунция Х1 является несмещенной

для вероятности p.
Тот фат, что оценочная фунция параметра является несме-

щенной, еще не арантирует, что она оазывается достаточно часто
близой оцениваемому параметру. Для иллюстрации рассмот-
рим 100 испытаний Бернулли. В ачестве оценочной фунции для
вероятности p выберем Х1. Она является несмещенной (см. вопрос).
Эта оценочная фунция вряд ли может удовлетворить исследовате-
ля. Он сорее соласился бы использовать таие оценочные фун-
m
ции, а ------ , де m — число «успехов» в 100 испытаниях Бернул-
99
m
ли, или ---------- , хотя они и не являются несмещенными:
101
100 p 100p
M  ------  = -------------- ; M  ----------  = -------------- .
m m
 99  99  101  101
Ясно, что необходимо аое-нибудь представление о точности

оценочной фунции. Из несольих оценочных фунций нужно
отдать предпочтение той, оторая в аом-либо смысле ближе ис-
тинному значению оцениваемоо параметра.
На пратие нет возможности работать непосредственно с рас-
пределением статистии, выбранной в ачестве оценочной фун-
ции, ибо ео параметры определяются свойствами всей енеральной
совоупности, а информация имеется тольо о выборе. Каждое
распределение харатеризуется средним вадратичным отлоне-
нием, поэтому выборочное распределение любой статистии таже
имеет среднее вадратичное отлонение. Если оно известно, то бу-
дет приближенно известно и то, насольо значение статистии
отличается от среднео значения статистии. Точное значение
среднео вадратичноо отлонения неизвестно, оно зависит от е-
неральной совоупности. Поэтому используют информацию о выбор-
е, чтобы сделать предположение или оценить среднее вадратич-
ное отлонение выборочноо распределения статистии. Полученное
таим образом приближение среднео вадратичноо отлонения
статистии, основанное тольо на данных выбори, называют

выборочным средним вадратичным отлонением, или стан-
дартной ошибой статистии. Стандартная ошиба поазыва-
ет приближенно, насольо наблюдаемое значение статистии от-
личается от ее среднео значения. Более точно, стандартная ошиб-
а приближенно поазывает, аим будет стандартное отлонение
в том случае, если взять большое число выборо, определить для
аждой из этих выборо среднее и рассмотреть эти выборочные
средние а набор данных.
Верно ли, что стандартная ошиба статистии является оце-

ночной фунцией для среднео вадратичноо отлонения
этой статистии?
Вернемся рассмотрению биномиальноо распределения.

Вычислим дисперсию и среднее вадратичное отлонение оценоч-
m
ной фунции p = ----- неизвестной вероятности p. Используя свойст-
n
ва дисперсии случайной величины (см. § 4.5, 4.6, 4.7), получим:
m 1 1 p(1 – p)
Dm = np(1 – p); D p = D ----- = -----2- Dm = -----2- np(1 – p) = --------------------- .
n n n n
Таим образом,
p(1 – p)
σ(m) = np ( 1 – p ) , σ( p ) = --------------------- .
n
Полученный результат поазывает, что, хотя стандартная ошиб-
а частоты m возрастает с ростом n, стандартная ошиба относи-
m
тельной частоты p = ----- при возрастании n убывает.
n
Недостато полученных формул состоит в том, что вероятность p,
а правило, неизвестна. На пратие произведение p(1 – p) заме-
1 1
няют дробью --- на том основании, что p(1 – p) m --- или заменяют p
4 4
ео оценочной фунцией p и тода выборочные средние вадратич-
ные отлонения или стандартные ошиби, вычисленные по выбор-
е, принимают следующий вид:
p(1 – p)
Sm = np ( 1 – p ) , S p = --------------------- .
n
Пример 4. При провере 50 изделий шесть оазались браован-

ными. Вычислить выборочные средние вадратичные отлонения
для числа браованных изделий и их доли среди всех изделий.
В данном примере n = 50, m = 6, p = 0,12. Поэтому Sm =

0,6 · ( 1 – 0,6 )
= 50 · 0,6 · ( 1 – 0,6 ) d 3,5; S p = ------------------------------------- d 0,069. Получен-
50
ный результат означает, что наблюдаемое значение 6 на 3,5 изде-
лия отлоняется от неизвестноо значения браованных изделий
в енеральной совоупности. Наблюдаемая доля браованных из-
делий, равная 12%, примерно на 6,9% отличается от истинной не-
известной процентной доли браованных изделий во всей ене-
ральной совоупности.
Пользуясь выделением полноо вадрата, доажите, что

1
p(1 – p) m --- .
4
Пример 5. Служба онтроля изучает 1000 деталей с тем, чтобы

выявить в них наличие или отсутствие браа. В ачестве оценоч-
ной фунции вероятности p тоо, что деталь браована, принимает-
ся относительная частота p . На сольо моут отличаться p и p ?
Применим неравенство Чебышёва (см. § 4.8) случайной ве-
личине p , среднее значение оторой равно p, а среднее вадратич-
p(1 – p)
ное отлонение σ( p ) = --------------------- . Получим
n
1
P  p – p m hσ( p )  l 1 – ---------------------
Dp
2 2
= 1 – -----2- .
h σ (p) h
Трудность залючается в том, что σ( p ) неизвестно, та а не-

1
известно p. Воспользуемся неравенством p(1 – p) m --- . Тода
4
p(1 – p) 1 1
σ( p ) = --------------------- m ------- = ----------- .
n 4n 2 n
Предыдущее неравенство можно переписать в виде:
1
P  p – p m -----------  l 1 – -----2- .
h
 2 n  h
1 1
Если h = 2, то P  p – p m -------  l 1 – --- = 0,75. Если h = 3, то
 n  4
3 1 8
P  p – p m -----------  l 1 – --- = --- . В рассматриваемом примере n = 1000.
 2 n  9 9
Поэтому при h = 2 можно утверждать, что вероятность выполни-
1 1
мости неравенства p – p m ------- , или неравенства p – p m ------------------ , или
n 1000
неравенства p – p m 0,032 не меньше 0,75. Друими словами со сте-
пенью уверенности (или с надежностью) не менее 75% можно ут-
верждать, что различие между p и p не превосходит 0,032.
Пользуясь методом, примененном при решении примера 3,

найдите, на сольо моут отличаться p и p , если n = 1000,
m = 30. Сравните полученный результат с результатом реше-
ния примера 5. В чем принципиальное различие?
Фатичеси решение этоо примера базируется на заоне боль-

ших чисел (§ 4.9), оторый утверждает, что для любоо положитель-
ноо ε при n → × вероятность выполнения неравенства |p – p | m ε
стремится 1. Поэтому использованный метод применим для вы-
боро большоо объема. То же относится и следующему примеру.
Пример 6. Для оценивания неизвестной вероятности p использу-

m
ют относительную частоту p = ----- , причем требуется, чтобы вероят-
n
ность выполнения неравенства |p – p | m 0,05 была не меньше 0,85.
Каим должен быть объем выбори?
1
Используя неравенство P  p – p m -----------  l 1 – -----2- , получим:
h
 2 n  h
h 1 1
----------- = 0,05; h = 0,1 n ; 1 – -----2- = 1 – ----------------- = 0,85.
2 n h 0,01n
1
Решая полученное уравнение, будем иметь n = ----------------------------- d 667.
0,15 · 0,01
Ита, выбора должна содержать не менее 667 наблюдений.

ЗАМЕЧАНИЕ. Использование неравенства Чебышёва приводит
рубым оценам вероятности, завышенным оценам для n. Дело
в том, что неравенство Чебышёва справедливо для любой случай-
ной величины, а всем, изучающим математиу, занимающимся ею,
известно, чем шире условия для аоо-то утверждения, тем сла-
бее результаты. Есть друие методы, оторые приводят более точ-
ным результатам. Но здесь мы пратичеси не будем на них оста-
навливаться. В частности, в данном примере эти методы дают зна-
чительно меньшее значение n l 218.
Для выборо небольшоо объема с помощью прораммы Excel

можно решать задачи о нахождении вероятности тоо, что вероят-
ность события в аждом испытании Бернулли отлоняется от от-
носительной частоты этоо события не более чем на заданную вели-
чину. Впрочем, Excel позволяет решать эту задачу и для выборо
большоо объема.
Пример 7. Вычислить вероятности:
а) P  p – p m 0,1 , P  p – p m 0,2 , если n = 10, p = 0,2;

   
б) P  p – p m 0,03 , если n = 1000, p = 0,1.

 
а) Преобразуем исомую вероятность:
P( p – p m 0,1) = P  p – ----- m 0,1  = P( np – m m 0,1n) =

m
 n 
= P( m – 2 m 1) = P(1 m m m 3) = P(m = 1) + P(m = 2) + P(m = 3).
Каждое слааемое можно вычислить с помощью прораммы Excel,
введя формулу (=БИНОМРАСП(а; n; π; ЛОЖЬ)) (см. § 4.2), а затем
просуммировать полученные результаты с помощью автосуммы Σ.
В результате получим P( p – p m 0,1) = 0,7718. Аналоично
P( p – p m 0,2) = P  p – ----- m 0,2  =

m
 n 
= P( np – m m 0,2n) = P( m – 2 m 2) = P(0 m m m 4).
Для вычисления этой вероятности с помощью Excel можно вос-
пользоваться формулой (=БИНОМРАСП(a; n; π; ИСТИНА)). Полу-
чим P( p – p m 0,2) = 0,9672.
б) P( p – p m 0,03) = P  p – ----- m 0,03  = P( np – m m 0,03n) =

m
 n 
= P( m – 100 m 30) = P(–70 m m m 130) = P(0 m m m 130).
Воспользовавшись опять формулой (=БИНОМРАСП(a; n; π;
ИСТИНА)) при а = 130, n = 1000, π = 0,1, получим P( p – p m
m 0,03) = 0,9990.
Заметим, что P(–70 m m m 130) = P(0 m m m 130), та а случай-
ная величина m принимает тольо неотрицательные значения.
Почему при решении первой части примера 7, а удобнее было
воспользоваться формулой (=БИНОМРАСП(а; n; π; ЛОЖЬ)),
а при решении второй — формулой (=БИНОМРАСП(а; n; π;
ИСТИНА))?

Обратите внимание на то, что формулы Sm = np ( 1 – p ) , Sp =
p(1 – p) p(1 – p)
= --------------------- получены из формул σ(m) = np ( 1 – p ) , σ( p ) = ---------------------
n n
заменой теоретичесих харатеристи σ и p соответствующими

выборочными харатеристиами S и p . Точно та же выражения
m
1
для выборочноо среднео x = ---
n ∑ xi n i и выборочноо среднео
i=1
1 m
вадратичноо отлонения S = ---
n ∑ ( xi – x ) 2 n i получаются из вы-
i=1
m
ражений для математичесоо ожидания MX = ∑ xi pi и среднео
i=1
m
вадратичноо отлонения σ(X) = M ( X – MX ) 2 = ∑ ( xi – MX ) 2 pi
i=1
n
заменой вероятности pі на относительную частоту -----i . Выраже-
n
ния для Sm и S p , впрочем, а и произвольные фунции от элемен-
тов выбори, являются оценочными фунциями соответственно
для σ(m), σ( p ).
Пусть имеется теперь енеральная совоупность, состоящая из
k слоев соответственно объемами N1, N2, …, Nk, из оторой извле-
чена стратифицированная выбора c размерами слоев n1, n2, ..., nk.
Пусть N = N1 + N2 + … + Nk — объем енеральной совоупности.
Через X 1 , X 2 , ..., X k обозначим выборочные средние слоев, а через
S1 , S 2 , ..., S k — их выборочные средние вадратичные отлоне-
ния. Выборочное среднее и ео стандартная ошиба для стратифи-
цированной ошиби вычисляются по следующим формулам:
k
1 1 N X + N X + ... + N X
2 2 k k
∑ Ni X i
i=1
X = ------------------------------------------------------------------------- = -----------------------
-,
N 1 + N 2 + ... + N k N
2 2 2 2 2 2 k 2 2
1 1 1 N S 2 2 N S k k N S 1 Ni Si
S X = ----- --------------
N
- + --------------- + ... --------------- = -----
n1 n2 nk N ∑
i=1
--------------- .
ni
Пример 8. Проводят опрос среди 1400 родителей учащихся шо-

лы, оторым предложено оценить по несольим параметрам ра-
боту шолы. Всех родителей естественно разделить на две руппы
в зависимости от их возможностей профессионально судить о рабо-
те шолы. Решено использовать стратифицированную случайную
выбору. Это разумно, та а можно ожидать, что руппа «про-
фессионалов» ачественнее оценит работу шолы. Стратифиация
позволит уменьшить общую вариацию возможных оцено работы
шолы. Основа выбори — это уже лассифицированный списо
1400 родителей: в списе 253 «профессионала» и 1147 «непрофес-
сионалов». Решено отобрать 100 «профессионалов» и 50 «непрофес-
сионалов», сделав ацент на слое подотовленных родителей. В таб-
лице 5.1 приведены результаты.
Таблица 5.1
Объем Выбо- Стандартное

Объем
Слой сово п- рочное отлонение
выбори
ности среднее выбори
«Профессионалы» N1 = 253 n1 = 100 x 1 = 125 s 1 = 45
«Непрофессионалы» N2 = 1147 n1 = 50 x 2 = 29 s2 = 8
Полученные для двух слоев оцени интересны. Эти результаты

подтвердили предположение о том, что «профессионалы» выше
оценят работу шолы. Вычислим среднюю оцену работы шолы,
данную одним родителем:
N x +N x
1 1 2 2 253 · 125 + 1147 · 29 64 888
x = ----------------------------------- = --------------------------------------------------------- = ------------------ = 46.
N1 + N2 253 + 1147 1400
Значение результирующей средней оцени, 46, ближе оцене

«непрофессионалов» (29), чем оцене «профессионалов» (125). Это
следствие тоо, что слой «непрофессионалов» составляет значи-
тельно большую часть енеральной совоупности, чем слой «профес-
сионалов».
Неопределенность полученной оцени можно определить вы-
числением стандартной ошиби:
2 2 2 2
1 1 1 N s 2 2 N s 1 253 2 · 45 2 1147 2 · 8 2
Sx = ----- ------------- + ------------- = ------------- ---------------------------- + ---------------------------- =
N n1 n2 1400 100 50
1
= ------------- 84 198 976 + 129 618 225 d 10,4.
1400
Можно ожидать, что оцена, полученная от опроса всех родите-

лей, будет отличаться в ту или иную сторону примерно на 10.
Придумайте ситуацию, ода удобно воспользоваться страти-

фицированной выборой.
1. В чем сущность задачи оце- 6. Ка вы понимаете утвержде-

нивания неизвестных парамет- ние: «Относительная частота со-
ров енеральной совоупности? бытия в испытаниях Бернулли
2. Стандартное отлонение вы- является несмещенной оценоч-
бори равно 8,5. Является ли ной фунцией вероятности на-
это число оценочной фунцией ступления этоо события в аж-
или оценой среднео вадра- дом испытании»?
тичноо отлонения енераль- 7. Ка вы понимаете утвержде-
ной совоупности? ние: «Относительная частота со-
3. Известна ли оцена ошиби, бытия в испытаниях Бернулли
если оценивается неизвестный является состоятельной оценоч-
параметр енеральной совоуп- ной фунией вероятности на-
ности? ступления этоо события в аж-
4. Каим образом стандартная дом испытании»?
ошиба харатеризует ачество 8. В чем преимущества страти-
информации, полученной в ре- фиации?
зультате оценивания? 9. Каие дополнительные сооб-
5. Ка изменится стандартная ражения, роме требования не-
ошиба при увеличении объема смещенности, влияют на выбор
выбори n? метода оценивания?
Задачи
511.° Найдите:
а) P( p – p m 0,1), если n = 20, p = 0,01;
б) P( p – p m 0,2), если n = 5, p = 0,2.
512.° С помощью неравенства Чебышёва оцените величину
P( p – p m d), если:
а) d = 0,1; n = 1000; б) d = 0,05; n = 100;
в) d = 0,2; n = 10; ) d = 0,01; n = 400.
513. Каим должен быть объем выбори, чтобы вероятность

выполнения неравенства P( p – p m d) была не меньшей 0,92,
если:
а) d = 0,1; б) d = 0,05; в) d = 0,2?
514. На сольо моут отличаться вероятность p и ее оценоч-
ная фунция p , чтобы при объеме выбори n = 500 это можно было
арантировать с вероятностью, не меньшей 0,88?
515.° Обозначим неизвестное число овец в отаре через N. Из этой
отары науад отбирают М овец, оторых затем леймят и возвра-
щают в отару. В следующий раз отбирают n овец, среди оторых m
оазываются леймеными. Предложите оценочную фунцию ве-
личины N.
516. С аой вероятностью можно утверждать, что для 100 опы-
тов вероятность события отличается от относительной частоты это-
о события по модулю не больше, чем на 0,1?
517. Опрос 756 случайно отобранных взрослых жителей Мос-
вы поазал, что 63% из них поддерживают теущую политиу
правительства Мосвы. Найдите поазатель, оторый приближен-
но харатеризовал бы отличие этоо выборочноо процента от зна-
чения, оторое моло бы быть получено при опросе всео взрослоо
населения Мосвы.
518. В тесте 20 000 слов. Отобрали n слов, среди них было m
лаолов.
а) Оцените вероятность тоо, что вероятность появления лао-
m
ла в тесте отличается от ----- по модулю не более чем на 0,05, если
n
n = 900.
б) Сольо слов следует отобрать из теста, чтобы с вероятно-
стью не менее 0,8 ожидать, что отлонение относительной частоты
от вероятности появления лаола по модулю не будет превосхо-
дить 0,01?
519. В неотором ороде живет 25 тыс. взрослых жителей. Со-
циолои отобрали для опроса n взрослых жителей. Оазалось, что
m из них читает азету А.
а) Оцените вероятность тоо, что доля всех жителей орода, чи-
тающих азету А, отличается от доли читающих эту азету в вы-
боре не более чем на 0,02, если n = 2000.
б) Сольо жителей надо отобрать для опроса, чтобы с вероятно-
стью не менее 0,83 процент читающих азету А в выборе отли-
чался от процента таих взрослых жителей в ороде не более чем
на 0,01?
§ 5.3. Доверительные интервалы

В предыдущем парарафе были введены понятия оценочной
фунции и оцени параметра енеральной совоупности, обсужда-
лись неоторые желательные свойства оценочных фунций таие,
а несмещенность и состоятельность. Рассмотренные оценочные
фунции часто называют точечными оценами (от слова «точ-
а»; параметр оценивается неоторой точой). Оценочная фун-
ция есть случайная величина, имеющая неоторый разброс ооло
истинноо значения параметра, а поэтому, приравнивая истинное
значение параметра числовому значению оценочной фунции или
оцене, мы допусаем определенную ошибу. Друими словами,
построить оцену неизвестноо параметра по результатам наблю-
дений — значит, найти приближенное значение этоо неизвестноо
параметра. С приближенными вычислениями и понятием прибли-
жения вы знаомы. Но, оворя о приближениях или пользуясь
приближенными значениями, надо ясно представлять себе и точ-
ность приближения, представлять раницы абсолютной пореш-
ности. Например, 1 м может считаться приближенным значением
и для длины 910 мм, и для 1007 мм, и для 999,3 мм. Границы абсо-
лютной порешности составят соответственно 100 мм, 10 мм и 1 мм.
Без уазания, с аой точностью взяты приближенные значения,
сами по себе они пратичеси смысла не имеют.
Эта общая идея находит свое применение и в статистие. Здесь
понятие точности приближения реализуется в виде доверительно-
о интервала.
В этом парарафе будет рассмотрен вопрос получения интер-
вальных оцено, т. е. возможность построения неотороо интер-
вала, содержащео истинное значение параметра с заданной веро-
ятностью. Сам метод получения таих интервалов сводится пост-
роению та называемых доверительных пределов, а полученные
интервалы называют доверительными. Процедура, оторая будет
здесь описана, состоит в построении верхнео и нижнео довери-
тельных пределов уровня 1 – α, обладающих следующим свойст-
вом: если оворят, что истинное значение параметра лежит между
этими пределами, то это утверждение верно с вероятностью 1 – α
(и неверно с вероятностью α). Очевидно, что α следует выбирать до-
статочно малым. Число 1 – α называют оэффициентом доверия,
или доверительной вероятностью. Величина 1 – α отражает «сте-
пень отовности мириться с возможностью ошиби».
С идеей построения доверительных интервалов познаомимся
прежде всео на примере. Пусть проведено n измерений неоторой
§ 5.3. Доверительные интервалы 441
неизвестной величины а с помощью прибора, точность отороо из-

вестна. Получены значения х1, х2, ..., хn. Будем считать, что изме-
рения проведены без систематичесой ошиби, та что ошиби из-
мерения тольо случайные. Наблюдения х1, х2, ..., хn будем счи-
тать реализацией (значениями) независимых случайных величин,
имеющих одно и то же распределение. Их математичесое ожида-
ние а неизвестно, и ео необходимо оценить. Качество измерений
харатеризуется дисперсией случайных ошибо наблюдений: чем
больше дисперсия, тем менее стабильны результаты. В значитель-
ной степени дисперсия результатов измерений определяется аче-
ством прибора. Та а ачество прибора мы предположили из-
вестным, то можем считать известной дисперсию наблюдений.
Основываясь на заоне больших чисел, в ачестве оценочной
фунции математичесоо ожидания а можно принять среднее
1 2 X + X + ... + X n
арифметичесое значений наблюдений, т. е. X = ------------------------------------------------
-.
n
Задача состоит в нахождении двух случайных величин X – k(n) и
X + k(n), зависящих от X и n, таих, что интервал ( X – k(n); X +
+ k(n)) с вероятностью 1 – α содержит истинное значение парамет-
ра. Вся трудность состоит в нахождении k(n).
Для аналоии напомним, что в приближенных вычислениях о-
ворят, что число х является приближением числу а с точностью
до h, если х – h m a m х + h. Отличие статистичесих приближений
состоит в том, что арантируется эта точность лишь с определенной
вероятностью 1 – α, меньшей 1. Друими словами, при массовых
вычислениях подобноо рода точность приближения параметру а
среднео арифметичесео n наблюдений x будет не более чем k(n)
примерно в 100 · (1 – α)% случаев. В оставшейся доле случаев при-
ближение x а может оазаться худшим.
Воспользуемся неравенством Чебышёва для построения довери-
тельноо интервала для неизвестноо математичесоо ожидания а
случайной величины Х. Соласно неравенству Чебышёва
DX
P( X – a m ε) > 1 – ---------
2
-.
ε
DX σ2
Та а D X = ---------- = ------ (σ2 — дисперсия одноо наблюдения),
n n
то неравенство примет вид
σ2
P( X – a m ε) > 1 – ---------2 .
nε
Решая неравенство, стоящее под знаом вероятности относи-

тельно а, получим X – ε m a m X + ε. Если дисперсия была бы
известна, то по заданной доверительной вероятности 1 – α из равен-
σ2 σ
ства 1 – --------2- = 1 – α можно было бы найти ε (ε = ------------ ) и построить
nε nα
исомый доверительный интервал:
σ σ
X – ------------ m a m X + ------------ .
nα nα
Вероятность тоо, что этот доверительный интервал содержит
истинное значение а больше 1 – α. Если же дисперсия неизвестна,
то в предыдущем неравенстве ее заменяют выборочной дисперсией
S и получают приближенный доверительный интервал
S S
X – ------------ m a m X + ------------ .
nα nα
Пример 1. В шолах района учится 500 десятилассниов. Для

провери усвоения неоторой темы был предложен тест из 10 воп-
росов. Для испытания отобраны 62 человеа. Результаты испыта-
ний представлены в таблице 5.2.
Таблица 5.2
Число правильных ответов 3 4 5 6 7 8 9 10

Число чащихся 2 18 13 8 10 6 4 1
Найти раницы, в оторых с вероятностью не менее 0,84 лежит

среднее число правильных ответов всех десятилассниов.
Дисперсию енеральной совоупности принять равной диспер-
сии выбори.
По данным выбори вычислим выборочное среднее и выбороч-
ную дисперсию: x = 5,73; s = 1,81. По условию α = 1 – 0,84 = 0,16.
s 1,81
Тода ------------ = ---------------------------- = 0,58. Доверительный интервал будет иметь
nα 62 · 0,16
вид (5,73 – 0,58; 5,73 + 0,58), или (5,15; 6,31). В таих пределах
содержится среднее число правильных ответов десятилассниов
района на задания теста с доверительной вероятностью 0,84.
Подробно мы рассмотрим построение доверительноо интервала

для неизвестной вероятности p наступления события в аждом из
n испытаний Бернулли. Требуется при заданном числе испытаний
n и заданном числе m наступлений события («успеха») в n испыта-

ниях Бернулли найти две таие случайные величины p1(n) и p2(n),
чтобы с заданной вероятностью (например, 0,9) можно было ут-
верждать, что имеет место неравенство
p1(n) m p m p2(n).
При неоторых исходах эсперимента (n испытаний Бернулли)
это неравенство оажется справедливым, при друих — нет. При
большом числе эспериментов истинными эти неравенства оа-
жутся примерно в 90% случаев.
Напомним, что несмещенной и состоятельной оценочной фун-
цией неизвестной вероятности p является относительная частота
m
p = ----- . Из неравенства Чебышёва следует, что
n
1
P( p – p m hσ( p )) l 1 – -----2- .
h
Отсюда нетрудно получить, что
1
P( p – hσ( p ) m p m p + hσ( p )) l 1 – -----2- .
h
Казалось бы, что доверительный интервал построен. Но значе-
ния ео пределов p – hσ( p ), p + hσ( p ) не моут быть вычислены по
результатам испытаний, та а неизвестно среднее вадратичное
m
отлонение σ( p ) относительной частоты p = ----- . Напомним, что
n
p(1 – p)
σ( p ) = --------------------- . Вероятность p не известна. На пратие произведе-
n
1 1
ние p(1 – p) заменяют дробью --- на том основании, что p(1 – p) m --- .
4 4
В этом случае получим
p(1 – p) 1 1
σ( p ) = Dp = --------------------- m ------- = ----------- .
n 4n 2 n
1
Ита, с вероятностью не меньшей, чем 1 – -----2- выполняется не-
h
h h h
равенство p – p m ----------- , или p – ----------- m p m p + ----------- . Словами эти
2 n 2 n 2 n
неравенства можно сформулировать та: расстояние между p и p
h
не превосходит ----------- .
2 n
1
Если h = 2, то вероятность выполнения неравенства p – p m -------
n
не меньше 0,75. Аналоично, положив h = 3, получим, что вероят-
3
ность выполнения неравенства p – p m ----------- не меньше 0,88.
2 n
Ита, интервал  p – ----------- ; p + -----------  является доверитель-

h h
 2 n 2 n 
ным интервалом для вероятности p с доверительной вероятно-
1 h
стью 1 – -----2- . Число ----------- называют точностью оцени p, а число
h 2 n
1 h h
1 – -----2- — надежностью этой оцени, число 2 · ----------- = ------- — дли-
h 2 n n
ной доверительноо интервала.
Пример 2. Завод производит элетричесие лампочи. Вероят-

ность лампоче быть браованной считается равной p. Для онтро-
ля отобрано n ламп, среди оторых браованных оазалось m. Тре-
буется с доверительной вероятностью 0,83 оценить вероятность то-
о, что лампа браована, если n = 1000, m = 120.
Относительная частота события «лампа браована» равна
m 120
p = ----- = ------------- = 0,12. По условию доверительная вероятность не
n 1000
1
меньше, чем 0,83, т. е. 1 – -----2- = 0,83. Решая это уравнение отно-
h
1 1
сительно h, получим: -----2- = 0,17, --- d 0,41, h d 2,44. Тода точ-
h h
h 2,44
ность оцени будет равна ----------- d ---------------------- d 0,04. Ита, (0,12 – 0,04;
2 n 2 1000
0,12 + 0,04), или (0,08; 0,16), — исомый доверительный интер-
вал для неизвестной вероятности p с доверительной вероятнос-
тью 0,83.
Чему равна длина построенноо доверительноо интервала?
Чему равна точность оцени p = 0,12 неизвестной вероятнос-

ти p?
Чему равна надежность оцени p = 0,12 неизвестной вероят-

ности p?
Напоминаем, что примерно в 83% случаев доверительный ин-
тервал, вычисленный по правилу  p – ----------- ; p + ----------- , будет

h h
 2 n 2 n 
содержать при приведенных данных истинное значение вероят-
ности.
В предыдущем парарафе мы уже оворили о том, что примене-
ние неравенства Чебышёва приводит довольно рубым результа-
там. Обратите внимание на то, что в рассмотренном интервале дове-
рительная вероятность невысоая — 0,83, т. е. мы соласны идти
на 17%-й рис. Платой за более высоую доверительную вероят-
ность является более широий, а значит, и менее полезный интер-
вал. Например, в примере 2 для доверительной вероятности, рав-
ной 0,95, мы получили бы доверительный интервал (0,05; 0,19),
а для доверительной вероятности, равной 0,99, мы получили бы до-
верительный интервал (–0,02; 0,28), т. е. фатичеси односторон-
ний интервал: значение вероятности лампоче быть браованной
с вероятностью, не меньшей 0,99, не превышает 0,28.
Каой из двух доверительных интервалов больше: 90%-ный

или 85%-ный?
Более точный доверительный интервал для неизвестной веро-

ятности события можно получить при достаточно большом объе-
ме выбори, если воспользоваться нормальным приближением
биномиальному распределению (см. § 4.10). По заданной дове-
рительной вероятности 1 – α с помощью таблиц стандартноо нор-
мальноо распределения можно найти таое число h, что 2Р(Z < h) –
– 1 = 1 – α.
Пример 3. Решим пример 2, воспользовавшись нормальным при-

ближением для биномиальноо распределения, если доверитель-
ная вероятность равна:
а) 0,83; б) 0,95.
а) Если 2Р(Z < h) – 1 = 0,83, то h = 1,37, тода точность оцен-
h 1,37
и будет равна ----------- d ---------------------- d 0,022. Ита, (0,12 – 0,022; 0,12 +
2 n 2 1000
+ 0,022), или (0,098; 0,142), — исомый доверительный интервал
с доверительной вероятностью 0,83. Ка видим, получен более уз-
ий, по сравнению с результатом применения неравенства Чебышё-
ва, доверительный интервал.
б) Если 2Р(Z < h) – 1 = 0,95, то h = 1,96, тода точность оцени

h 1,96
будет равна ----------- d ---------------------- d 0,031. Ита, (0,12 – 0,031; 0,12 + 0,031),
2 n 2 1000
или (0,089; 0,151), — исомый доверительный интервал с довери-
тельной вероятностью 0,95.

В неоторых ситуациях нет необходимости утверждать, что ве-
роятность события находится между двумя раницами доверитель-
ноо интервала. Доверительный интервал может строиться на ос-
нове утверждения о том, что вероятность события по райней мере
не меньше, чем неоторое число, или что вероятность события по
райней мере не больше, чем неоторое число. В этом случае мы
имеем дело с та называемым односторонним доверительным ин-
тервалом. Односторонний доверительный интервал устанавли-
вает с доверительной вероятностью, что параметр енеральной со-
воупности либо не меньше, либо не больше неотороо вычислен-
ноо значения.
В аих случаях нас может удовлетворить односторонний дове-
рительный интервал? Например, известно, что изменение техноло-
ии может привести уменьшению процента браа. Тода нам до-
статочно знать, не меньше аоо числа вероятность браа в ене-
ральной совоупности. Друой пример. Известно, что социальная
политиа правительства привела улучшению жизненноо уровня
населения страны. Исследуют долю людей, доход оторых превы-
шает заданный уровень. Нам достаточно знать, не больше аоо
числа эта доля в енеральной совоупности.
1. Каую дополнительную ин- и сделать а можно более точ-

формацию о енеральной сово- ный вывод»?
упности дает доверительный 3. Можно ли при построении
интервал по сравнению с оцен- доверительноо интервала для
ой параметра? неизвестной вероятности собы-
2. Ка вы понимаете фразу: тия при помощи неравенства
«Доверительные интервалы по- Чебышёва полаать h m 1?
зволяют, по возможности, из- 4. Что происходит с длиной до-
бавиться от неопределенности верительноо интервала при уве-
личении объема выбори с фи- вестной вероятности, если объем

сированной доверительной веро- выбори и доверительная веро-
ятностью? ятность остаются неизменными?
5. Верно ли, что с увеличением 8. Представьте, что вы строите
доверительной вероятности при доверительный интервал для не-
фисированном объеме выбор- известной вероятности выпуса
и длина доверительноо интер- браованноо парашюта. Удов-
вала увеличивается? летворит ли вас доверительная
6. Что происходит с доверитель- вероятность, равная 0,99?
ной вероятностью при умень- 9. Верно ли, что 90%-ный дове-
шении длины доверительноо рительный интервал, построен-
интервала, если объем выбори ный для неизвестной вероятнос-
остается неизменным? ти события, ровно в 10% случа-
7. Ка влияет на длину довери- ев не будет содержать истинной
тельноо интервала оцена неиз- вероятности события?
Задачи
520. Предварительный опрос 961 случайно отобранноо изби-
рателя поазал, что андидат, за отороо вы проолосовали, идет
впереди с 52,4% олосов. Постройте 90%-й доверительный интер-
вал для процента олосов за вашео андидата в енеральной сово-
упности.
521. В неотором большом ороде образована выбора из 25 жи-
телей. Оазалось, что 10 из них являются читателями азеты А.
Постройте 75%-ный доверительный интервал для вероятности то-
о, что аждый житель орода читает азету А.
522. Из большоо числа шольниов образована выбора, состоя-
щая из 100 челове. Оазалось, что для 80 из них способность за-
помнить изучаемый материал существенно повышается в том слу-
чае, если занятиям предшествует 8-часовой сон. Постройте 75%-ный
доверительный интервал для оцени доли в выборе лиц, способ-
ность оторых запоминанию существенно повышается в резуль-
тате 8-часовоо сна, предшествующео занятиям.
523. Каим должен быть объем выбори, приводящий полу-
чению 84%-ноо доверительноо интервала для неизвестной веро-
ятности события, длина отороо не превышает 0,25?
524. Случайная выбора 100 семей, проживающих в Краснода-
ре, поазала, что в 20 из этих семей месячный доход на одноо чле-
на семьи превышает 15 000 р. Постройте 91%-ный доверительный
интервал для доли p семей в Краснодаре, чей месячный доход на

одноо члена семьи превышает 15 000 р.
525. Случайная выбора 100 семей, проживающих в Красно-
даре, поазала, что в 20 из этих семей месячный доход на одноо
члена семьи превышает 15 000 р. С аой вероятностью можно
1 11
утверждать, что интервал  ------ ; ------  является доверительным для
 30 30 
доли p семей в Краснодаре, чей месячный доход на одноо члена
семьи превышает 15 000 р.?
526. Анализ выбори объемом 240 челове, случайно отобран-
ных из населения орода численностью 250 300 челове, поазал,
что 150 из них поддерживают прорамму дорожноо строительства
в ороде. Постройте 85%-ный доверительный интервал для процен-
та поддерживающих прорамму жителей всео орода:
а) пользуясь неравенством Чебышёва;
б) используя нормальное приближение для биномиальноо рас-
пределения.
527. Выпущено 1000 радиоприемниов.
Проводились испытания чувствительности 40 радиоприемни-
ов из этой партии. Результаты представлены в таблице 5.3.
Таблица 5.3
Ч встви- 75—175 175—275 275—375 375—475 475—575 575—675

тельность,
мВ
Число 1 14 14 8 2 1
радиопри-
емниов
По этим данным определите раницы, в оторых с вероятно-

стью не менее 0,91 лежит средняя чувствительность радиоприем-
ниа во всей партии. Дисперсию енеральной совоупности прими-
те равной дисперсии выбори.
§ 5.4. Провера статистичесих ипотез

Человеу часто приходится принимать то или иное решение.
В большинстве принимаемых решений содержится элемент риса.
Решив заняться бизнесом, челове должен принять решение, а-
им бизнесом ему нужно заняться. Очень важно уадать, аой
§ 5.4. Провера статистичесих ипотез 449
бизнес принесет прибыль, де меньше онуренции. Учащийся,

отвечая на вопрос тестовоо задания, оторому приведено не-
сольо ответов, должен принять решение, на аом варианте ос-
тановиться. Он может быть не знаом с данным вопросом и поэто-
му остановится на том варианте, оторый ему поажется наиболее
правдоподобным.
В рассмотренных примерах элемент случайности не вели, и при
принятии решения значительную роль ирает сознание человеа.
Однао во мноих случаях статистиа может существенно помочь
обосновать принятие тоо или иноо решения. Например, приня-
тию решения о переходе на новую технолоию производства ао-
о-либо изделия должна предшествовать эспериментальная про-
вера этой технолоии, сбор необходимой информации, ее обработ-
а, провера тоо, оворят ли собранные данные в пользу новой
технолоии. Аналоично перед введением новоо учебниа в шо-
лу, при изменении содержания обучения по аому-либо предмету
должна проводиться апробация учебниа, провера необходимос-
ти и возможности изменения содержания обучения, при этом со-
бранная информация должна обрабатываться с помощью методов
математичесой статистии, в частности на основе этих методов
должно приниматься решение, аой из выдвинутых ипотез от-
дать предпочтение.
В данном парарафе мы познаомимся с основными идеями, на
оторых базируется раздел статистии, называемый проверой
статистичесих ипотез. Эти идеи будут применены в основном
провере ипотез о вероятности «успеха» в аждом испытании
Бернулли.
Провера статистичесих ипотез позволяет на основе имеющей-
ся информации сделать выбор между двумя предположениями,
называемыми ипотезами. Эта процедура дает ответ на вопрос,
являются ли наблюдаемые результаты (об эффетивности новой
технолоии, новоо учебниа, новоо содержания обучения) слу-
чайными или они реальны. Проверу статистичесих ипотез мож-
но рассматривать а один из омпонентов принятия решений. Са-
ма по себе провера ипотез не может быть использована для при-
нятия решения о поупе, например, мобильноо телефона той
или иной фирмы (ведь решение принимает челове), но она дает
важную информацию об эффетивности тоо или иноо мобильно-
о телефона.
Сущность идей, лежащих в основе провери статистичесих
ипотез, рассмотрим сначала на следующем примере. Крато эти
идеи рассматривались в § 4.8 при изложении правила трех сим.
Каие ипотезы проверялись в § 4.8 с помощью правила трех

сим?
Пример 1. Родители Миши живут раздельно. Он их одинаово

любит (впрочем, та же, а и они ео), и после шолы ежедневно
едет одному из родителей. В выходные он остается у тоо из роди-
телей, оторому приехал наануне выходных. Мишины родители
проживают рядом со станциями метро, расположенными на одина-
овом расстоянии от станции метро, находящейся рядом с Миши-
ной шолой, но по разные стороны от этой станции. Придя на стан-
цию метро, Миша садился в первый подошедший станции поезд
и, если этот поезд отправлялся в одном направлении, он приезжал
маме, если в друом — отцу. В предположении, что вероятнос-
ти уехать в аждом из этих двух направлений примерно одинао-
вы, можно ожидать, что число визитов Миши маме и папе за до-
статочно длительный промежуто времени должно оазаться при-
мерно одинаовым. Однао через неоторое время мама упренула
Мишу в том, что он отдает предпочтение папе, та а за последние
30 рабочих дней он 21 раз ездил папе и тольо 9 раз — ней.
Каова же причина подобной несправедливости по отношению
Мишиной маме? С помощью аих арументов Миша обосновы-
вал решение доверить выбор направления своей поезди случаю?
Он рассуждал та: за достаточно длительный промежуто времени
число визитов папе и маме должно оазаться примерно одинао-
вым, та а вероятность попасть на поезд, идущий в одном на-
правлении, равна вероятности уехать на поезде, идущем в проти-
воположном направлении. Таим образом, можно оворить об
отсутствии различий в числе встреч с одним и друим родите-
лем. Подобное предположение об «отсутствии различий» получило
в статистие название «нлевая ипотеза». В данном примере ну-
левая ипотеза состоит в том, что Миша в течение 30 рабочих дней
15 раз поедет маме и 15 раз — папе. Точнее, нулевая ипотеза
состоит в том, что вероятности p1 и p2 попасть на поезд аждоо
направления одинаовы, p1 = p2.
Но фатичесое соотношение 21 : 9 поездо папе и маме при-
водит мысли отвернуть данную ипотезу и считать предполо-
жения, из оторых исходил Миша, неверными. А что было бы
в случае, если соотношение между визитами составило 17 : 13? Воз-
можно, этот результат поажется нам правдоподобным. А а по-
ступить в случае, если это соотношение будет равняться 18 : 12,
19 : 11, 20 : 10? Случайно ли оно оазалось именно таим? По-ви-
димому, де-то лежит раница, после оторой уже нельзя сделать

вывод о случайности полученноо соотношения, и имеются аие-
то срытые фаторы, в силу оторых Миша чаще попадал на поезд,
отвозивший ео папе.
Соотношение 21 : 9 моло произойти случайно и в случае p1 = p2.
Но вероятность этоо мала. Она совпадает с вероятностью тоо,
что при 30 подбрасываниях симметричной монеты ерб выпадет
ровно 21 раз. Соласно формуле Бернулли (см. § 4.4), она равна
30 30
1 1
C 30 ·  ---  = C 30 ·  --- 
21 9
d 0,013. Это событие редое, но все же
2 2
оно может произойти и по этой причине не существует однозначно
определенноо положительноо или отрицательноо ответа для слу-
чаев, сходных с описанной ситуацией.
Ита, есть две возможности:
1) анализируемая ситуация не удовлетворяет первоначально
выдвинутому предположению (нулевая ипотеза оазалась оши-
бочной), и полученный результат является правильным отражени-
ем реальной действительности;
2) анализируемая ситуация соответствует первоначально вы-
двинутому предположению (нулевая ипотеза оазалась верной),
и произошла та редая случайность, оторая в принципе возмож-
на, но пратичеси не происходит.
Столнувшись с подобной альтернативой, дальше можно рас-
суждать та: если p1 = p2, то таое соотношение между фатиче-
сими поездами, а 21 : 9, может встретиться лишь в одном или
двух случаях из 100. Посольу подобный результат является ма-
лоправдоподобным, видимо, есть смысл отбросить основную ипо-
тезу и рассмотреть ее альтернативы. Гипотеза p1 = p2 мола оа-
заться неверной, та а участи пути в оба направления на самом
деле моут иметь разную длину, или они имеют одинаовую длину,
но на одном направлении больше останово, возможно, в одном из
направлений поезд должен по аой-то причине снижать сорость
движения и т. д. Учитывая эти возможности и располаая фати-
чесими данными, мы со статистичесой точи зрения имеем все
основания полаать, что первоначально выдвинутая ипотеза p1 = p2
неверна и ее следует отбросить. Точнее данная нулевая ипотеза от-
верается при определенном уровне значимости. Мы можем оши-
биться, отверая нулевую ипотезу, однао это может случиться лишь
в одном или двух случаях из 100. Таим образом, нулевая ипотеза
отверается при 1%-ном или 2%-ном уровне значимости.
Сформулируйте нулевую ипотезу, оторая проверялась в § 4.8

с помощью правила трех сим?
Чему равен уровень значимости, на отором проверяется и-

потеза с помощью правила «двух сим»; правила трех сим?
Следует понимать, что есть определенный рис и в том случае,

ода нулевая ипотеза отверается (она может оазаться верной),
и в том случае, ода нулевая ипотеза не отверается (она может
оазаться неверной).
Если отверается нулевая ипотеза в случае, ода она верна, то
оворят, что совершается ошиба первоо рода.
Нулевая ипотеза верна. При провере с помощью правила

трех сим она отвернута. Чему равна вероятность ошиби
первоо рода?
Если же нулевая ипотеза не отвернута в то время, ода она

неверна, то совершается ошиба второо рода.
Ита, на основании рассмотренноо примера сформулируем
обобщенню схем последовательности рассждений, оторы-
ми пользуются в статистие.
1. Формулируют нулевую ипотезу.
Понятие статистичесой ипотезы, с оторым имеет дело мате-
матичесая статистиа значительно уже, чем общее понятие на-
учной ипотезы. Научные ипотезы о происхождении Вселенной,
о существовании жизни на Марсе, о наличии нефти на лубине
15 м под поверхностью Земли не являются статистичесими, их
нельзя подвернуть провере с помощью математичесой статис-
тии. Статистичесие ипотезы асаются поведения наблюдаемых
случайных величин или случайных событий. Средний рост юно-
шей за последние 20 лет увеличился на 10 см; или порешности
при изотовлении болтов на двух исследуемых стан ах одина-
овы; или за данноо андидата проолосует более половины из-
бирателей — вот примеры статистичесих ипотез.
Нулевую ипотезу обозначают через Н0. Она представляет собой
таое утверждение, оторое принимается тода, ода нет убеди-
тельных арументов для ео отлонения.
Альтернативную ипотезу обозначают через Н1. Ей отдают пред-
почтение тольо тода, ода есть убедительное статистичесое
доазательство, оторое отверает приемлемость нулевой ипо-
тезы.
2. Получают фа тичес ие данные о событиях, относительно

оторых была сформулирована нулевая ипотеза.
Эти данные получают в результате опыта. Проверу статистиче-
сих ипотез осуществляют путем сопоставления случайных собы-
тий или случайных величин, о оторых идет речь в ипотезе, с ре-
зультатами наблюдений. Здесь а раз и используют выборочный
метод. Например, по результатам онтроля ачества неоторой
выбори фармацевтичесих ампул судят о ачестве всех ампул.
3. Определяют вероятность тоо, что полученный резуль-
тат мо быть получен при условии, что нулевая ипотеза верна.
Результаты наблюдений зависят от случая. Поэтому статис-
тичесие ипотезы носят не атеоричесий харатер, а харатер
правдоподобноо утверждения, оторое имеет вполне определен-
ную вероятность.
4. Если вероятность получения данноо результата при усло-
вии, что нулевая ипотеза верна, мала, нулевую ипотезу отвер-
ают на уровне значимости, равном этой вероятности.
Если вероятность получения данноо результата мала, то
он пра тичес и невозможен, т. е. в одно ратном э сперименте
пра тичес и не может быть получен. В этом состоит сущность
принципа пратичесой веренности, на отором основана про-
вера статистичесих ипотез. Друими словами, соответствующее
событие пратичеси не должно произойти, если верна нулевая и-
потеза. Но в онретном эсперименте оно произошло. Следова-
тельно, нулевая ипотеза неверна, и ее отверают на определенном
уровне значимости.
5. Признают, что и в том случае, ода отверают и ода
не отверают нулевую ипотезу, возможен определенный рис .
Понять смысл ошибо первоо и второо рода поможет рассмот-
рение ситуации с вынесением судебноо приовора. В соответствии
с презумпцией невиновности, подсудимый считается невиновным
(первый этап, нулевая ипотеза) до тех пор, поа не будет доазано
противное в результате поазаний свидетелей, эспертиз, вещест-
венных доазательств и т. д. (второй этап, получение фатичесих
данных). На третьем и четвертом этапах не должно остаться места
для сомнений. Если суд считает невиновноо человеа преступни-
ом, то совершается ошиба первоо рода (нулевая ипотеза отвер-
ается в то время, ода она верна). Если же суд признает преступ-
ниа невиновным, то совершается ошиба второо рода (нулевая
ипотеза не отверается в то время, ода она неверна). Два друих
решения, оторые моут быть приняты судом, являются верными
и следовательно, справедливыми.
В таблице 5.4 представлены верные решения и типы ошибо

при провере статистичесих ипотез.
Таблица 5.4
Статистичесое Фатичесая оцена н левой !ипотезы

решение Верна Неверна
Не отверать Правильное решение Ошиба второо рода
нулевую ипотезу
Отвернуть Ошиба первоо рода Правильное решение
нулевую ипотезу
Процедура провери статистичесих ипотез в определенной

степени напоминает проведение обоснования математичесих ут-
верждений: чтобы опровернуть утверждение, достаточно привес-
ти один пример, подтверждающий, что оно не имеет места (ср.: на-
ступление события в одноратном эсперименте); однао даже де-
сяти примеров, подтверждающих справедливость утверждения,
не арантируют ео правильность, они оворят лишь о том, что по-
а не получены фаты, опроверающие ео. Поэтому в статистие
в том случае, ода событие, харатеризующее исследуемую ситу-
ацию, имеет достаточно большую вероятность, если нулевая ипо-
теза верна, то не оворят, что нулевая ипотеза принимается, а о-
ворят осторожнее: нулевая ипотеза не отверается, та а полу-
ченные данные не противоречат ей. Ведь поа мы тольо знаем,
что нулевая ипотеза не отвернута по результатам онретноо
эсперимента на данном уровне значимости. Но она может быть от-
вернута по результатам друих эспериментов или на друом
уровне значимости.
Пример 2. Рассматривают вопрос о влиянии новоо рациона орм-

ления оров на жирность молоа. Исследовали 20 оров.
а) Уазать енеральную совоупность и выбору в данной ситу-
ации.
б) Сформулировать нулевую и альтернативную ипотезы.
в) Привести пример, ода нулевая ипотеза будет отвернута.
) Охаратеризовать ошиби первоо и второо рода.
д) Построить таблицу, аналоичную таблице 5.4.
а) Генеральную совоупность составляют все оровы фермы,
на оторой проводится исследование, выбору — 20 исследован-
ных оров.
б) Нулевая ипотеза — средняя жирность молоа остается неиз-
менной (если бы были данные о жирности молоа до введения но-
воо рациона, нулевую ипотезу можно было бы сформулировать

та: средняя жирность молоа равна известной величине); альтер-
нативная ипотеза — средняя жирность молоа изменяется (если
мы уверены в том, что от введения новоо рациона ормления жир-
ность молоа может тольо увеличиться, то альтернативную ипо-
тезу можно было бы сформулировать та: средняя жирность моло-
а больше известной величины).
в) Определяют среднюю жирность молоа у 20 оров, попавших
в выбору. Вычисляют вероятность тоо, что жирность молоа рав-
на полученному по выборе значению при условии, что верна нуле-
вая ипотеза. Для вычисления этой вероятности нужно знать заон
распределения случайной величины — жирности молоа. Если эта
вероятность оажется малой, равной, например, 0,05, то нулевую
ипотезу можно отвернуть.
) Ошиба первоо рода: нулевая ипотеза верна, но она отверает-
ся, т. е. на самом деле жирность молоа не изменилась, но жирность
молоа, полученная по выборе, значительно отличается от прежней.
Ошиба второо рода: нулевая ипотеза неверна, но она не от-
верается, т. е. на самом деле жирность молоа изменилась, но
жирность молоа, полученная по выборе, незначительно отлича-
ется от прежней.
д) Таблица 5.5
Истинное положение
Принятое
решение Жирность молоа Жирность молоа
не изменилась изменилась
Жирность молоа Правильное решение Ошиба второо рода
не изменилась Принято решение
о неэффетивности
новоо рациона
ормления —
возможен возврат
прежнему рациону
Жирность молоа Ошиба первоо рода Правильное решение
изменилась Принято решение
об эффетивности
новоо рациона
ормления — будет
повсеместно введен
новый рацион, но он
не оправдает надежд

Пример 3. На учете 2000 больных, страдающих от хроничесих

приступов оловной боли. Вероятность тоо, что неоторое леар-
ство снимает боль, равна p. Проверяют нулевую ипотезу: p = 0,8.
Для провери этой ипотезы отобрали n = 100 больных, после при-
нятия леарства у m = 75 из них приступ прошел.
а) Вычислить вероятность тоо, что при случайном отборе 100
больных 75 из них леарство поможет.
б) Принять решение, асающееся нулевой ипотезы.
в) Уазать уровень значимости, на отором нулевая ипотеза
отверается или не отверается.
) Вычислить вероятность ошиби первоо рода.
а) Обозначим через m число больных из 100, оторым леарст-
во помоло. Нетрудно проверить, что случайная величина m имеет
биномиальное распределение с параметрами 100 и p = 0,8, если вер-
на нулевая ипотеза. Вычислим исомую вероятность Р(m = 75 |
p = 0,8). Ввиду больших значений параметров (n = 100, m = 75),
75
вычисление значения выражения C 100 · (0,80)75 · (1 – 0,8)100 – 75
ромоздо, поэтому воспользуемся прораммой Excel. Получим
Р(m = 75 | p = 0,8) = 0,044.
б) Эта вероятность мала, т. е. событие «у 75 больных из 100 пос-
ле принятия леарства приступ прошел» является пратичеси не-
возможным. Произошло событие, оторое пратичеси не должно
было наступить, если верна нулевая ипотеза. Поэтому нулевая и-
потеза отверается.
в) Нулевая ипотеза отверается на уровне значимости 0,044.
Напоминаем, что уровень значимости — это вероятность отвер-
нуть нулевую ипотезу, если она верна.
) Вероятность ошиби первоо рода равна вероятности отвернуть
нулевую ипотезу, если она верна. В данном случае она равна 0,044.
Инода используют друой порядо провери статистиче-

сих ипотез. А именно:
1. Формулируют нулевую и альтернативную ипотезы Н0 и Н1.
2. Выбирают неоторое событие S (называемое ритичесим
или ритерием для ипотезы Н0).
3. Назначают уровень значимости, т. е. число α, равное вероят-
ности наступления события S при условии, что верна нулевая и-
потеза. Это число должно быть малым: если мы дорожим нулевой
ипотезой и не хотим ее отвернуть понапрасну, то α должно быть
малым. Выбор α лежит вне математичесой статистии и вообще
вне математии. Ео выбирают исходя из тоо риса, на оторый

соласен пойти исследователь, отвернув верную ипотезу.
Каим условиям должно удовлетворять событие S? Хорошо бы-
ло бы, чтобы вероятность наступления события S при условии, что
верна нулевая ипотеза, равнялась 0, а вероятность наступления
события S при условии, что верна альтернативная ипотеза, равня-
лась 1. Но это невозможно. Поэтому приходится допусать и нену-
левые значения вероятности наступления события S при условии,
что верна нулевая ипотеза.
4. Проводят опыт. Если в результате этоо опыта происходит со-
бытие S, то ипотезу Н0 отверают. Если событие S не происходит,
то ипотезу на уровне значимости α не отверают.
Основная сложность состоит в выборе события S. Например, ес-
ли проверяют ипотезу о доле браа в неоторой партии деталей,
то событие S может вылядеть та: «число браованных деталей
в партии из 100 деталей превышает 2».
Что представляет событие S при провере ипотезы о вероят-

ности неотороо события с помощью правила трех сим?
В следующих парарафах мы поажем, а строится событие S

при провере ипотезы о значении среднео енеральной совоуп-
ности и о значении биномиальной вероятности.
1. В чем залючается цель про- 5. Верно ли, что уровень значи-

вери статистичесих ипотез? мости совпадает с вероятностью
2. Является ли статистичесая ошиби второо рода?
ипотеза утверждением о ене- 6. Может ли вероятность ошиб-
ральной совоупности или о вы- и первоо рода равняться нулю?
боре? 7. Что поазывает уровень зна-
3. В чем различие между ре- чимости?
зультатом провери статисти- 8. Верно ли, что если нулевая
чесой ипотезы и утверждени- ипотеза не отверается, то она
ем о доверительном интервале? верна?
4. В чем отличие роли нулевой 9. Верно ли, что если нулевая
ипотезы от роли альтернатив- ипотеза отверается, то она не-
ной? верна?
10. Почему в статистие нио- объема выпусаемой проду-

да не оворят об отлонении ции. Является ли это достаточ-
альтернативной ипотезы? ным основанием для внедрения
11. Применение новой техноло- новой технолоии?
ии производства неотороо 12. Каая из двух ипотез (ну-
продута в течение несольих левая или альтернативная) тре-
дней привело увеличению бует доазательства?
Задачи
528. Группа из 100 случайно отобранных людей посмотрела
реламу товара. После этоо реистрируют число людей из этой
руппы, оторые в течение следующей недели упили реламируе-
мый товар.
а)° Уажите енеральную совоупность и выбору в данной си-
туации.
б)° Сформулируйте нулевую и альтернативную ипотезы.
в)° Приведите пример, ода нулевая ипотеза будет отвернута.
) Охаратеризуйте ошиби первоо и второо рода.
д) Постройте таблицу, аналоичную таблице 5.4.
529. Отобрали руппу учащихся, плохо написавших онтроль-
ную работу, и провели с ними дополнительные занятия по устране-
нию пробелов, выявленных онтрольной. Затем зареистрировали
число учащихся, поазавших при повторном выполнении онт-
рольной работы по той же теме лучший по сравнению с предыду-
щим результат.
а)° Уажите енеральную совоупность и выбору в данной си-
туации.
б)° Сформулируйте нулевую и альтернативную ипотезы.
в)° Приведите пример, ода нулевая ипотеза будет отвернута.
530. Для онтроля отобрали руппу инъеционных ампул.
а) Уажите енеральную совоупность и выбору в данной си-
туации.
б) Сформулируйте нулевую и альтернативную ипотезы.
в) Приведите пример, ода нулевая ипотеза будет отвернута.
§ 5.5. Провера ипотез о среднем значении 459
531. Завод выпустил 10 000 элетричесих ламп с матовым по-

рытием. Вероятность лампе иметь дефет в порытии считается
равной p. Проверяют нулевую ипотезу: p = 0,1. Для провери этой
ипотезы отобрали n = 500 ламп, среди оторых m = 55 имеют де-
фет в порытии.
а) Вычислите вероятность тоо, что при случайном отборе 500
ламп у 55 из них будет дефет в порытии.
б) Примите решение, асающееся нулевой ипотезы.
в) Уажите уровень значимости, на отором нулевая ипотеза
отверается или не отверается.
) Вычислите вероятность ошиби первоо рода.
532. Перед началом футбольноо матча одной из оманд было
высазано сомнение в симметричности монеты, с помощью ото-
рой судья определял, аая из оманд начнет иру с центра поля.
Для провери этих сомнений монету подбросили 100 раз, при этом
ерб выпал 42 раза.
а) Вычислите вероятность тоо, что при 100 подбрасываниях
монеты 42 раза выпадет ерб.
б) Примите решение, асающееся симметричности монеты.
в) Уажите уровень значимости, на отором ипотеза отверает-
ся или не отверается.
§ 5.5. Провера ипотезы о равенстве

среднео енеральной совопности
неотором заданном значению
Один из самых простых случаев провери статистичесой ипо-
тезы залючается в провере равенства между средним енераль-
ной совоупности и неоторым заданным значением. Заданное
значение представляет собой фисированное число а0, полученное
не из выборочных данных, а, например, из предыдущих исследова-
ний. Нулевая ипотеза Н0: а = а0 утверждает, что неизвестное сред-
нее значение енеральной совоупности а в точности равно задан-
ному значению а0. Альтернативная ипотеза Н1: а − а0 утверж-
дает, что неизвестное среднее значение енеральной совоупности а
не равно заданному значению а0.
Фатичеси здесь фиурируют три различные величины, имею-
щие отношение среднему:
1) а — неизвестное среднее енеральной совоупности, оторое
нас интересует;
2) а0 — заданное значение, в отношении отороо проверяют и-

потезу;
3) X — известное выборочное среднее, оторое используют для
провери нулевой ипотезы. Это случайная величина, являющая-
ся оценочной фунцией а.
Провера ипотезы залючается в сравнении двух известных
величин X и а. Если эти значения отличаются больше, чем можно
было бы ожидать, исходя их случайности, то нулевую ипотезу а = а0
отлоняют, та а X дает информацию о неизвестном среднем а.
Если значения X и а достаточно близи, то нулевую ипотезу а = а0
не отверают. Фатичеси сравниваются значение x случайной ве-
личины X и значение а0 математичесоо ожидания а. Что означает
«близость»? Где находится необходимая раница? Близость X и а
определяется средним вадратичным отлонением σ( X ) случайной
величины X (если она известна) или ее стандартной ошибой S X
(в противном случае). Для простоты будем предполаать, что σ( X )

известно. Таим образом, если X и а отстоят дру от друа на рас-
стоянии достаточноо числа средних вадратичных отлонений, то
это является доазательством тоо, что а − а0.
Почему приходится предполаать, что σ( X ) известно?
Почему предположение о том, что σ( X ) известно, ораничива-

ет применимость процедур провери ипотез?
Существуют различные методы провери рассматриваемой и-

потезы. 1-й метод использует доверительные интервалы, о ото-
рых речь шла в § 5.3.
X–a
2-й метод основан на статистие -------------- , имеющей при достаточ-
σ(X)
но большом объеме выбори приближенно стандартное нормальное
распределение (см. § 4.10), и на применении таблиц стандартноо
нормальноо распределения (см. Приложение, табл. П.1). Обрати-
те внимание на то, что числитель этой статистии харатеризует
отлонение среднео енеральной совоупности от выборочноо сред-
нео, а знаменатель поазывает, в аих единицах описывается это
отлонение.
3-й метод, более рубый, метод провери ипотезы а = а0 осно-

ван на применении неравенства Чебышёва.
Разберем аждый из этих методов.
1-й метод. Рассмотрим проверу нулевой ипотезы Н0: а = а0
против альтернативной Н1: а − а0 на основе данных случайной вы-
бори из енеральной совоупности. Для этоо строят доверитель-
ный интервал для среднео а, исходя из значений X и σ( X ), с до-
верительной вероятностью 1 – α. Если значение а0 находится вне
этоо доверительноо интервала, то а0 не может рассматриваться а
допустимое значение среднео енеральной совоупности, и ипо-
тезу Н0 следует отвернуть на уровне значимости α в пользу аль-
тернативной ипотезы. В противном случае нулевую ипотезу на
уровне значимости α не отверают.
Зачем в предложении «ипотезу Н0 следует отвернуть» до-

бавляют слова «на уровне значимости α»?
Поажем, а строится соответствующий доверительный интер-

вал. Ка отмечалось в § 4.10, заон распределения случайной ве-
личины, являющейся суммой очень большоо числа независимых
в совоупности случайных величин, аова бы ни была природа
слааемых, лишь бы аждое из них было мало по сравнению со
всей суммой, должен быть близо нормальному заону. На этом
основании мы делаем вывод, что выборочное среднее X при доста-
точно большом объеме выбори имеет приближенно нормальное рас-
пределение. В том же парарафе уазывалось, что если случайная
величина Х имеет нормальное распределение со средним а и с дис-
X–a
персией σ2, то случайная величина Z = -------------- имеет стандартное нор-
σ
σ2
мальное распределение. Та а M X = a, M X = ------ , де σ2 = DXi,
n
X–a
то случайная величина -------------- n имеет стандартное нормальное рас-
σ
пределение.
σ2
Почему M X = a, D X = ------ ?
n
По таблице нормальноо распределения можно по заданной

доверительной вероятности 1 – α найти таое число l, что
X–a
P  -------------- n m l  = 1 – α. Решая неравенство, стоящее под знаом
 σ 
вероятности относительно а, получим исомый доверительный ин-
тервал для среднео енеральной совоупности с доверительной ве-
роятностью 1 – α:
σ σ
P  X – l ------- m a m X + l -------  = 1 – α.
 n n
Напомним, что по заданной вероятности 1 – α число l по табли-
цам нормальноо распределения находится из условия 2P(Z < l) –
α
– 1 = 1 – α, или P(Z < l) = 1 – --- . Здесь Z — случайная величина,
2
имеющая стандартное нормальное распределение.
Почему число l по таблицам нормальноо распределения на-

α
ходится из условия P(Z < l) = 1 – --- ?
2
Поясним, почему метод доверительных интервалов работает

при провере ипотез. По определению доверительноо интервала
вероятность тоо, что доверительный интервал со случайными
раницами содержит a, близа 1 и равна 1 – α. Если нулевая и-
потеза верна, т. е. а = а0, то вероятность тоо, что доверительный
интервал содержит a, таже равна 1 – α. Таим образом, если ну-
левая ипотеза верна, то принятое решение будет правильным при-
мерно в (1 – α) · 100% случаев и неверным примерно в α · 100%
случаев.
Верно ли, что если нулевая ипотеза а = а0 верна, то событие

«доверительный интервал не содержит a0» является прати-
чеси невозможным?
Изменяется ли доверительный интервал в зависимости от за-

данноо значения среднео енеральной совоупности?
Пример 1. Настри шерсти с одной овцы в неотором хозяйстве

есть случайная величина со средним 5,2 и средним вадратич-
ным отлонением 1,1 . В этом хозяйстве изменили условия со-
держания и ормления овец. Для провери эффетивности новой
технолоии содержания овец из отары случайным образом отобра-
ли 200 овец. Средний настри с одной овцы в этой выборе соста-

вил 5,3 . Дают ли эти данные достаточно оснований для внедре-
ния новых условий содержания и ормления овец?
В ачестве нулевой ипотезы примем, что средний настри
шерсти с одной овцы остался неизменным, т. е. Н0: а = 5,2; в а-
честве альтернативной — Н1: а − 5,2. Нулевая ипотеза утверж-
дает, что в новых условиях ормления и содержания овец средний
настри шерсти в отаре большоо размера точно равен заданному
значению 5,2 . Альтернативная ипотеза утверждает, что в но-
вых условиях ормления и содержания овец средний настри шерс-
ти в отаре большоо размера не равен заданному значению 5,2 .
Построим доверительный интервал для среднео а енеральной со-
воупности с доверительной вероятностью 1 – α = 0,95, базируясь
на данных выбори. Известно, что x = 5,3; n = 200; σ = 1,1. Из
α
условия P(Z < l) = 1 – --- = 1 – 0,025 = 0,975 по таблицам нормаль-
2
ноо распределения найдем l: l = 1,96. Доверительный интервал
1,96 · 1,1 1,96 · 1,1
будет иметь вид  5,3 – -------------------------- ; 5,3 + --------------------------  , или (5,14; 5,46).
 200 200 
Полученный результат означает, что мы на 95% уверены, что в но-
вых условиях ормления и содержания овец средний настри шерс-
ти в отаре большоо размера находится между 5,14 и 5,46 . Ос-
тается проверить, находится ли заданное значение 5,2 в пределах
доверительноо интервала. Это значение находится в интервале.
Иными словами, утверждение 5,14 m 5,2 m 5,46 является справед-
ливым. Нулевая ипотеза на уровне значимости 0,05 не отверается.
Средний настри шерсти с одной овцы в новых условиях орм-
ления и содержания овец, равный 5,3 , несущественно отлича-
ется от среднео настриа шерсти в отаре большоо размера при
старых условиях, он равен 5,2 . Мы не получили убедительноо
доазательства в пользу введения новой технолоии ормления
и содержания овец. Доазала ли провера ипотезы неэффетив-
ность новой технолоии? Нет. Технолоия может быть и эффетив-
ной. Но мы не получили убедительных доазательств ни ее эффе-
тивности, ни ее неэффетивности.
Нужно ли проверять, принадлежит ли доверительному интер-

валу выборочное среднее X ?
Что еще следует предпринять для решения проблемы об эффе-

тивности новой технолоии содержания и ормления овец?
2-й метод. Друой метод провери ипотезы о среднем енераль-

ной совоупности состоит в том, что сначала вычисляют статисти-
X–a
у ----------------0- n , а затем по таблицам нормальноо распределения по
σ
заданному уровню значимости α находят таое значение lα, что
α
P(Z < lα) = --- . Здесь Z — случайная величина, имеющая стандарт-
2
ное нормальное распределение. Далее модуль значения статистии
X – a0 X–a
----------------- n сравнивают со значением lα. Если ----------------0- n > lα, то и-
σ σ
потезу Н0: а = а0 отверают в пользу альтернативной ипотезы Н1:
а − а0, в противном случае ее не отверают (на уровне значимости α).
В аих единицах выражается отлонение среднео ене-

ральной совоупности от выборочноо среднео в статистие
X – a0
----------------- n?
σ
X–a
Зависит ли значение статистии ----------------0- n от заданноо значе-
σ
ния среднео енеральной совоупности?
Пример 2. Проверить ипотезу, сформулированную в примере 1,

по данным этоо примера рассмотренным методом.
В примере 1: x = 5,3; n = 200; σ = 1,1; а0 = 5,2; значение
X – a0
----------------- n равно 1,28; lα при α = 0,05 равно 1,96, 1,28 < 1,96, следо-
σ
вательно, ипотеза Н0 на уровне значимости 0,05 не отверается.
Ка и следовало ожидать, этот метод дает тот же результат, что
и метод доверительных интервалов.
3-й метод. Рассмотрим теперь применение неравенства Чебы-
шёва для провери ипотезы о значении среднео енеральной со-
воупности при известной дисперсии.
Соласно неравенству Чебышёва
1
P  X – MX m hσ( X )  l 1 – -----------------------
DX
= 1 – -----2- .
  h2 σ2 ( X ) h
Это неравенство эвивалентно неравенству
1
P  X – MX > hσ( X )  m -----2- .
  h
На аом основании утверждается, что неравенства

1 1
P  X – MX m hσ( X )  l 1 – -----2- и P  X – MX > hσ( X )  m -----2-
  h   h
эвивалентны?
1
Далее по заданному уровню значимости α = -----2- вычисляют h,
h
hσ( X ) и сравнивают значение X – MX = X – a0 с hσ( X ). Если
оажется, что X – a0 > hσ( X ), т. е. произошло пратичеси не-
возможное событие, то нулевую ипотезу на уровне значимости α
нужно отвернуть. В противном случае она не отверается.
Ка, зная среднее вадратичное отлонение σ одноо наблю-

дения, вычислить среднее вадратичное отлонение выбороч-
ноо среднео σ( X )?
Пример 3. С помощью неравенства Чебышёва проверить ипоте-

зу, сформулированную в примере 1, по данным этоо примера, при-
няв в ачестве уровня значимости α = 0,1.
1 1,1
Та а α = -----2- = 0,1, то h = 3,2; hσ( X ) = 3,2 · -------------- = 0,25;
h 200
X – MX = 0,1; 0,1 < 0,25, нулевая ипотеза не отверается.
Альтернативная ипотеза Н1: а − а0, оторую мы до сих пор

рассматривали, была двусторонней, та а, соласно ей, среднее
енеральной совоупности может быть а больше, та и меньше
заданноо значения а0. Однао часто интерес представляет не про-
вера тоо, отличается ли среднее енеральной совоупности от за-
данноо значения, а провера более определенноо вопроса: явля-
ется ли среднее енеральной совоупности больше заданноо зна-
чения или меньше ео. Например, в рассмотренных примерах 1—3
интерес представлял вопрос, повышается ли средний настри шерс-
ти с одной овцы в новых условиях ормления и содержания овец,
ведь исследователи были уверены в том, что новая технолоия не
мола привести уменьшению среднео настриа шерсти. Анало-
ично при введении новой технолоии производства неотороо из-
делия исследователи уверены в том, что она не может привести
увеличению браа, и тода разумно в ачестве альтернативной
ипотезы принять следующую: средний процент браованных из-
делий меньше заданноо значения (тоо, что был длительное вре-

мя, до введения новой технолоии, на этом производстве). Если по-
добная информация о среднем значении енеральной совоупности
отсутствует, то следует воспользоваться двусторонней проверой
и выяснить, значимо ли X отличается от а0. Двустороннюю про-
веру можно использовать и для тоо, чтобы утверждать, что сред-
нее выборочное значение X значимо больше а0 или значимо мень-
ше а0.
Однао часто выодно применить одностороннюю проверу.
Концентрируя внимание тольо на одной стороне и пренебреая
друой, одностороння провера может лучше определить разли-
чие между средним и заданным значениями именно на этой сто-
роне. При односторонней провере нулевая ипотеза утверждает,
что значение а находится по одну сторону от а0, а альтернативная
ипотеза утверждает, что значение а находится по друую сторону
от а0.
Гипотезы для двух видов односторонней провери формулиру-
ются следующим образом.
Односторонняя провера тоо, что а больше а0
Н0 : а l а 0
Нулевая ипотеза утверждает, что неизвестное среднее значе-
ние енеральной совоупности не меньше, чем известное заданное
значение а0.
Н1: а < а0
Альтернативная ипотеза утверждает, что неизвестное среднее
значение енеральной совоупности меньше, чем известное задан-
ное значение а0.
Односторонняя провера тоо, что а меньше а0
Н0 : а m а 0
Нулевая ипотеза утверждает, что неизвестное среднее значе-
ние енеральной совоупности не больше, чем известное заданное
значение а0.
Н1: а > а0
Альтернативная ипотеза утверждает, что неизвестное среднее
значение енеральной совоупности больше, чем известное задан-
ное значение а0.
Приведем алоритм провери аждой из этих двух нулевых и-

потез.
Алоритм односторонней провери тоо, что а больше а0

Проверяется нулевая ипотеза Н0: а m а0 против альтернатив-
ной Н1: а > а0.
1. Задают уровень значимости α.
2. Строят односторонний доверительный интервал с довери-
тельной вероятностью 1 – α: а l X – l1 – α · σ( X ), де l1 – α находится
по таблицам стандартноо нормальноо распределения из условия
P(Z < l1 – α) = 1 – α.
3. Выясняют, находится ли заданное значение а0 внутри этоо
доверительноо интервала.
Если да, то нулевую ипотезу не отверают: выборочное среднее X
не является значимо большим, чем заданное значение а0.
Если нет, то нулевую ипотезу отверают: выборочное среднее X
значимо больше, чем заданное значение а0.
Аналоично поступают в случае использования статистии
X – a0
----------------- n.
σ
X–a
Проверяют, выполняется ли неравенство ----------------0- n m l1 – α.
σ
не является значимо большим, чем заданное значение а0.
значимо больше, чем заданное значение а0.
Алоритм односторонней провери тоо, что а меньше а0

Проверяется нулевая ипотеза Н0: а l а0 против альтернатив-
ной Н1: а < а0.
1. Задают уровень значимости α.
2. Строят односторонний доверительный интервал с довери-
тельной вероятностью 1 – α: а l X + l1 – α · σ( X ), де l1 – α находит-
ся по таблицам стандартноо нормальноо распределения из усло-
вия P(Z < l1 – α) = 1 – α.
3. Выясняют, находится ли заданное значение а0 внутри этоо
доверительноо интервала.
не является значимо меньшим, чем заданное значение а0.

значимо меньше, чем заданное значение а0.
X – a0
----------------- n.
σ
X–a
Проверяют, выполняется ли неравенство ----------------0- n < –l1 – α.
σ
не является значимо меньшим, чем заданное значение а0.
значимо меньше, чем заданное значение а0.
Пример 4. Внедряют новую технолоию производства неоторо-

о изделия, направленную на снижение переменных издерже про-
изводства одноо изделия (т. е. стоимости изотовления одноо из-
делия за вычетом постоянных расходов таих, а арендная плата,
заработная плата административноо персонала и т. п.). Переменные
издержи производства одной детали являются случайной величи-
ной со средним значением, равным 854 р. и средним вадратичным
отлонением 15 р. Изучение 50 случайно отобранных изделий, из-
отовленных по новой технолоии, поазало, что средние перемен-
ные издержи производства одной детали составили 817 р. Похоже,
что они снизились. Требуется выяснить, значимо ли это снижение.
Нулевая ипотеза Н0: а l 854; альтернативная Н1: а < 854.
Пусть уровень значимости α = 0,05. Строим правосторонний до-
верительный интервал для среднео енеральной совоупности:
а l X + l0,95 · σ( X ), де l0,95 находится по таблицам стандартноо
нормальноо распределения из условия P(Z < l0,95) = 0,95; l0,95 =
= 1,64. Доверительный интервал имеет вид а l 817 + 1,64 · 15, или
а l 842. Заданное значение 854 находится внутри этоо интервала.
Нулевую ипотезу на уровне значимости 0,05 не отвераем: выбо-
рочное среднее X не является значимо меньшим, чем заданное
значение а0. Таой же результат получим при использовании ста-
X–a 817 – 854
тистии ----------------0- n . Ее значение равно -------------------------- 30 = –13,5. Срав-
σ 15
ним это значение с –1,64: –13,5 < –1,64. Нулевую ипотезу на уров-
не значимости 0,05 не отвераем. Снижение переменных издерже
производства незначимо.
Можно ли теперь принять решение о том, стоит ли повсеместно

внедрять новую технолоию? Статистиа ответила тольо на пос-
тавленный вопрос о значимости снижения переменных издерже
производства. Оончательное решение за теми, то управляет про-
изводством: они моут учесть и друие фаторы.

Одним из ораничений рассмотренных методов провери ипо-
тезы о среднем енеральной совоупности является предположение
о том, что дисперсия енеральной совоупности известна. На пра-
X–a
тие это бывает очень редо и тода значение статистии ----------------0- n
σ
σ
не может быть вычислено, доверительный интервал  X – l ------- m a m
 n
σ
m X + l -------  не может быть построен. Эта трудность может быть
n
X–a
устранена, если воспользоваться статистиой ----------------0- n – 1 , де S —
S
стандартная ошиба выбори. Об этой случайной величине ово-
рят, что она имеет распределение Стьюдента с n – 1 степенью
свободы. Составлены таблицы этоо распределения (см. Приложе-
ние, табл. П.3). Снова обратите внимание на то, что числитель этой
статистии харатеризует отлонение среднео енеральной сово-
S
упности от выборочноо среднео, а знаменатель ----------------- поазыва-
n–1
ет, в аих единицах описывается это отлонение. Напомним, что
n m
1 1
S2 = ---
n ∑ ( Xi – X ) 2 = ---
n ∑ ( X i – X ) 2 n i,
i=1 i=1
де X1, X2, …, Xm — все различные элементы выбори; n1, n2, …,

nm — их частоты; n = = n1 + n2 + ... + nm — объем выбори.
Представляет интерес история отрытия этоо распределения. Первые

идеи применения методов математичесой статистии в массовом про-
изводстве принадлежат одном из диреторов рпных пивоваренных
заводов Гиннеса в Анлии. В начале ХХ веа он прочитал ни по теории вероятностей
и подмал, что «из этоо можно делать деньи». Приласив себе Уильяма Госсета
(1876—1937), младшео слжащео завода, диретор предложил ем поехать в единст-
венный в то время центр статистичесих исследований в Лондоне для чебы под
роводством рпнейшео статистиа, биолоа и философа Карла Пирсона (1857—1936).

Госсет проявил инициатив и выдающиеся способности и всоре пристпил самостоя-
тельным исследованиям. Их резльтаты были весьма значительны: одни представляли
несомненню ценность для пивоварения, дрие — большой теоретичесий интерес.
В резльтате начный мир был измлен рядом перволассных статей в жрнале «Био-
метриа», опблиованных начиная с 1908 . под псевдонимом «Student» («Стьюдент»),
что значит «Стдент». Эти работы совершили переворот в статистие.
Пример 5. В неотором районе 9-й ласс заанчивают 1000 шоль-

ниов. Для дианостии достижения стандарта математичесоо
образования был составлен тест из 30 вопросов, правильный ответ
на аждый вопрос оценивался одним баллом. Средний балл девя-
тилассниов по результатам тестирования прошлых лет был при-
нят равным 15. Проведены специальные занятия для подотови
учащихся тестированию. Результаты выборочноо испытания
50 учащихся, прошедших эти занятия, представлены в таблице 5.6.
Подтверждают ли эти данные эффетивность специальных
занятий?
Таблица 5.6
Количество 0—5 6—10 11—15 16—20 21—25 26—30

баллов
Число 1 5 16 20 6 2
чащихся
Нулевая ипотеза — средний балл девятилассниа равен 15,

альтернативная — средний балл девятилассниа не равен 15. Для
X–a
провери этой ипотезы используем статистиу t = ----------------0- n–1,
S
имеющую распределение Стьюдента с n – 1 степенью свободы.
Вычислим по выборе ее значение. Воспользуемся прораммой
X–a
Excel. В результате получим: X = 16,1; S = 5,15; ----------------0- n – 1 =
S
16,1 – 15
= ------------------------- · 49 = 1,5. Примем уровень значимости равным 0,05.
5,15
По таблице распределения Стьюдента найдем таое число tα, ото-
рое удовлетворяет условию P(|t| > tα) = α, или 2P(t < tα) – 1 = 1 – α,
α
или P(t < tα) = 1 – --- . Получим t0,05 = 1,96. Это значение находится
2
в строе «бесонечность» (число степеней свободы 49 > 40), в столбце
95% (1 – α = 0,95). Та а 1,5 < 1,96, то нулевая ипотеза не от-
верается: не получены убедительные данные в пользу эффетив-
ности специальных занятий.
1. Соласны ли вы с тем, что ) выборочное среднее X незна-

следующие утверждения, асаю-
чимо отличается от а0;
щиеся провери нулевой ипо-
тезы Н0: а = а0, эвивалентны: д) наблюдаемая разность X – а0
а) заданное значение а0 не на- может быть обусловлена просто
ходится в пределах доверитель- случайностью;
ноо интервала; е) результат провери ипотезы
б) значение статистии не является статистичеси зна-
чимым?
X – a0
----------------- n > lα ; 3. Сформулируйте утверждения,
σ
подобные утверждениям а)—е)
в) нулевая ипотеза отверается; из вопроса 1, для случая одно-
) выборочное среднее X зна- сторонней провери нулевой и-
чимо отличается от а0; потезы Н0: а l а0, если она от-
верается.
д) наблюдаемую разность X – а0
4. Сформулируйте утверждения,
нельзя объяснить лишь случай- подобные утверждениям а)—е)
ностью; из вопроса 1, для случая одно-
е) результат провери ипотезы сторонней провери нулевой и-
является статистичеси значи- потезы Н0: а m а0, если она от-
мым?
2. Соласны ли вы с тем, что верается.
следующие утверждения, асаю- 5. Сформулируйте утверждения,
щиеся провери нулевой ипо- подобные утверждениям а)—е)
тезы Н0: а = а0, эвивалентны: из вопроса 2, для случая одно-
сторонней провери нулевой и-
а) заданное значение а0 находит-
потезы Н0: а l а0, если она не
ся в пределах доверительноо
интервала; отверается.
б) значение статистии 6. Сформулируйте утверждения,
подобные утверждениям а)—е)
X – a0 из вопроса 2, для случая одно-
----------------- n < lα ;
σ сторонней провери нулевой и-
в) нулевая ипотеза не отвера- потезы Н0: а m а0, если она не
ется; отверается.
7. Опишите этапы выполнения прибыли в зависимости от ре-

двусторонней провери ипоте- зультатов работы. Было опро-
зы о среднем енеральной сово- шено 256 эспертов, оторым
упности с использованием до- предложили оценить влияние
верительноо интервала. передачи аций на ачество
8. Опишите этапы выполнения продуции по пятибалльной
двусторонней провери ипоте- шале: –2, –1, 0, 1, 2, де –2
зы о среднем енеральной сово- означало «резо отрицательное
упности с использованием ста- влияние», а 2 — «сильное по-
X–a ложительное влияние». Сред-
тистии ----------------0- n.
σ нее значение оцени составило
9. На заседании совета дире- 0,39. Можно ли считать, что
торов ационерной омпании этот результат свидетельствует
было высазано предложение о том, что эсперты считают вы-
о предоставлении работниам сазанное предложение полез-
омпании права получать часть ным?
Задачи
533. Количество деловой древесины в одном дереве на неото-
ром участе леса есть случайная величина, математичесое ожи-
дание оторой равно 1,3 м3. Проведено выборочное исследование
1000 деревьев на друом участе леса. Результаты исследования
представлены в таблице 5.7.
Таблица 5.7
Количество деловой древесины 0,25—0,75 0,75—1,25 1,25—1,75

в одном дереве, м3
Число деревьев 208 484 308
Можно ли утверждать, что второй участо столь же боат де-

ловой древесиной, а и первый? Сформулируйте ипотезу и про-
верьте ее на уровне значимости 0,05 с использованием:
а) доверительноо интервала;
б) соответствующей статистии;
в) неравенства Чебышёва.
Дисперсию енеральной совоупности положите равной выбо-
рочной дисперсии, вычисленной по данным выборочноо исследо-
вания.
534. Отлонение диаметров валиов, изотавливаемых на нео-

тором стане, является случайной величиной со средним, равным
10 м. После переналади стана отобрали для онтроля 250 вали-
ов. Результаты измерений приведены в таблице 5.8.
Таблица 5.8
Отлонение диаметра 0—5 5—10 10—15 15—20 20—25

от номинала, м
Число валиов 15 75 100 50 10
Можно ли утверждать, что переналада стана оазалась эф-

фетивной? Сформулируйте ипотезу и проверьте ее на уровне зна-
чимости 0,05 с использованием:
вания.
535. Чувствительность радиоприемниов, выпущенных неото-
рым заводом, является случайной величиной со средним, равным
300 мВ. После усовершенствования технолоии производства ото-
брали для онтроля 40 радиоприемниов. Результаты измерений
чувствительности приведены в таблице 5.9.
Таблица 5.9
Ч встви- 75—175 175—275 275—375 375—475 475—575 575—675

тель-
ность, мВ
Число 1 14 14 8 2 1
радиопри-
емниов
Можно ли утверждать, что усовершенствование технолоии оа-

залось эффетивным? Сформулируйте ипотезу и проверьте ее на
уровне значимости 0,05 с использованием:
вания.
536. Пеарня выпеает бухани хлеба, на этиетах оторых

уазана масса 800 . Ниже приведены значения массы (в ) случай-
но отобранных бухано из продуции одноо дня:
816, 776, 784, 880, 880, 816, 784, 824, 824, 840, 816, 848.
а) Постройте 95%-ный доверительный интервал для средней
массы всех бухано, изотовленных в тот день, ода производи-
лось выборочное исследование.
б) Каое число нужно использовать в ачестве заданноо зна-
чения при провере ипотезы о среднем значении массы бухано,
выпеаемых пеарней?
в) Сформулируйте ипотезы Н0 и Н1.
) Выполните двустороннюю проверу ипотезы на уровне зна-
чимости 0,05.
д) Каие ошиби моут быть допущены?
537. На неоторой фирме принято решение о запусе новоо из-
делия в производство, если потенциальные потребители соласят-
ся платить в среднем 600 р. за изделие. Изучение ответов 290 слу-
чайно отобранных потенциальных потребителей поазало, что они
отовы платить в среднем 545 р. за данное изделие. Стандартное
отлонение составляет 60 р.
а) Каое число нужно использовать в ачестве заданноо значе-
ния при провере ипотезы о среднем для всех потенциальных по-
упателей?
б) Выполните двустороннюю проверу ипотезы на уровне зна-
в) Выполните двустороннюю проверу ипотезы на уровне зна-
) Почему в данной задаче приемлема односторонняя провера?
д) Сформулируйте словесно и на математичесом язые нуле-
вую и альтернативную ипотезы для односторонней провери.
е) Выполните одностороннюю проверу и опишите полученный
результат.
§ 5.6. Провера ипотез

о биномиальной вероятности
Во мноих пратичесих задачах возниает потребность прове-
рить, соласуются ли результаты испытаний Бернулли с допуще-
нием о том, что вероятность «успеха» в аждом из этих испытаний
равна заранее заданному числу p0.
§ 5.6. Провера ипотез о биномиальной вероятности 475
Например, в задачах выборочноо онтроля ачества произведен-

ной продуции, а правило, принимается, что аая-то доля, на-
пример p0, всех производимых изделий браована. Это может быть
сделано на основании длительных наблюдений за ачеством про-
дуции. Далее приемочные правила онтроля вылядят примерно
та: если в выборе определенноо объема доля дефетных изделий
превышает заданное число, то вся партия брауется, в противном
случае — не брауется. Возниает вопрос, насольо это правило
соласуется с принятым 100p0 процентом дефетных изделий.
Фатичеси речь идет о провере нулевой ипотезы p = p0 при
альтернативной p − p0. Для провери этой ипотезы будут исполь-
зованы:
1) правило трех сим;
2) метод доверительных интервалов;
3) неравенство Чебышёва;
m – np
4) статистиа ----------------------------- , имеющая при достаточно большом n
np ( 1 – p )
приближенно стандартное нормальное распределение;
5) односторонняя провера.
Рассмотрим все эти методы.
1) Правило трех сим.
Соласно правилу трех сим (см. § 4.8), если хотя бы одно из на-
блюдаемых значений биномиальной случайной величины с пара-
метрами n и p0 не попадает в интервал
(np0 – 3 np0 ( 1 – p 0 ) ; np0 + 3 np 0 ( 1 – p 0 ) ),

т. е. наблюдается пратичеси невозможное событие, то ипотезу
о значении вероятности «успеха» следует отвернуть. В противном
случае нет оснований для отлонения рассматриваемой ипотезы.
Чему равна вероятность ошиби первоо рода при использова-

нии правила трех сим?
2) Метод доверительных интервалов.

Строят доверительный интервал для вероятности p, исходя из
значения p , с доверительной вероятностью 1 – α. Если значение p0
находится вне этоо доверительноо интервала, то p0 не может рас-
сматриваться а допустимое значение вероятности, и ипотезу Н0
следует отвернуть на уровне значимости α в пользу альтернатив-
ной ипотезы. В противном случае нулевую ипотезу на уровне зна-

чимости α не отверают.
Ка отмечалось в § 4.10, заон распределения случайной ве-
личины, являющейся суммой очень большоо числа независимых
в совоупности случайных величин, аова бы ни была природа
слааемых, лишь бы аждое из них было мало по сравнению со
всей суммой, должен быть близо нормальному заону. На этом
основании мы делаем вывод, что число наступлений m «успехов»
в n испытаниях Бернулли при достаточно большом n имеет при-
ближенно нормальное распределение. В том же парарафе уа-
зывалось, что если случайная величина Х имеет нормальное рас-
пределение со средним а и с дисперсией σ2, то случайная величина
X–a
Z = -------------- имеет стандартное нормальное распределение. Та а
σ
m – np
Mm = np, Dm = np(1 – p), то случайная величина ----------------------------- имеет
np ( 1 – p )
приближенно при достаточно большом n стандартное нормальное
распределение.
По таблице нормальноо распределения (см. Приложение,
табл. П.1) можно по заданной доверительной вероятности 1 – α
найти таое число l, что P  ----------------------------

m – np m l  = 1 – α.
 np ( 1 – p -) 
1
Та а p неизвестно и p(1 – p) m --- , то произведение p(1 – p)
4
1
заменяют дробью --- . Тода неравенство, стоящее под знаом веро-
4
ятности, можно переписать в следующем виде:
m – np 2 m 2n
- l |m – np| · ------- = ----
l l ----------------------------
n
- – p · ------- = | p – p| · 2 n .
np ( 1 – p ) n n
m
Напомним, что p = ----- .
n
Решая это неравенство относительно p, получим
l l
p – ----------- m p m p + ----------- .
2 n 2 n
Это и есть исомый доверительный интервал для неизвестной
вероятности. Напомним, что по заданной вероятности 1 – α число l
по таблицам нормальноо распределения находится из условия
α
2P(Z < l) – 1 = 1 – α, или P(Z < l) = 1 – --- . Здесь Z — случайная
2
величина, имеющая стандартное нормальное распределение.
Почему можно считать, что число успехов в n испытаниях

Бернулли имеет при достаточно большом n приближенно нор-
мальное распределение?

Существуют и более точные методы, связанные с построением
доверительных вероятностей для неизвестной вероятности. Не бу-
1
дем заменять p(1 – p) дробью --- . Решим неравенство, стоящее под
4
знаом вероятности в равенстве P  ----------------------------

m – np m l  = 1 – α, относи-
 np ( 1 – p -) 
тельно p. Имеем:
p–p l2 p l2 p 2
------------------------- m l; p 2 – 2p p + p2 m -------- – ----------- ;
p(1 – p) n n
---------------------
n
l2 l2
p2  1 + ----  – 2p  p + -------  + p 2 m 0.
 n   2n 
В левой части последнео неравенства стоит вадратный

трехчлен относительно p. Найдя ео орни и решив неравенство
относительно p, получим исомый доверительный интервал для
вероятности p:
 p + ------ l2 p(1 – p) l2 l2 p(1 – p) l2

- – l --------------------- + ---------2- p + ------- + l --------------------- + ---------2- 
 2n n 4n 2n n 4n 
 --------------------------------------------------------------------; --------------------------------------------------------------------
- .
 l2 l2 
 1 + ---- 1 + ---- 
n n
Почему этот доверительный интервал при той же доверитель-

ной вероятности будет более узим по сравнению с довери-
l l
тельным интервалом p – ----------- m p m p + ----------- ?
2 n 2 n
3) Неравенство Чебышёва.
Применим теперь для провери сформулированной ипотезы не-
1
равенство Чебышёва: P  p – p m -----------  l 1 – -----2- . По заданному уров-
h
2 n h
1
ню значимости -----2- можно найти h. Если хотя бы одно из наблюдае-
h
мых значений p не попадает в интервал  p0 – ----------- ; p0 + -----------  , то

h h
 2 n 2 n
ипотезу p = p0 следует отвернуть.
В аих случаях удобно пользоваться неравенством Чебыше-

ва для провери ипотезы о значении биномиальной вероят-
ности?
m – np0
4) Статистиа ----------------------------------
-.
np 0 ( 1 – p 0 )
Этот способ провери ипотезы о среднем енеральной сово-
упности состоит в том, что сначала вычисляют статистиу
m – np 0
----------------------------------- , а затем по таблицам нормальноо распределения по
np 0 ( 1 – p 0 )
заданному уровню значимости α находят таое значение lα, что
α
P(Z > lα) = --- . Здесь Z — случайная величина, имеющая стандарт-
2
ное нормальное распределение. Далее модуль значения статистии
m – np 0 m – np 0
----------------------------------- сравнивают со значением lα. Если ----------------------------------
- > lα, то
np 0 ( 1 – p 0 ) np 0 ( 1 – p 0 )
ипотезу Н0: p = p0 отверают в пользу альтернативной ипотезы
Н1: p − p0, в противном случае ее не отверают (на уровне значи-
мости α).
5) Односторонняя провера.
Нулевая ипотеза Н0: p l p0 утверждает, что неизвестная веро-
ятность не менее заданноо значения p0. Альтернативная ипотеза
Н1: p < p0 утверждает, что неизвестная вероятность меньше задан-
ноо значения p0. По заданному уровню значимости α строят одно-
сторонний доверительный интервал с доверительной вероятностью
p(1 – p)
1 – α: p l p + l1 – α · --------------------- , де l1 – α находится по таблицам стан-
n
дартноо нормальноо распределения из условия P(Z < l1 – α) = 1 – α.
Проверяют, находится ли заданное значение p0 внутри этоо дове-
рительноо интервала. Если да, то нулевую ипотезу не отверают:
относительная частота p не является значимо меньшим, чем за-
данное значение p0. Если нет, то нулевую ипотезу отверают: от-
носительная частота p значимо меньше, чем заданное значение p0.

m – np 0
----------------------------------- .
np 0 ( 1 – p 0 )
m – np
0
Проверяют, выполняется ли неравенство ----------------------------------
- < – l1 – α .
np 0 ( 1 – p 0 )
Если да, то нулевую ипотезу не отверают: относительная частота
p не является значимо меньшим, чем заданное значение p0. Если
нет, то нулевую ипотезу отверают: выборочное среднее X значи-
мо меньше, чем заданное значение а0.
Точно та же проводится односторонняя провера, если нулевая
ипотеза Н0: p m p0 утверждает, что неизвестная вероятность не
более заданноо значения p0, а альтернативная ипотеза Н1: p > p0
утверждает, что неизвестная вероятность больше заданноо значе-
ния p0.
Проиллюстрируем все рассмотренные методы на следующем
примере.
Пример 1. Производство миросхем принято считать успешным,

если не менее 10% произведенных миросхем имеют особенно вы-
соое ачество. После модернизации производства в выборе из
500 миросхем оазалось, что 58 имеют особенно высоое ачест-
во. Можно ли считать, что модернизация производства значимо по-
высила заданное раничное значение 10% или этот результат явля-
ется случайным?
Нулевая ипотеза Н0: p = 0,1 утверждает, что миросхемы
особенно высооо ачества составляют 10% от всео объема про-
дуции. Альтернативная ипотеза Н1: p − 0,1 утверждает, что
доля миросхем особенно высооо ачества отличается от 10%:
либо она выше, либо ниже. По условию размер выбори n = 500,
58
наблюдаемая частота m = 58, относительная частота p = ---------- =
500
= 0,116.
1) Сначала применим для провери нулевой ипотезы правило
трех сим. В нашем случае
np0 – 3 np0 ( 1 – p 0 ) = 500 · 0,1 – 3 · 500 · 0,1 · 0,9 =
= 50 – 3 · 6,7 = 29,9; np0 + 3 np 0 ( 1 – p 0 ) = 70,1.

Наблюдаемая частота m = 58 попадает в интервал (29,9; 70,1),

1
т. е. на уровне значимости --- нет оснований отверать нулевую и-
9
58
потезу. Значение p = ---------- = 0,116 незначимо отличается от 0,1.
500
Друими словами, мы не получили доазательства тоо, что модер-
низация производства привела изменению процента миросхем
особенно высооо ачества.
2) Применим метод доверительных интервалов для провери
той же ипотезы. Подставив значения n = 500, p = 0,116, l = 1,96
(значение l найдено по таблицам нормальноо распределения при
l
доверительной вероятности 1 – α = 0,95) в неравенство p – ----------- m
2 n
l
m p m p – ----------- , получим следующий доверительный интервал
2 n
для вероятности p: (0,072; 0,160). Он содержит заданное значение
p0 = 0,1, поэтому нулевую ипотезу на уровне значимости 0,05 не
отвераем. Получили тот же результат, что и с помощью правила
трех сим.

Подставив значения n = 500, p = 0,116, l = 1,96 в неравенство
l2 p(1 – p) l2 l2 p(1 – p) l2
p + ------- – l --------------------- + ---------2- p + ------- + l --------------------- + ---------2-
2n n 4n 2n n 4n
-------------------------------------------------------------------- m p m --------------------------------------------------------------------
-,
l2 l2
1 + ---- 1 + ----
n n
получим следующий доверительный интервал для вероятности p:

(0,1189; 0,1198). Он не содержит заданное значение p0 = 0,1, поэто-
му нулевую ипотезу на уровне значимости 0,05 отвераем, т. е. бо-
лее точные статистичесие методы оворят в пользу эффетивнос-
ти новой технолоии производства миросхем.
3) Применим неравенство Чебышёва для провери ипотезы. В на-

3,2
шем случае значение p = 0,116 попадает в интервал  0,1 – ------------------ ;
2 500
3,2
0,1 + ------------------  , или (0,028; 0,172). Поэтому нет оснований отверать
2 500
ипотезу p = p0.
m – np 0
4) Используем статистиу ----------------------------------
- . Модуль ее значения ра-
np 0 ( 1 – p 0 )
58 – 500 · 0,1
вен ------------------------------------------ = 1,192. Сравниваем это значение со значением
500 · 0,1 · 0,9
lα = 1,96: 1,192 < 1,96. Поэтому нулевую ипотезу на уровне значи-
мости 0,05 не отвераем.
5) Применим одностороннюю проверу. Та а от модерниза-
ции производства ожидалось повышение процента миросхем осо-
бенно высооо ачества, то нулевую ипотезу можно сформулиро-
вать та: p m p0, а альтернативную: p > p0. Уровень значимости вы-
бираем равным 0,05. Строим левосторонний доверительный интервал
p(1 – p)
для среднео енеральной совоупности: p l p – l1 – α · --------------------- , де
n
l0,95 находится по таблицам стандартноо нормальноо распределе-
ния из условия P(Z < l0,95) = 0,95; l0,95 = 1,64. Доверительный ин-
0,116 · 0,884
тервал имеет вид p l 0,116 – 1,64 · ------------------------------------ , или p l 0,0925.
500
Заданное значение 0,1 находится внутри этоо интервала. Нулевая
ипотеза на уровне значимости 0,05 не отверается: относительная
частота p = 0,116 не является значимо большей, чем заданное зна-
чение p0 = 0,1.
Обращаем внимание на то, что все процедуры провери нулевой

ипотезы о значении вероятности базируются на том, что если
хотя бы одно из наблюдаемых значений случайной величины,
имеющей биномиальное распределение с параметрами n и p0, не
попадает в интервал, построенный по правилу трех сим, или при-
водит доверительному интервалу (двустороннему или односторон-
нему), не содержащему заданное значение вероятности, или область,
построенная с помощью той или иной статистии и имеющая ма-
лую вероятность, содержит хотя бы одно значение относительной
частоты события или числа «успехов», то нулевую ипотезу на со-
ответствующем уровне значимости отверают.
Пример 2. Изменили технолоию подотови семян севу. Для

провери эффетивности новой технолоии пять раз отобрали по
500 семян. Оазалось, что взошло соответственно 405, 410, 410,
415, 405 семян. Можно ли утверждать, что новая технолоия эф-
фетивнее прежней, если средний процент взошедших семян при

старой технолоии равнялся 80%?
Речь идет о провере нулевой ипотезы Н0: p = 0,8 при аль-
тернативной ипотезе Н1: p − 0,8. Применим различные способы
провери этой ипотезы.
1) Правило трех сим. Если нулевая ипотеза верна, то интервал
 np – 3 np ( 1 – p ) ; np + 3 np ( 1 – p )  с вероятностью, не мень-
 0 0 0 0 0 0 
8
шей --- , содержит наблюдаемое значение числа «успехов» в n испы-
9
таниях Бернулли. В нашем случае уазанный интервал имеет вид
 500 · 0,8 – 3 500 · 0,8 · ( 1 – 0,8 ) ; 500 · 0,8 + 3 500 · 0,8 · ( 1 – 0,8 ) ,
 
или (373; 427). Все наблюдаемые значения 405, 410, 410, 415, 405
попали в этот интервал. Нет оснований отверать нулевую ипоте-
зу и считать новую технолоию более эффетивной.
2) Метод доверительных интервалов. Задаем доверительную ве-
l
роятность 1 – α = 0,99. Строим доверительный интервал p – ----------- m
2 n
l
m p m p + ----------- , де число l находится по таблице нормальноо рас-
2 n
0,01
пределения из условия P(Z < l) = 1 – ------------ = 0,995; l = 2,58. До-
2
2,58 2,58
верительный интервал имеет вид  p – ------------------ ; p + ------------------ , или
2 500 2 500 
( p – 0,057; p + 0,058). Наблюдаемые относительные частоты собы-
тия «семя взошло» равны 0,810, 0,820, 0,820, 0,830, 0,810. Они
приводят следующим доверительным интервалам: (0,753; 0,868),
(0,763; 0,878), (0,763; 0,878), (0,773; 0,888), (0,753; 0,868). Все они
содержат заданное число 0,8. Поэтому отличие наблюдаемых час-
тот от 0,8 является незначимым и нулевую ипотезу не отвераем.
1
3) Неравенство Чебышёва. Задаем уровень значимости -----2- = 0,05.
h
4,47 4,47
Отсюда h = 4,47. Строим интервал  0,8 – ------------------ ; 0,8 + ------------------ , или
2 500 2 500 
(0,701; 0,900). Все наблюдаемые относительные частоты 0,810,
0,820, 0,820, 0,830, 0,810 попадают в этот интервал. Нулевую и-
потезу на уровне значимости 0,05 не отвераем.
Аналоично можно применить и друие методы.
Развитие статистии было обсловлено задачами общественной значи-

мости. С наоплением в развитых европейсих странах мноочисленной
информации по вопросам динамии народонаселения, развития торов-
ли, эономии и хозяйственной деятельности, здравоохранения и др. вознила потреб-
ность поиса способов анализа статистичесих данных и их теоретичесоо осмысле-
ния. Первой на пть разработи аппарата математичесой статистии стала анлийсая
шола та называемых «политичесих арифметиов», оторю возлавлял В. Петти
(1623—1687). Представители этоо направления пытались по данным статистичесих
наблюдений сформлировать заоны общественных явлений. О сществовании таих
заонов свидетельствовали фаты повторения соотношений межд оличеством ново-
рожденных мальчиов и девоче, динамиа рождаемости и смертности. Первые попыти
использовать оличественные измерения а инстрмент начноо познания живых с-
ществ были реализованы Г. Галилеем (1564—1642), Санторио (1561—1636), Дж. А. Бо-
релли (1608—1679) и др. Биолоичесие исследования послжили в ХІХ вее толчом
для постанови мноочисленных вопросов, приведших в начале ХХ веа выделению
математичесой статистии в особю на. Первым, то соединил методы антропомет-
рии и социальной статистии с теорией вероятностей, был А. Кетле (1796—1874). Сще-
ственные резльтаты в области теории вероятностей и математичесой статистии
были полчены П. Лапласом (1749—1827) и К. Ф Гассом (1777—1855). Первый из них
доазал, что нормальное распределение слжит приближением для биномиальноо.
Гасс вывел нормальный заон распределения слчайных ошибо наблюдений. Почти
одновременно с ним и независимо от нео америансий математи Р. Эдрейн (1775—
1843) полчил тот же резльтат. Большой влад в дальнейшее развитие приладной
и теоретичесой статистии внесли Ф. Гальтон (1822—1911) и К. Пирсон (1857—1936).
Гальтон впервые применил статистичесий подход Кетле решению проблем наследо-
вания и изменчивости. Ео идеи развил Пирсон. Гальтона и Пирсона считают основопо-
ложниами современной биометрии и психометрии. Дальнейшее развитие приладная
статистиа полчила в работах В. Госсета (1876—1937), оторый пблиовал свои ра-
боты под псевдонимом «Стьюдент». Значительный влад в развитие теории малых
выборо внес Р. Фишер (1890—1962). Кроме тоо, он разработал метод, называемый
дисперсионным анализом, для интерпретации резльтатов арономичесих опытов. Он
таже исследовал та называемый метод наибольшео правдоподобия оценивания не-
известных параметров. В отечественной нае одним из первых, то составил подбор
статистичесих приладных методов еще в 1909—1911 ., был А. В. Леонтович (1869—
1943), тода же появились и «Очери по теории статистии» А. А. Чпрова (1874—1926).
В 1916 . вышло пособие по статистичесим методам А. А. Кафмана (1864—1919). Из-
вестными исследователями в области математичесой статистии были С. Н. Бернштейн
(1880—1968), А. Я. Хинчин (1894—1959), Е. Е. Слций (1880—1948), В. И. Романовсий
(1879—1954), А. Н. Колмооров (1903—1992), Н. В. Смирнов (1900—1966), Б. В. Гнеден-
о (1912—1996), И. И. Гихман (1918—1985) и мноие дрие. Исследования в области
математичесой статистии продолжаются и в настоящее время.
1. Есть подозрение, что неото- вает сорт чая в восьми случаях

рая монета неправильная. Для из девяти и ошибается в одном.
тоо чтобы это проверить, эту Сформулируйте проверяемую
монету подбрасывают четыре ипотезу. p — это вероятность
раза. Если при всех четырех тоо, что правильно будет опре-
подбрасываниях она падает ер- делен сорт чая из пары чаше.
бом вверх, то ипотезу о пра- 4. Нето утверждает, что все-
вильности монеты отверают. да может отличить по вусу и-
Каим может быть уровень зна- тайсий чай от цейлонсиоо.
чимости этоо ритерия? Ему предлаают девять пар ча-
2. Есть подозрение, что неото- ше чая, причем аждая пара
рая монета неправильная. Для состоит из одной чаши итай-
тоо чтобы это проверить, эту соо и одной чаши цейлон-
монету подбрасывают четыре соо чая. Он правильно уазы-
раза. Если при всех четырех вает сорт чая в восьми случаях
подбрасываниях она падает ер- из девяти и ошибается в одном.
бом вверх, то ипотезу о пра- Каим может быть уровень зна-
вильности монеты отверают. чимости этоо ритерия?
Сформулируйте нулевую ипо- 5. У Василия есть иральный
тезу. p — это вероятность то- уби, по поводу отороо он
о, что монета упадет ербом считает, что уби чаще па-
вверх. дает вверх ранью с 6 очами.
3. Нето утверждает, что все- Он бросает уби 4 раза и все
да может отличить по вусу и- 4 раза на убие выпадает 6 оч-
тайсий чай от цейлонсоо. ов. Используя 9%-ный уровень
Ему предлаают девять пар ча- значимости, следует ли ему от-
ше чая, причем аждая пара лонить ипотезу о том, что ве-
состоит из одной чаши итай- роятность выпадения 6 очов
соо и одной чаши цейлон- 1
равна p = --- ?
соо чая. Он правильно уазы- 6
Задачи
538. Установлено, что в публицистичесом тесте процент ла-
олов составляет 9%. Заменили публицистичесий тест на техни-
чесий. Отобрали пять раз по 500 слов. Число лаолов в них соста-
вило 43, 42, 44, 41, 43 соответственно. Дают ли эти данные основа-
ния утверждать, что техничесий тест менее насыщен лаолами
по сравнению с публицистичесим?
539. Процент браа при производстве неотороо изделия на

заводе составляет 5%. Высазано подозрение, что ухудшилось а-
чество сырья. Для провери этоо отобрали пять раз по 200 дета-
лей, и браованных среди них оазалось соответственно 13, 12, 11,
12, 14. Подтверждают ли эти данные высазанное подозрение?
540. Завод выпусает элетричесие лампочи. В связи с эпи-
демией для работы были привлечены менее валифицированные
рабочие, поэтому было высазано опасение, что возрастет процент
браованных ламп. Для онтроля пять раз отбирали по 500 ламп.
Нестандартных среди них оазалось соответственно 80, 79, 78,
78, 81. Подтверждают ли эти данные предположение о валифиа-
ции привлеченных рабочих, если ранее нестандартные лампы со-
ставляли в среднем 15%?
541. Опрос случайно отобранных 1163 зареистрированных из-
бирателей поазал, что 592 человеа планируют проолосовать за
определенноо андидата. Значимо ли наблюдаемый процент пре-
вышает 50%?
542. При раздаче олоды из 36 арт по шесть арт шести иро-
ам вероятность тоо, что при тщательной перетасове арт иро
получит хотя бы одноо туза, равна приближенно 0,53. Иро А
при пяти раздачах арт получил тольо одноо туза. Он высазал
подозрение, что арты недостаточно хорошо тасовались. Достаточ-
но ли имеющихся данных для тоо, чтобы отвернуть нулевую и-
потезу p = 0,53 на 5%-ном уровне значимости?

К § 5.1. Генеральная сово пность и выбор а
543. Исследуется число рыб в зарытом водоеме. С этой целью
заброшена сеть с фисированными размерами ячее. Все пойман-
ные рыбы помечены и возвращены в водоем. Затем снова заброше-
на сеть, пойманные рыбы образуют выбору. По числу всех мече-
ных рыб и меченых рыб в выборе судят об общем числе рыб в во-
доеме. Будет ли эта выбора репрезентативной, если:
а) сеть вторично заброшена сразу после тоо, а пойманные
рыбы возвращены в водоем;
б) сеть вторично заброшена через од после тоо, а пойманные
рыбы возвращены в водоем;
в) вторично заброшена друая сеть?
544. Вам поручено выяснить, сольо учащихся шолы хоте-

ли бы заниматься в спортивных сециях. Эту информацию нужно
получить срочно. Вы оранизуете выборочный опрос.
а) Ка вы извлечете случайную выбору?
б) С помощью таблицы случайных чисел создайте выбору, рав-
ную 0,1 числа учащихся шолы.
в) Нецелесообразно ли прибенуть стратифицированной вы-
боре?
545. Каая из приведенных ниже выборо будет наиболее реп-
резентативной для совоупности всех учащихся вашей шолы?
а) 20 отличниов старших лассов.
б) Случайная выбора из 20 учащихся, занимающихся в спор-
тивных сециях.
в) 20 та называемых «середнячов», отобранных из разных
лассов.
) Случайная выбора 20 учащихся, отобранных из списа всех
учащихся шолы.
546. Сольо различных выборо без возвращения объемом n
можно составить из енеральной совоупности, содержащей N эле-
ментов?
547. Вам поручено оранизовать случайную выбору учащих-
ся шолы для провери их достижений по математие. Вы выяс-
нили процент учащихся шолы, растущих в полных и неполных
семьях, имеющих и не имеющих дома омпьютер, имеющих и не
имеющих домашней библиотеи. Эти проценты вы сохранили в вы-
боре. Получена ли таим образом репрезентативная случайная
выбора?
К § 5.2. Оценивание параметров

548. Газета провела опрос 983 своих читателей и оазалось, что
39,8% из них отовы проолосовать за данноо андидата. Выборы
состоятся через три недели.
а) Каой примерно процент всех жителей ответил бы о отовнос-
ти проолосовать за данноо андидата, если бы все население бы-
ло опрошено при тех же условиях?
б) Приведите две причины, почему фатичесий результат вы-
боров может отличаться от этих 39,8% больше, чем на величину
стандартной ошиби?
549. Имеется 8000 деталей. Из них отобрали n шту, среди о-

торых m браованных. Вероятность детали быть браованной счи-
тается равной p.
а) Оцените вероятность тоо, что доля нестандартных деталей во
всей партии отличается от доли таих деталей в выборе по моду-
лю не более чем на 0,05, если n = 1000.
б) Сольо деталей нужно выбрать, чтобы с вероятностью не ме-
нее 0,88 средний процент браованных деталей в выборе отличал-
ся от среднео процента браованных деталей во всей совоупности
по модулю не более чем на 0,02?
550. На учете стоят 2000 больных, страдающих хроничесими
приступами оловной боли. Вероятность тоо, что неоторое леар-
ство снимет боль, равна p. Для онтроля эффетивности леарства
отобрали n больных, m из оторых леарство помоло.
а) Оцените вероятность тоо, что относительная частота собы-
тия «леарство снимает боль» отличается от p не более чем на 0,07,
если n = 100.
б) Сольо больных нужно отобрать для исследования, чтобы
с вероятностью не менее 0,74 ожидать, что отлонение относитель-
ной частоты от вероятности тоо, что леарство снимает боль по мо-
дулю не превзойдет 0,04?
551. Из списа 1247 участниов руиза случайным образом
было опрошено 50 челове. Из них 43 человеа заявили, что удов-
летворены обслуживанием. Если бы была возможность опросить
все 1247 челове, то насольо отличался бы процент довольных
обслуживанием от процента удовлетворенных обслуживанием в вы-
боре?
552.* В шолах района учится 500 десятилассниов. Для про-
вери усвоения неоторой темы был предложен тест из 10 заданий.
Для испытания случайным образом отобрано 62 учащихся. Ре-
зультаты испытания представлены в таблице 5.10.
Таблица 5.10
Число правильных 3 4 5 6 7 8 9 10
ответов
Число чащихся 2 18 13 8 10 6 4 1
а) Оцените вероятность тоо, что среднее значение числа пра-

вильных ответов во всех шолах отличается от среднео числа пра-
вильных ответов в выборе не более чем на 0,5.
б) Сольо десятилассниов нужно выбрать для онтроля, что-

бы с вероятностью не меньшей 0,8 среднее число правильных отве-
тов всех десятилассниов района отличалось по модулю от сред-
нео числа правильных ответов в выборе не более чем на 0,42?
Примите дисперсию енеральной совоупности равной выбо-
рочной дисперсии, вычисленной по данным таблицы 5.10.
К § 5.3. Доверительные интервалы

553. Имеется 8000 деталей. Из них отобрали n шту, среди о-
торых m браованных. Вероятность детали быть браованной счи-
тается равной p. Найдите раницы, в оторых с вероятностью не
менее 0,85 лежит средний процент браованных деталей во всей
партии, если n = 1000, m = 50.
554. В неотором хозяйстве собрали 10 000 плодов. Биоло
случайным образом отобрал n плодов с тем, чтобы обнаружить
у них наличие или отсутствие неотороо определенноо полезноо
признаа. Оазалось, что m из отобранных n плодов обладают этим
признаом. Найдите раницы, в оторых с вероятностью не мень-
шей 0,88 лежит процент плодов, обладающих изучаемым призна-
ом во всей совоупности плодов, если n = 1000, m = 120.
555. Для условий задачи 552 найдите пределы, оторые с веро-
ятностью не менее 0,84 содержат среднее число правильных отве-
тов всех десятилассниов района.
556.* На неотором стане изотовлено 2000 валиов. Измере-
ны отлонения диаметра 250 валиов от заданноо размера. Ре-
зультаты измерения приведены в таблице 5.11.
Таблица 5.11
Отлонение диаметра 0—5 5—10 10—15 15—20 20—25

валиа от номинала, м
Число валиов 15 75 100 50 10
а) Оцените вероятность тоо, что среднее отлонение диаметра

валиа от номинала во всей партии отличается от среднео отло-
нения диаметра валиа в выборе не более чем на 0,5 м.
б) Постройте 78%-ный доверительный интервал, оторый со-
держит среднее отлонение диаметра валиа от номинала во всей
партии валиов.
в) Сольо валиов необходимо отобрать для их провери, что-

бы с вероятностью не меньшей 0,75 среднее отлонение диаметра
валиа от номинала во всей партии отличалось от среднео отло-
нения в выборе не более чем на 0,8 м?
Примите дисперсию енеральной совоупности равной выбо-
рочной дисперсии, вычисленной по данным таблицы 5.11.
557. Из 763 случайно отобранных студентов вуза 152 студента
не знаомы с сущностью Болонсоо процесса создания Единоо
европейсоо образовательноо процесса.
а) Оцените процент студентов во всем вузе, не знаомых с сущ-
ностью Болонсоо процесса создания Единоо европейсоо обра-
зовательноо процесса.
б) Вычислите стандартную ошибу оцени, вычисленной в пре-
дыдущем задании.
в) Постройте 90%-ный доверительный интервал для процента
таих студентов во всем вузе, пользуясь неравенством Чебышёва.
) Постройте 90%-ный и 95%-ный доверительные интервалы для
процента таих студентов во всем вузе, пользуясь нормальным
приближением для биномиальноо распределения.
558.* При проведении общенациональноо опроса требуется,
чтобы раницы ошиби не превышали 3% в аждом направлении
(т. е. плюс или минус) при доверительной вероятности 0,95.
а) Проверьте выполнение этоо требования для ситуации, ода
309 из 1105 зареистрированных избирателей утверждают, что они
поддержат на выборах определенноо андидата, пользуясь нор-
мальным приближением для биномиальноо распределения.
б) Постройте 95%-ный доверительный интервал для выражен-
ной в процентах доли зареистрированных избирателей, оторые
поддержат на выборах определенноо андидата, по данным пре-
дыдущео задания, пользуясь нормальным приближением для би-
номиальноо распределения.
К § 5.4. Провер а статистичес их ипотез

559. Имеется 8000 деталей. Вероятность детали быть брао-
ванной считается равной p. Из них отобрали n шту, среди ото-
рых m браованных. Проверяется нулевая ипотеза: p = 0,05. Для
провери этой ипотезы отобрали n = 500 деталей, среди оторых
m = 28 оазались браованными.
а) Вычислите вероятность тоо, что при случайном отборе 500 де-
талей 28 из них будут браованы (если нулевая ипотеза верна).
б) Примите решение, асающееся нулевой ипотезы.

560. При ире в ости было высазано сомнение в правильнос-
ти иральноо убиа. Для провери этих сомнений уби был
брошен 300 раз, при этом «тройа» выпала 58 раз.
а) Вычислите вероятность тоо, что при бросании убиа 300 раз
58 раз выпадет «тройа».
б) Примите решение, асающееся правильности убиа.
561. В лаве 1 методами описательной статистии устанавли-
валось авторство статей, опублиованных в онце ХІХ веа в аме-
риансой азете «The Federalist», подписанных псевдонимом
«Публий». Решение принималось на основе вычисления частоты,
с оторой встречается предло «on» в спорных статьях и в статьях
А. Гамильтона и Д. Медисона, претендентов на авторство спорных
статей. В таблице 5.12 представлено число статей, в оторых пред-
ло «on» встречается с той или иной частотой (в расчете на 1000 слов).
Таблица 5.12
Частота 0,4 0,4—0,8 0,8—1,2 1,2—1,6 1,6—2,0 2—3

предло!а «on»
Статьи 2 3 6 11
Статьи 41 2 4 1 2
Медисона
Спорные 11 1
статьи
Частота 3—4 4—5 5—6 6—7 7—8
предло!а «on»
Статьи 11 10 3 1 1
Статьи
Медисона
Спорные
статьи
а) Сформулируйте нулевую ипотезу.

б) Интуитивно оцените величину вероятности, при оторой ну-
левая ипотеза может быть с уверенностью отвернута.
в) Примите решение об авторстве спорных статей.
562. Решение об авторстве спорных статей принималось на осно-
ве вычисления частоты, с оторой встречается предло «by» в спор-
ных статьях и в статьях А. Гамильтона и Д. Медисона, претенден-
тов на авторство спорных статей. В таблице 5.13 представлено чис-
ло статей, в оторых предло «by» встречается с той или иной
частотой (в расчете на 1000 слов).
Таблица 5.13
Частота предло!а «by» 1—3 3—5 5—7 7—9 9—11

Статьи Гамильтона 2 9 12 18 4
Статьи Медисона 5 7 8
Спорные статьи 2 1 2
Частота предло!а «by» 11—13 13—15 15—17 17—19
Статьи Гамильтона 5
Статьи Медисона 16 6 5 3
Спорные статьи 4 2 1

в) Примите решение об авторстве спорных статей.
563. За роман «Тихий Дон» М. А. Шолохов в 1965 . получил
Нобелевсую премию. С 1928 . в СССР и в эмирантсих руах
урсировали слухи о том, что роман принадлежит не ему. Аноним-
ным советсим ритиом сообщалось, что произведение написано
в 1920 . умершим от тифа писателем-азаом Ф. Крюовым. Пе-
ред принятием решения о присуждении Нобелевсой премии швед-
сие ученые провели анализ рассаза «Шаать немедленно», ото-
рый, безусловно, принадлежал Крюову, рассаза «Путь и тропа»,
оторый, безусловно, принадлежал Шолохову, и романа «Тихий
Дон». Вычислялась частота различных слов (словарь) в отрыве из
1000 слов. Данные приведены в таблице 5.14.
в) Примите решение об авторстве «Тихоо Дона».
Таблица 5.14
Тест Число слов Число различных слов

«Шаать немедленно» а + с = 1000 а = 589
«Тихий Дон» b + d = 1000 b = 646
«Путь и тропа» a1 + с1 = 1000 a1 = 656
К § 5.5 Провер а ипотезы о равенстве

среднео енеральной сово пности
не отором заданном значению
564. На заседании совета диреторов ационерной омпании
было высазано предложение о предоставлении работниам ом-
пании возможности получать часть прибыли в зависимости от ре-
зультатов работы. Было опрошено 256 эспертов, оторым предло-
жили оценить влияние передачи аций на ачество продуции по
пятибалльной шале: –2, –1, 0, 1, 2, де –2 означало «резо отри-
цательное влияние», а 2 — «сильное положительное влияние». Ре-
зультаты опроса представлены в таблице 5.15.
Таблица 5.15
Балл –2 –1 0 1 2
Число эспертов 17 42 67 83 47
Можно ли утверждать, что все эсперты (руоводящие работнии

всех фирм омпании) считают высазанное предложение полезным?
Сформулируйте нулевую и альтернативную ипотезы и проверьте
нулевую ипотезу на уровне значимости 0,05 с использованием:
565. Средний балл, получаемый учащимися за выполнение не-
отороо теста в течение несольих лет, равнялся 80. Ниже при-
ведены оцени за этот тест у 12 случайно отобранных учащихся
в нынешнем оду:
89, 98, 96, 65, 99, 81, 76, 51, 82, 90, 96, 76.
Значимо ли отличается наблюдаемое среднее значение оцени
от средней оцени в предыдущие оды? Ответ обоснуйте.
566. Завод может сбрасывать зарязняющие оружающую сре-

ду отходы производства в оличестве, не превышающем 125 м
вредноо вещества в неделю. Последняя провера, проведенная эо-
лоами, дала следующие результаты недельных зарязнений:
65, 61, 49, 114, 72, 53, 78, 47, 52, 38, 61, 43, 98, 85, 91, 63, 71 м.
а) Уложился ли завод в норму? Поясните ответ, исходя из одно-
сторонней провери ипотезы на уровне значимости 0,05.
б) Сформулируйте нулевую и альтернативную ипотезы.
в) К аому результату приведет двусторонняя провера ипо-
тезы при тех же условиях?
567. Для условий задачи 561 решите вопрос об авторстве спор-
ных статей, проверив ипотезы о равенстве средних, приняв в а-
честве выборочноо среднео среднюю частоту встречаемости пред-
лоа «on» в спорных статьях, а в ачестве среднео и дисперсии
енеральной совоупности среднюю частоту и выборочную диспер-
сию встречаемости предлоа «on»:
а) в статьях Гамильтона;
б) в статьях Медисона.
568. Для условий задачи 562 решите вопрос об авторстве спор-
ных статей, проверив ипотезы о равенстве средних, приняв в а-
честве выборочноо среднео среднюю частоту встречаемости пред-
лоа «by» в спорных статьях, а в ачестве среднео и дисперсии
енеральной совоупности среднюю частоту и выборочную диспер-
сию встречаемости предлоа «by»:
а) в статьях Гамильтона;
б) в статьях Медисона.
569. Для условий задачи 563 решите вопрос об авторстве «Тихо-
о Дона», проверив ипотезы о равенстве средних, приняв в ачест-
ве выборочноо среднео среднюю частоту различных слов в «Ти-
хом Доне», а в ачестве среднео и дисперсии енеральной совоуп-
ности среднюю частоту и дисперсию числа различных слов:
а) в рассазе Ф. Крюова;
б) в рассазе М. А. Шолохова.
К § 5.6. Провер а ипотез о биномиальной вероятности

570. Неоторое изделие производится по двум технолоиям:
старой и новой. Результаты выборочной провери ачества изде-
лий представлены в таблице 5.16.
Таблица 5.16
Числовые харатеристии Старая Новая

выбори техноло!ия техноло!ия
Средний уровень браа 0,047 0,023
Стандартное отлонение 0,068 0,050
Размер выбори (число дней) 50 44
а) На сольо уменьшится уровень браа при переходе от ста-

рой технолоии новой? Каова стандартная ошиба средней раз-
ности уровней браа?
б) Проверьте, улучшает ли переход на новую технолоию аче-
ство изделий.
в) Постройте 95%-ный доверительный интервал для снижения
уровня браа.
) Является ли улучшение ачества продуции статистичеси
значимым?
571. В больнице на учете есть больные, страдающие хрониче-
сими приступами оловной боли. Вероятность тоо, что неоторое
леарство снимает боль, равна 0,6. Начали применять для снятия
оловных болей новое леарство. Для ео исследования пять раз
отобрали по 20 больных, среди оторых новое леарство сняло боль
у 13, 14, 13, 15, 14 больных. Дают ли эти данные основания счи-
тать, что новое леарство более эффетивно?
572. На уровне значимости 0,05 проверяется нулевая ипоте-
за Н0: p = 0,8 при альтернативной ипотезе Н1: p = 0,9. Наблюдае-
мое значение числа «успехов» в 1000 наблюдений равно 830.
а) Каой ипотезе следует отдать предпочтение?
б) Каова вероятность ошиби второо рода?
573. 60-ваттные лампы разложены в ороби по восемь шту
в аждой. Каждая ороба проверяется испытанием двух ламп из
нее, выбранных науад. Правило приеми залючается в том, что
если обе испытываемые лампы орят, то вся ороба считается
принятой; если же не орит хотя бы одна лампа, то ороба брау-
ется. На онтроль поступает ороба, содержащая две неисправ-
ные и шесть исправных ламп. Каова вероятность тоо, что эта о-
роба оажется принятой?
Ответы и азания задачам
Глава 1
8. а) Изделие; б) мноомерные; в) временной срез; ) номинальная;
д) оличественная; е) порядовая. 9. а) Продут питания; б) мноомерные;
в) нормы потребления для различных атеорий населения; ) временной
срез; д) нет. 10. а) Работни; б) мноомерные; в) ачественные перемен-
ные: образование, пол, возраст, стаж работы; оличественная перемен-
ная: месячная заработная плата; ) временной срез; порядовая; е) нет.
11. а) Месячная заработная плата; б) пол, возраст, стаж работы, образова-
ние; в) месячная заработная плата, возраст, стаж работы, образование;
) пол, возраст, стаж работы, образование. 12. а) Одномерные, оличест-
венные, временной срез;
б) xi 36 37 38 39 40 41 42 43
ni 1 2 5 8 17 21 18 8
νi 0,0125 0,025 0,0625 0,1 0,2125 0,2625 0,225 0,1
в) в аждую руппу входит один размер обуви, получим восемь рупп.

13. а) Одномерные, оличественные, временной срез;
б) xi 21,9 20,7 19,2 18,8 18,3 18,2 18,0

ni 1 1 1 1 1 1 1
νi 0,015 0,015 0,015 0,015 0,015 0,015 0,015
xi 17,9 17,7 17,5 17,3 17,2 17,1 16,9
ni 1 2 1 2 1 1 1
νi 0,015 0,03 0,015 0,03 0,015 0,015 0,015
xi 16,7 16,6 16,5 16,4 16,3 16,2 16,1
ni 1 2 1 1 2 2 1
νi 0,015 0,03 0,015 0,015 0,03 0,03 0,015
496 Ответы и уазания задачам
xi 15,8 15,7 15,5 15,4 15,2 15,1 14,7

ni 2 1 1 2 2 3 3
νi 0,03 0,015 0,015 0,03 0,03 0,044 0,044
xi 14,6 14,5 14,3 14,2 14,1 14,0 13,9
ni 1 1 1 1 1 4 1
νi 0,015 0,015 0,015 0,015 0,015 0,059 0,015
xi 13,7 13,5 13,4 13,0 12,7 12,4 12,3
ni 1 1 1 1 1 1 1
νi 0,015 0,015 0,015 0,015 0,015 0,015 0,015
xi 12,1 11,7 11,6 11,3 10,9 10,7 10,1
ni 1 1 1 1 1 1 1
νi 0,015 0,015 0,015 0,015 0,015 0,015 0,015
xi 8,8 8,4 8,3
ni 1 1 1
νi 0,015 0,015 0,015
в) сруппированные данные:
xi 21,0—22,0 19,9—20,9 18,8—19,8 17,7—18,7 16,6—17,6

ni 1 1 2 6 9
xi 15,5—16,5 14,4—15,4 13,3—14,3 12,2—13,2 11,1—12,1
ni 11 12 11 4 4
xi 10,0—11,0 8,9—9,9 7,8—8,8
ni 3 0 3
14. а) Одномерные, оличественные, временной ряд;
б) xi 12,0 12,8 13,0 13,1 13,8 13,9 14,0

ni 4 1 1 1 1 2 4
xi 14,2 14,9 15,0 15,8 15,9 16,0 16,8
ni 1 2 3 1 2 2 1
xi 16,9 17,0 17,2 17,5 18,0 18,1 18,4
ni 3 1 1 1 2 1 1
xi 19,2 19,3 20,0 20,2
ni 1 1 1 1
Ответы и уазания задачам 497
xi 11,6—12,2 12,3—12,9 13,0—13,6 13,7—14,3 14,4—15,0

ni 4 1 2 8 5
xi 15,1—15,7 15,8—16,4 16,5—17,1 17,2—17,8 17,9—18,5
ni 0 5 5 2 4
xi 18,6—19,2 19,3—19,9 20,0—20,6
ni 1 1 2
15. а) Одномерные, оличественные, временной срез;
б) xi 600 590 580 560 550 540 530 500

ni 1 1 1 1 1 2 1 3
xi 480 470 450 440 435 430 420 405
ni 2 1 4 2 1 1 3 2
xi 400 385 380 370 360 330 320 315
ni 1 1 1 2 3 1 1 1
xi 300 240 225 220 190 180 170 150
ni 4 1 1 2 1 1 1 1
xi 580—615 540—575 500—535 460—495 420—455 380—415

ni 3 4 4 3 11 5
xi 340—375 300—335 260—295 220—255 180—215 140—175
ni 5 7 0 4 2 2
16. а) Дисретный вариационный ряд:
xi 2,9 3,8 4,2 4,4 4,5 4,7 5,1 5,3

ni 1 1 1 1 1 1 1 2
xi 5,4 5,6 5,8 6,0 6,1 6,2 6,4 6,5
ni 2 3 2 4 3 1 1 2
xi 6,7 6,8 6,9 7,1 7,4 7,7 8,2 8,5
ni 2 1 1 1 1 1 1 1
б), в) интервальный вариационный ряд:
xi 2,8—3,2 3,3—3,7 3,8—4,2 4,3—4,7 4,8—5,2 5,3—5,7

ni 1 0 2 3 1 7
pi 2 0 4 6 2 14
1 2 3 1 7
πi ------ 0 ------ ------ ------ ------
18 18 18 18 18
xi 5,8—6,2 6,3—6,7 6,8—7,2 7,3—7,7 7,8—8,2 8,3—8,7

ni 10 5 3 2 1 1
pi 20 10 6 4 2 2
10 5 3 2 1 1
πi ------ ------ ------ ------ ------ ------
18 18 18 18 18 18
17. а) Дисретный вариационный ряд: 177,7; 182,7; 183,5; 184,8; 187,2;

188,3; 189,9; 190,2; 190,3; 190,8; 191,1; 191,3; 191,7; 192,7; 193,6; 194,3;
195,2; 195,4; 196,1; 196,6; 196,7; 197,4; 197,8; 198,6; 200,2; б), в) интер-
вальный вариационный ряд (число рупп уменьшено, та а небольшое
число данных):
xi 177,5—180,7 180,8—184,1 184,2—187,5 187,6—190,9
ni 1 2 2 5
pi 0,303 0,606 0,606 1,52
πi 0,012 0,024 0,024 0,061
xi 191,0—194,3 194,4—197,7 197,8—201,7
ni 6 6 3
pi 1,82 1,82 0,909
πi 0,073 0,073 0,036
xi 1540 1560 1600 1620 1640 1660 1680 1700 1720 1740
ni 1 3 2 2 4 2 1 2 1 10
xi 1780 1800 1820 1840 1860 1880 1940 1960 1980
ni 2 4 1 7 3 2 1 1 1
б), в) интервальный вариационный ряд (число рупп уменьшено, та а

небольшое число данных):
xi 1520—1565 1565—1610 1610—1655 1655—1700

ni 4 2 6 5
νі 0,08 0,04 0,12 0,10
pi 0,0889 0,0444 0,133 0,111
πi 0,00178 0,000889 0,00267 0,00222
xi 1700—1745 1745—1790 1790—1835 1835—1880
ni 11 2 5 11
νі 0,22 0,04 0,10 0,22
pi 0,244 0,0444 0,111 0,244
πi 0,00542 0,000889 0,00222 0,00542
xi 1880—1925 1925—1970 1970—2015
ni 1 2 1
νі 0,02 0,04 0,02
pi 0,0222 0,0444 0,0222
πi 0,000444 0,000889 0,000444
xi 0,27 0,28 0,32 0,33 0,35 0,37 0,38 0,40 0,42 0,43
ni 2 1 2 1 1 1 1 2 1 2
xi 0,45 0,47 0,48 0,49 0,51 0,52 0,53 0,54 0,55 0,98
ni 1 1 1 1 1 2 1 1 1 1
б), в) интервальный вариационный ряд (число рупп уменьшено, та а

небольшое число данных, резо выделяющееся значение 0,98 ислючено
из рассмотрения):
xi 0,235—0,305 0,305—0,375 0,375—0,445 0,445—0,515 0,515—0,585

ni 3 5 6 5 5
νі 0,125 0,208 0,250 0,208 0,208
pi 43 71 86 71 71
πi 1,79 2,97 3,57 2,97 2,97
20. Для задачи 16 — рис. 65; для задачи 18 — рис. 66.
21. Рис. 67. 22. а) Рис. 68.
Рис. 67
Рис. 68
23. а) Масса, ! 1000—1500 1500—2000 2000—2500

Число детей 84 205 502
νi 0,0084 0,0205 0,0502
Наопленная 0,0084 0,0289 0,0791
частота
Продолжение табл.
Масса, ! 2500—3000 3000—3500 3500—4000

Число детей 1723 3752 2747
νi 0,1723 0,3752 0,2747
Наопленная 0,2514 0,6266 0,9013
частота
Масса, ! 4000—4500 4500—5000 5000—5500
Число детей 852 124 11
νi 0,0852 0,0124 0,0011
Наопленная 0,9865 0,9989 1,0000
частота
б) рис. 69 и 70.
xi 39 40 41 42 43 44 46
ni 2 4 4 6 2 1 1
б) полион частот — рис. 71. 25. Рис. 72 и 73. 26. а) 11,9; б) d 274. 27. а) d 11;
б) 331. 28. а) d 0,48; 3,30; 0,532; автором спорных статей является, по-ви-
димому, Медисон; б) рис. 74, 75 и 76.
Рис. 71
Рис. 72
Статьи Гамильтона
Статьи Медисона Спорные статьи
29. 1-й. 30. а) 4,2; б) статистиа; в) нет. 31. В первой. 32. А. 33. а) Тихоое-
ансие; б) 28,7 р. 34. 19,7%. 35. 76,5. 36. 5. 37. d 13,9; d 15,5. 38. 70,1%.
39. а) 1084 р.; б) 13 383 064 р.; в) 8469 р.; ) 1580. 40. d 9,85; d 9,73;
рис. 77. 41. а) 25,25 ц/а; б) d 6,44; d 2,54 ц/а; типичное расстояние от сред-
ней урожайности для значений урожайности на отдельных фермах пример-
но равно 2,54 ц/а; в) 10 ц/а; расстояние между наименьшей и наибольшей
урожайностью на фермах равна 10 ц/а; ) d 0,1; урожайность на отдельных
фермах отличается от средней урожайности примерно на 10%; д) рис. 78.
42. а) d 4,68 /мм2; б) d 2,1; d 1,4 /мм2; в) d 600; ) d 930; д) 1000; е) 7 /мм2;
ж) d 0,3; з) рис. 79. 43. а) Увеличилась на 20%; б) не изменилось; в) не
изменился; ) уменьшился на 16,7%. 44. а) 7,04; 41; б) 2,2; 7; в) обе хара-
теристии чувствительны ислючению райних значений. 45. а) 1,12 ;
б) 5 ; в) на 1,6 величины стандартноо отлонения; ) на 1,96 величины
стандартноо отлонения. 46. а) Увеличилась на 10%; б) не изменилось;
в) не изменился; ) уменьшился на 9%. 47. а) 78,7 т; б) 80,0 т; в) рис. 80;
) z0,25 = 70,1; z0,75 = 91,2; д) z0,1 = 59,2; z0,9 = 98,4; е) не соответствует; с 10-м.
48. а) 188 см; б) 184,5 см;

в) рис. 81; ) 180; 185; 188,75;
д) 179; 190; е) почти соответству-
ют; с 20-м. 49. а) День; б) мноо-
мерные; в) временной ряд; ) но-
минальная; д) оличественная;
е) номинальная; ж) порядовая;
з) дате — порядовая; температу-
рам, давлению, влажности воз-
духа, сорости ветра, времени —
шалы интервалов; направлению
ветра, влиянию на здоровье —
номинальная. 50. а) Футбольная Рис. 81
оманда; б) мноомерные; в) вре-
менной срез; ) порядовая; д) о-
личественная; е) номинальная; ж) оличественная; з) месту — порядовая;
названию оманды — номинальная; оличеству ир, выирышей, ничьих,
поражений, забитых и пропущенных мячей, очов — шалы интервалов;
нет; и) например, аие оманды претендуют на призовые места, аим
омандам урожает опасность поинуть высшую лиу, у аих оманд
есть проблема с оранизацией защиты ворот и т. д. 53. а) Одномерные, о-
личественные, временной срез;
б) Возраст 22 24 28 30 31 32 35
ni 1 1 2 1 2 2 1
νі 0,04 0,04 0,08 0,04 0,08 0,08 0,04
Наопленная 1 2 4 5 7 9 10
частота
Относительная 0,04 0,08 0,16 0,20 0,28 0,36 0,40

наопленная
частота
Возраст 36 37 38 41 42 44 45
ni 1 1 1 1 2 2 1
νі 0,04 0,04 0,04 0,04 0,08 0,08 0,04
Наопленная 11 12 13 14 16 18 19
частота
Относительная 0,44 0,48 0,52 0,56 0,64 0,72 0,76

частота
Возраст 46 47 49 50 56
ni 1 2 1 1 1
νі 0,04 0,08 0,04 0,04 0,04
Наопленная 20 22 23 24 25
частота
Относительная 0,80 0,88 0,92 0,96 1,00
частота
в) сруппированные данные (число рупп уменьшено, та а небольшое

число данных):
Возраст 21—25 26—30 31—35 36—40

ni 2 3 5 3
νі 0,08 0,12 0,20 0,12
Наопленная частота 2 5 10 13
Относительная наопленная 0,08 0,20 0,40 0,52
частота
Возраст 41—45 46—50 51—55 56—60
ni 6 5 0 1
νі 0,24 0,20 0 0,04
Наопленная частота 19 24 24 25
Относительная наопленная 0,76 0,96 0,96 1,00
частота
) например, что большинство сотрудниов среднео возраста, пенсионноо

возраста — не более одноо сотрудниа, желательно привлечение молоде-
жи и т. д. 60. а) Дисретный вариационный ряд:
xi 83 86 87 89 91 92 94 95 96
ni 1 1 1 1 1 3 1 2 1
xi 97 98 100 101 102 103 104 105 106
ni 2 1 1 3 3 1 2 5 3
xi 107 108 109 110 111 112 113 114 115
ni 4 3 1 3 1 1 2 2 1
xi 116 118 121 123 124 127 129 130 131

ni 1 2 2 2 2 2 2 1 1
xi 132 133 134 135 138 139 141 146 148
ni 1 1 1 1 1 1 1 1 1
б, в) интервальный вариационный ряд:
xi 83—87 88—92 93—97 98—102 103—107

ni 3 5 6 8 15
νі 0,04 0,07 0,08 0,11 0,20
pi 0,6 1 1,2 1,6 3
πi 0,008 0,014 0,016 0,022 0,008
xi 108—112 113—117 118—122 123—127 128—132
ni 9 6 4 6 5
νі 0,12 0,08 0,05 0,08 0,07
pi 1,8 1,2 0,8 1,2 1
πi 0,024 0,016 0,01 0,016 0,014
xi 133—137 138—142 143—147 148—152
ni 3 3 1 1
νі 0,04 0,04 0,01 0,01
pi 0,6 0,6 0,2 0,2
πi 0,008 0,008 0,002 0,002
) например, наиболее распространенный, наименьший, наибольший уро-

вень интеллетуальности и т. д. 64. а) Дисретный вариационный ряд:
83,7; 86,2; 91,4; 92,3; 101,5; 103,9; 110,8; 113,1; 122,0; 124,0; 127,6;
128,0; 130,1; б) рис. 82 и 83; в) распределение данных — равномерное.
66. а) Зависимость примерно линейная, рис. 84; б) 5,5 и 49,6; примерно

отражают. 71. а) 3,2; б) 3,5; в) 4; ) медиана. 73. Уазание: воспользуйтесь
свойством медианы распределения. 74. а) 0,84; в среднем размер платы за
ссуду в различных фирмах отличается от средней платы за ссуду во всех
фирмах на 0,84%; б) 2%; разность между наименьшей и наибольшей пла-
той за ссуду в фирмах составляет 2%; в) 0,26; оэффициент вариации по-
азывает, что плата за ссуду у отдельных фирм отличается от средней пла-
ты в среднем на 26%; ) 11; д) все 14. 78. а) 3,2; б) 3,5; в) рис. 85; ) 2,625;
3,5; 4; д) 2,5 и 4.
Глава 2
79. а) 0,975; б) 0,025; 25. 80. а) 499; б) 1500. 81. 40. 82. 60. 87. а) В июне
поода была, преимущественно, пасмурной; б) сентябрь был довольно
дождливым; в) предприятие выпусает парашюты очень низоо ачест-
ва; ) рентен не является очень надежным средством обнаружения этоо
заболевания. 89. а) Пронозирование пары данных: число произведенных
за месяц устройств и число дефетных из них; б) множество пар целых не-
отрицательных чисел (хі, уі), де хі может принимать значения, сажем,
от 1 до 10 000, а yі — от 0 до тех же 10 000; в) результаты эсперимента
моут свидетельствовать, например, о том, насольо хорошо начальни
цеха знает свое производство; ) {(хі, уі)}, де хі l 50, уі = 0 или 1; д) 0,88.
3 8 3 7 8
90. а) ------ ; б) ------ . 91. а) 0,25; б) ------ . 92. а) 0,2; б) ------ ; в) ------ ; ) 0,2; д) 0,4; е) 0,4.
11 11 28 15 15
m 5
93. а) 0,75; б) 0,25. 94. 0,65. 95. а) 0,15; d 0,17; б) p – ----- d 0,02. 96. а) --- ;
n 9
4 1 5 4 1 1 1 4 1 1 3
б) --- ; в) --- ; ) 0; д) --- ; е) --- . 97. а) --- ; б) --- ; в) --- ; ) --- . 98. а) --- ; б) --- ; в) --- .
9 3 9 9 4 9 2 9 4 4 4
1 1 1 1 1
99. а) 0,2; б) 0,3; в) 0,5; ) 0,5. 100. а) ------ ; б) ------ ; в) ------ ; ) --- ; д) ------ . 101. 2 и 4.
36 18 12 6 36
5 1 1
102. 50, 20 и 50. 103. Исходы опыта неравновозможны. 104. ------ ; --- ; ------ ; на 1.
12 2 12
1 5 2 5
105. а) --- ; б) --- ; в) --- ; ) --- . 106. а) {ГГ, ГЦ, ЦГ, ЦЦ}; б) {0; 1; 2} (уазано
6 6 9 9
число выпавших ербов); в) обе монеты упали одинаово. 107. а) 0,4;
5
б) 0,38. 108. У Миши. 109. --- . 113. U = {12, 13, 14, 21, 23, 24, 31, 32, 34,
9
1
41, 42, 43}; pi = ------ . 114. а) U = {К1С1, К1С2, К2С1, К2С2}; б) U = {К1С1, К2С1},
12
де, например, К1С2 означает, что расный шар — в первом ящие, а си-
1 5
ний — во втором. 115. р1 = ... = р9 = ------ , р10 = ------ . 116. U = {123, 124,
14 14
125, 134, 135, 145, 234, 235, 245, 345}, де 1, 2, 3, 4, 5 — номера шаров.
2 1
117. U = {0, 1, 2}; Р(0) = 0,1; Р(1) = 0,4; Р(2) = 0,5. 118. Р(Г) = --- ; Р(Ц) = --- .
3 3
119. а), б), ). 120. Например, U = {Г1, Г2, Г3, Г4, Г5, Г6, Ц1, Ц2, Ц3, Ц4,
Ц5, Ц6}; U = {ГЧ, ГН, ЦЧ, ЦН}. 121. а) U = {ГГ1, ГГ2, ГГ3, ГГ4, ГГ5, ГГ6,
ГЦ1, ГЦ2, ГЦ3, ГЦ4, ГЦ5, ГЦ6, ЦГ1, ЦГ2, ЦГ3, ЦГ4, ЦГ5, ЦГ6, ЦЦ1,
ЦЦ2, ЦЦ3, ЦЦ4, ЦЦ5, ЦЦ6}; б) U = {01, 02, 03, 04, 05, 06, 11, 12, 13, 14,
15, 16, 21, 22, 23, 24, 25, 26}, де на первом месте стоит число ербов, вы-
павших при подбрасывании двух монет; в) U = {О1, О2, О3, О4, О5, О6, Н1,
Н2, Н3, Н4, Н5, Н6}, де О означает, что монеты упали одинаово, Н —
неодинаово; ) U = {ГГЧ, ГГН, ГЦЧ, ГЦН, ЦГЧ, ЦГН, ЦЦЧ, ЦЦН}, де Ч
означает, что на верхней рани убиа выпало четное число очов, Н —
нечетное; д) U = {0Ч, 0Н, 1Ч, 1Н, 2Ч, 2Н}, де на первом месте стоит число
ербов, выпавших при подбрасывании двух монет, Ч означает, что на верх-
ней рани убиа выпало четное число очов, Н — нечетное; е) U = {ОЧ,
ОН, НЧ, НН}, де О означает, что монеты упали одинаово, Н на первом
месте — неодинаово, Ч означает, что на верхней рани убиа выпало
четное число очов, Н на втором месте — нечетное. 122. Например, U =
= {ББ, БК, БС, КБ, КК, КС, СБ, СК, СС}, де бувы Б, К, С означают, что
вынут соответственно белый, расный, синий шар; U = {2Б, 1Б1К, 1Б1С,
2К, 1К1С, 2С}, де 1Б1С означает, что извлечен один белый шар, один си-
ний. 123. U = {12, 112, 111, 21, 221, 222}, де, например, 112 означает, что
первые две упленные шоолади содержат фоторафию первоо спортс-
мена, а третья – фоторафию второо. 124. а) U = {2, 4, 6, 8}, де числа обо-
1
значают длину отреза, на оторую попала ила; pi = --- ; б) U = {1, 2, 3, 4},
4
де числа обозначают место, занятое лошадью в забее; нет данных для вве-
1
дения элементарных вероятностей; в) U = {ab, ac, bc}; pi = --- ; ) U = {да, нет,
3
не знаю}; нет данных для введения элементарных вероятностей; д) U = {О,
У, Ч, П, Пр}, де О означает, что останова стана произошла из-за обрыва
нитей основы, У — из-за обрыва нитей ута, Ч — из-за смены человеа,
П — из-за поломи пооняло, Пр — из-за прочих причин; Р(О) = 0,22,
Р(У) = 0,31, Р(Ч) = 0,27, Р(П) = 0,03, Р(Пр) = 0,17. 125. 0,1; 0,15; 0,2;
0,25; 0,3. 126. U = {11, 10, 01, 00}, де, например, 10 означает, что опрошен-
ный положительно ответил на первый вопрос и отрицательно — на второй;
Р(11) = 0,4; Р(10) = 0,2; Р(01) = 0,3; Р(00) = 0,1; а) 0,6; б) 0,7. 127. U = {abс,
abd, acd, bcd}; а) A = {abс, abd, acd}; P(A) = 0,75; б) B = {abс, abd}; P(B) = 0,5;
в) C = {abс, abd, acd, bcd}; P(C) = 1. 128. а) См. таблицу 2.14; б) U = {2, 3, 4, 5,
6, 7, 8, 9, 10, 11, 12}, де исходами являются суммы выпавших очов; в) на-
пример, «на первом убие выпало больше очов, чем на втором». 129. а) U =
= {Г1, Г2, Г3, Г4, Г5, Г6, Ц1, Ц2, Ц3, Ц4, Ц5, Ц6}; б) U = {Г1, Ц1, ГП, ГС,
ЦП, ЦС}, де, например, ГП означает, что монета упала ербом вверх, а на
верхней рани иральноо убиа выпало простое число очов; Г1 — монета
упала ербом вверх, а на верхней рани иральноо убиа выпало одно очо;
ГС — монета упала ербом вверх, а на верхней рани иральноо убиа вы-
пало составное число очов; в) например, «монета упала ербом вверх, а на
верхней рани иральноо убиа выпало четное число очов». 130. а) U = {Б,
Ч, Т, П}, де исходами опыта служат названия мастей арт: бубны, червы,
трефы, пии; б) U = {6, 7, 8, 9, 10, В, Д, К, Т}, де исходами опыта служат
названия арт: шестера, семера, ..., десята, валет, ..., туз; в) U = {Б6,
Б7, ..., БТ, Ч6, Ч7, ..., ЧТ, Т6, Т7, ..., ТТ, П6, П7, ..., ПТ}, де первый сим-
вол означает название масти, второй — достоинство арты; ) U = {К, К },
де К означает, что извлечена артина, К — извлечена арта, не являю-
щаяся артиной. 131. а) См. ответ задаче 116; б) А — «белых шаров из-
влечено больше, чем «черных» (белые шары обозначены числами 1, 2, 3, чер-
ные — 4, 5), А = {123, 124, 125, 134, 135, 234, 235}, B — «все извлеченные
шары — белые», В = {123}; в) рі = 0,1; ) 0,6. 132. а) См. ответ задаче 123;
б) А — «поупи двух шооладо достаточно для получения приза», А =
= {12, 21}, B — «получен приз», В = {12, 21, 112, 221}; в) р(12) = р(21) =
= 0,25; р(112) = р(221) = р(111) = р(222) = 0,125; ) 0,75. 133. а) 0,91 и 0,84;
б) 0,08 и 0,12, 0,02 и 0,04, 0,01 и 0. 134. а) Выйдут из строя оба элемента;
б) по райней мере один элемент работает; в) из строя вышел тольо пер-
вый элемент; ) по райней мере один элемент вышел из строя. 135. C =
= A Æ (B1 » B2). 136. C = ( A 1 Æ A 2 ) Æ ( B 1 Æ B 2 ); C = (A1 » A2) » (B1 Æ B2).
137. а) A1 = B1 + B2; A2 = B1 + B3; б) B1 = A1 · A2; B2 = A1 · A 2 ; B3 = A 1 · A2;
B4 = A 1 · A 2 ; в) попадание имело место тольо при одном выстреле; невоз-

можное событие; попадание имело место при обоих выстрелах. 138. 5 : 4.
139. а) U = {(1812, 1825, 1861), (1812, 1861, 1825), (1825, 1812, 1861),
(1825, 1861, 1812), (1861, 1825, 1812), (1861, 1812, 1825)}, де в рулых
собах на первом месте стоит названная учащимся дата первой Отечествен-
ной войны, на втором — дата восстания деабристов, на третьем — дата
1
отмены репостноо права; б) рі = --- ; в) 1 : 2. 140. а) U = {(м, д, п), (м, п, д),
6
(д, м, п), (д, п, м), (п, д, м), (п, м, д)}, де в рулых собах на первом месте
стоит обозначение онверта, уда попало письмо маме, на втором — дедуш-
е, на третьем — подруе; м — онверт с маминым адресом, д — с адресом
1
дедуши, п — с адресом подруи; б) рі = --- ; в) 1 : 1. 141. а) U = {ГГГ, ГГЦ,
6
1
ГЦГ, ГЦЦ, ЦГГ, ЦГЦ, ЦЦГ, ЦЦЦ}; б) рі = --- ; в) 1 : 3. 142. 0,56. 143. а) 0,8;
8
2 1 1 1 5 17
б) 0,7. 144. d 0,17. 145. --- . 146. 0,5. 147. --- ; --- ; --- . 148. а) ------ ; б) ------ . 149. 0,5.
3 2 3 6 36 18
150. 0,6. 151. а) 0,5; б) 0,6; в) 0,6. 152. а) 0,9; б) нет. 153. а) 0,8; б) 0,2.
2 7 2
154. а) --- ; б) --- . 155. а) 0,75; б) 0,5. 156. а) ------ ; б) например, U = {ББ, БЧ,
3 9 21
3 10 2 7 1
ЧБ, ЧЧ}; р(ББ) = --- ; р(БЧ) = р(ЧБ) = ------ ; р(ЧЧ) = ------ . 157. а) ------ ; б) ------ .
7 21 21 15 15
9 1
158. а) 0,3; б) 0,1. 159. 0,24. 160. 1) ------ ; б) --- . 161. а) 0,941; б) 0,019; в) 0,002;
24 8
) 0,038. 162. Если событие А означает, что у родителей темные лаза,
а событие В — у детей темные лаза, то P(B | A) d 0,388; P(B | A ) d 0,102;
1 1 14
P( B | A) d 0,612; P( B | A ) d 0,898. 163. а) ------ ; б) --- ; в) ------ . 164. а) 0,016;
15 2 15
2 7 1 7 2
б) 0,02; в) 0,036. 165. а) --- ; б) --- ; 3) ------ ; ) ------ ; д) 0,7; е) --- . 166. а) 0,63; б) 0,69;
3 9 15 15 3
63 3 1 5
в) ------ . 167. а) ------ ; б) ------ . 168. ---------- . 169. а) 0,99; б) 0,999; в) 1 – (0,1)n.
69 14 28 144
170. а) 0,972; б) d 0,9778; в) d 0,978 · (1 – (0,08)n). 171. а) Да; б) нет. 172. Да.
173. а) d 92,2%; б) 0,005%. 174. а) Нет; б) нет. 175. а) 0,32; б) 0,48; в) 0,08;
) 0,44; д) 0,92. 176. а) 0,046; б) 0,004; в) 0,874; ) 0,122; д) 0,126. 177. а) d 0;
13
б) d 1. 178. ------ . 179. 0,0345. 180. 0,78. 181. 0,0175. 182. 0,66. 185. Наимень-
30
1
шую — 2 и 12, наибольшую — 7. 186. 0,2. 187. --- . 188. 6. 189. а) 0,1; б) 0,6;
8
1 18 12 19
в) 0,7; ) 0,3. 190. а) ------ ; б) ------ ; в) ------ ; ) ------ . 191. а) Субъетивная вероят-
37 37 37 37
ность; б) лассичесая вероятность; в) статистичесая вероятность; ) субъ-
1 r+1
етивная вероятность. 192. p1 = ... = pn – 1 = ------------ ; pn = ------------ . 193. U = {Ю, А,
n+r n+r
В, И}, де бувами обозначены первые бувы имен друзей, ому по жребию
может достаться лода; а) рі = 0,25; б) р(Ю) = 0,1; р(А) = 0,2; р(В) = 0,3;
р(И) = 0,4. 194. Например, U = {T, T T, T T T, T T T T, ..., TT...T T}, де
32
Т означает, что извлечен туз, а T — не туз. 195. а) U = {1234, 1243, 1324,
1342, 1423, 1432, 2134, 2143, 2314, 2341, 2413, 2431, 3214, 3241, 3124, 3142,
3421, 3412, 4231, 4213, 4321, 4312, 4123, 4132}, де числами 1, 2, 3, 4 про-
1
нумерованы арточи; б) pi = ------ . 196. а) U = {1111, 1110, 1101, 1100, 1011,
24
1010, 1001, 1000, 0111, 0110, 0101, 0100, 0011, 0010, 0001, 0000}, де числа-
ми 0 и 1 обозначены события «поупатель не подошел прилаву» и «по-
1
упатель подошел прилаву»; б) ------ . 197. а) U = {дм, да, ам, аа, мм, ма};
16
р(дм) = 0,125; р(да) = 0,125; р(ам) = 0,25; р(аа) = 0,25; р(мм) = 0,125;
р(ма) = 0,125; б) 0,375. 198. а) U = {МД, М Д , ЖД, Ж Д }; б) p(МД) = 0,125;

p(М Д ) = 0,375; p(ЖД) = 0,00125; p(Ж Д ) = 0,49875. Здесь бувами М и Ж
обозначен пол новорожденноо — мужсой и женсий, бувой Д — но-
ворожденный страдает дальтонизмом, символом Д — не страдает дальто-
низмом; в) 0,125; 0,00125; 0,12625. 199. а) U = {1, 21, 221, 222}, де, на-
пример, символ 21 означает, что при доирывании первую партию выи-
рал второй иро, а вторую — первый; б) р(1) = 0,5; р(21) = 0,25; р(221) =
= 0,125; р(222) = 0,125; в) А = {1, 21, 221}, В = {222}, С = {21, 221, 222};
) Р(А) = 0,875; Р(В) = 0,125; Р(C) = 0,5; д) 7 : 1. Уазание: приз делится
пропорционально вероятностям выирышей ироов при доирывании.
200. а) U = {11, 1211, 2111, 222, 1212, 1222, 1221, 2112, 2122, 2121, 2211,
2212}, де, например, символ 1211 означает, что в первой, третьей и четвер-
той партиях выирал первый иро, а во второй — второй; б) р(11) = 0,25;
р(222) = 0,125; р(1211) = р(2111) = р(1212) = р(1222) = р(1212) = р(2112) =
= р(2122) = р(2121) = р(2211) = р(2212) = 0,0625; в) А = {222}, В = {11, 1211,
2111}, С = {11, 222}; ) Р(А) = 0,125; Р(В) = 0,375; Р(C) = 0,375. 201. U =
= {пппп, пппл, пплп, пплл, плпп, плпл, пллп, пллл, лппп, лппл, лплп,
лплл, лллп, ллпл, ллпп, лллл}, де, например, символ «пппл» означает,
1
что первые 3 с частица двиалась вправо, а в четвертую — влево; б) pi = ------ ;
16
в) А = {пппл, пплп, плпп, пллл, лппп, лплл, лллп, ллпл}, В = {пппл, пплп,
плпп, лппп}, С = {пплл, плпл, пллп, лппл, лплп, ллпп}; ) Р(А) = 0,5; Р(В) =
= 0,25; Р(C) = 0,375. 202. а) А + В — «попадание по райней мере при
одном выстреле», А · В — «попадание при двух выстрелах»; б) А + В —
«выпало не более двух очов», А · В = V; в) А + В — «по райней мере
один билет выирышный»; А · В — «оба билета выирышные». 203. а) B =
= A 1 · A 2 · A 3 ; б) C = A1 + A2 + A3; в) D = A1 · A2 · A3; ) E = A1 · A 2 · A 3 ;
д) F = A1 · A2 · A 3 ; е) G = A1 · A 2 · A 3 + A 1 · A2 · A 3 + A 1 · A 2 · A3; ж) H =
= A1 · A2 · A 3 + A1 · A 2 · A3 + A 1 · A2 · A3. 204. а) А1 = В1 + В2; А2 = В1 + В3;
А3 = В2 + В3 ; А4 = В1 + В2 + В3; б) В1 = А1 · А2 , В2 = А1 · A 2 , В3 = A 1 · А2 ;
В4 = A 1 · A 2 ; в) работает ровно один элемент; невозможное событие; ра-

ботают оба элемента. 205. а) 1 : 2; б) 2 : 1. 206. 1 : 1. 207. а) 1 : 1; б) 1 : 5;
в) 25 : 11. 208. 4 : 1. 209. 0,25; 0,75. 210. а) U = {ТКД, ТДК, КТД, КДТ,
ДТК, ДКТ}, де, например, символ ТКД означает, что верхняя арта — туз,
1
следующая — ороль и самая нижняя — дама; б) рі = --- ; в) 2 : 1; ) честное
6
пари в пользу этоо события залючено быть не может, та а это событие
1 1 1 1
невозможно. 211. а) U = {3, 4, 5, 6, 7}; б) р(3) = --- , р(4) = --- , р(5) = --- , р(6) = --- ,
6 6 3 6
р(7) = 1 12
--- ; в) 1 : 2; ) 2 : 1. 212. ------ . 213. 0,7. 214. 7 : 5; 215. а) 0,92; б) 0,08.
6 21
41 40
216. а) ------ ; б) ------ . 217. 10%. Уазание: воспользуйтесь тем, что вероятность
81 81
суммы событий не превышает суммы вероятностей этих событий. 218. 0,26.
7 1
219. Урну. 220. а) 0,14; б) 0,46; в) ------ . 221. а) 0,925; 0,625; б) ------ ; 0,2.
23 37
1
222. а) 0,025; б) 0,425; в) ------ . 223. а) 0,22; б) 0,4; в) 0,45. 224. 0,00624%;
17
0,00312%. 225. 3%. 226. Целесообразно изменить. 227. Двумя одновремен-
1 2
но. 228. Нет. 229. Нет. 230. II. 231. II. 232. а) --- и --- ; б) U = {11, 121, 1221,
3 3
1222, 211, 2121, 2122, 2211, 2212, 222}, де, например, символ 211 означа-
ет, что при доирывании первую партию выирал второй иро, а вторую
1 2 4 8
и третью — первый; в) р(11) = --- ; р(121) = ------ ; р(1221) = ------ ; р(1222) = ------ ;
9 27 81 81
2 4 8 4 8
р(211) = ------ ; р(2121) = ------ ; р(2122) = ------ ; р(2211) = ------ ; р(2212) = ------ ; р(222) =
27 81 81 81 81
8 2 3
= ------ ; ) 11 : 16; д) 11 : 16; е) 11 : 16. 233. а) --- и --- ; б) U = {1, 211, 2211, 222,
27 5 5
2212, 2122, 2121}, де, например, символ 211 означает, что во второй и
2
третьей партиях выирал первый иро, а в первой — второй; в) р(1) = --- ;
5
12 36 27 54
р(211) = ---------- ; р(2211) = р(2121) = ---------- ; р(222) = ---------- ; р(2212) = р(2122) = ---------- ;
125 625 125 625
) 243 : 382; д) 243 : 382. 234. d 0,574. 235. Число амеб онцу второо про-
11 4 9 4 4
межута может равняться 0, 1, 2, 3, 4 с вероятностями ------ , ------ , ------ , ------ , ------ .
32 32 32 32 32
236. Вероятности одинаовы.
Глава 3
237. а) 16; б) 12; в) 8; ) 6; д) 4; е) 2; ж) 12. 238. а) 16; б) 12; в) 10; ) 6.
239. а) 16; б) 5; в) 3. 240. а) 6; б) 12. 241. а) 20; б) 10. 242. а) 9; б) 4. 243. а) 6;
1 2
б) 12. 244. а) --- ; б) --- . 245. 6 375 600. 246. а) 256; б) 24; в) 16; ) 12.
3 3
247. 780. 248. 3612. 249. 28 125. 250. а) 3 113 510 400; б) 119 750 400.
1 1 360
251. 260. 252. а) 330; б) 350; в) 200. 253. а) -----5- ; б) -----4- ; в) ---------
4
- . 254. а) 1000;
7 7 7
б) 720; в) 280. 255. а) 1560; б) 96. 256. Тех, в записи оторых есть 1.
257. 217 945 728 000. 258. 60. 259. а) 10 720; б) 4320. 260. а) 4845;
б) 116 280; в) 77 520. 261. а) 15; б) 14; в) 13. 262. а) 378; б) 147. 263. а) 376 992;
б) 1; в) 169 911; ) 4650; д) 4806. 264. 43 758. 265. а) 84; б) 120. 266. 45.
267. а) 91; б) 55; в) 10. 268. а) 45; б) 21. 269. 56. 270. 21; 7; 455; 1225.
7 1 7 1
271. а) 210; б) 5040. 272. а) ------ ; б) ------ ; в) ------ . 273. d 0,33. 274. d 0,77. 275. ------ .
15 15 15 55
365 · 364 · ... · ( 365 – m + 1 )
276. 0,3. 277. Если m > 365, то 1; если m m 365, то -----------------------------------------------------------------------------
m
-.
365
20 m–1 m–1
278. ---------- . 279. 60. 280. 8008. 281. а) C n + m – 1 ; б) C n – 1 . 282. x6 + 6x5y +
243
+ 15x4y2 + 20x3y3 + 15x2y4 + 6xy5 + y6. 283. a100 + 100a99b + 4950a98b2.
284. 4. 285. 66. 286. 495х4y2. 287. 84х3а3. 288. а) 1,01; б) 0,88. 289. Уа-
зание: примените формулу бинома Ньютона выражению ((a + b) + 2c)4.
2 6
290. а) 27; б) 64; в) 184; ) 4; д) 9; е) 2; ж) 14; з) 7. 291. --- . 292. ------ . 293. 0,1.
3 27
294. 6; 27. 295. а) 0,3; б) 0,15. 296. а) 4; б) 24. 297. а) 6; б) 12. 298. а) 3; б) 6.
1 1 2
299. а) 6; б) 4. 300. а) --- ; б) --- ; в) --- . 301. а) 6; б) 2. 302. а) 16; б) 5. 303. а) 36;
6 3 3
б) 2. 304. а) 12; б) 4. 305. 52001 · (9 · 21000 – 5). 306. (36590 – 365 · 364 · ... ç
7 5 7 13 5
ç 276) : (365 · 364 · ... · 276). 307. а) ------ ; б) --- ; в) ------ . 308. а) ------ ; б) ------ ; в) 0,95;
18 9 18 90 24
1 32 5 32 31 31 671
) ------ . 309.  ------  . 310. а) ------ ; б) ---------- ; в) ------ . 311. ------------- . 312. а) 32 768;
15 33 63 126 63 1296
б) 6720; в) 26 048; ) 13 608; д) 3430. 313. а) 759 375; б) 37 500; в) 19 800;
) 144 000; д) 14 400; е) 68 250. 314. а) 55; б) 28; в) 1; ) 36; д) 52; е) 10.
315. а) 20; б) 288; в) 1728; ) 504; д) 5120; е) 17 856; ж) 193 536. 316. d 0,53.
Уазание: шесть онцов травино можно попарно связать между собой 15 раз-
личными способами. Та а верхние и нижние онцы независимо можно
связать 15 различными способами, то общее число равновозможных исходов
опыта равно 15 · 15 = 225. Для тоо чтобы получилось ольцо, нижний онец
первой травини должен быть связан с нижним онцом третьей, четвертой,
пятой или шестой травини, т. е. имеем четыре возможности. Если, напри-
мер, нижний онец первой травини связан с онцом третьей, то нижний о-
нец второй травини надо связать с онцом или пятой или шестой травини,
т. е. имеем две возможности. После этоо останется связать еще два не связан-
ных онца. 317. 502. 318. а) d 0,0000000736; б) d 0,000969; в) d 0,000986;
) d 0,436. 319. а) d 0,0274; б) 0,957. 320. а) 0,00000154; б) 0,0000123;
7 1
в) 0,00001; ) 0,00144. 321. а) ---------- ; б) ------ . 322. а) 15 или 16; б) 6 или 10;
750 75
1 12!
в) < 8; ) ------------------ . 323. -------------------- . 324. а) d 0,152; б) d 0,176. 325. а) 0,000001;
45 045 6 ·2 12 6
б) 0,06048. 326. 1 и 10. 327. 924. 328. 5. 329. 8. 330. 124. 331. Седьмой член,
равный 120. 332. Пятый член, равный 56х4. 334. Уазание: данное неравен-
1 n 1 n
ство равносильно неравенству  1 + ---  < n. Доажите, что  1 + ---  < 3.
n n
Глава 4
1 2 3 4
335. а) б) 0,8; 0,6; 0,8. 336. а) 0,5; 0,575; 0,925;
0,2 0,4 0,1 0,3
0 1 4 0,25 2,25 0 1 2
б) 337. а)
0,5 0,1 0,4 0,525 0,475 0,25 0,5 0,25
2 3 4 5 6 7 8 9 10 11 12
б) 1 1 1 1 5 1 5 1 1 1 1
------ ------ ------ --- ------ --- ------ --- ------ ------ ------
36 18 12 9 36 6 36 9 12 18 36
1 4 9 16 25 36
1 1 1 1 1 1
в) --- --- --- --- --- ---
6 6 6 6 6 6
–5 –4 –3 –2 –1 0 1 2 3 4 5
) 1 1 1 1 5 1 5 1 1 1 1
------ ------ ------ --- ------ --- ------ --- ------ ------ ------
36 18 12 9 36 6 36 9 12 18 36
0 1
0 1 2 0 1 2
338. 5 1 339. 340. а)
--- --- 0,09 0,42 0,49 0,6 0,3 0,1
6 6
–1,5 –0,5 1,5

0 1 2 3 4
б) 341. а) 1 1 1
0,36 0,36 0,21 0,06 0,01 ---
3
---
3
---
3
–3 –2 –1 0 1 3 0 a 0 a 2a 3a
б) 1 2 1 2 2 1 342. а) 1 2 б) 1 4 2 2
--- --- --- --- --- --- --- --- --- --- --- ---
9 9 9 9 9 9 3 3 9 9 9 9
343. 0,95. 344. а) р; б) 1 – р. 345. а) 24; б) 0,4. 346. 75 000 р. 347. 0,6 р.
14a
348. 1,248. 349. 1,75. 350. а) 1; б) 1,4; в) 0,5; ) ---------- . 351. 0,65. 352. а) 3;
9
б) 3. 353. 1) 2,7; б) 1,1; в) 27; ) 0. 354. 2,8. 355. 1) np; б) p1 + p2 + ... + pn.
356. а. 357. а) 1,5; б) 15. 358. а) Второй; б) 31 р.; в) 15,8 р. 359. Первый.
3
361. а) d 0,774; б) d 0,0214. 362. ------ . 363. d 0,279. 364. а) d 0,25; б) d 0,5.
16
0 1 2 3 4
365.
0,0016 0,0256 0,1536 0,4096 0,4096
0 1 2 3 4 5
366.
10–5 4,5 · 10–4 8,1 · 10–3 7,29 · 10–2 d 3,28 · 10–1 d 5,9 · 10–1
xk 0 1 2 3 4 5
367. pk 0,03125 0,15625 0,3125 0,3125 0,15625 0,03125
νk 0,03663 0,1526 0,3382 0,2735 0,1661 0,03297
368. а) 0,0183; б) 0,0733; в) 0,147; ) 0,195; д) 0,238. 369. 1,4. 370. 11,04.
371. 275. 372. MX = MY = 2; DX = 1,2; DY = 1,5. Предпочтение нужно
отдать первому стану. Ео продуция «стабильнее». 373. Наибольшую
среднюю прибыль может принести третий проет, наиболее надежный —
первый. 374. а) 1129; 33,6; б) 0,9; в) 0,9. 375. Уровень риса харатеризу-
ется средним вадратичным отлонением, равным 43 300 000 р. 376. 18,6;
5,0. 378. а) 11; б) 6; в) a2 + 2b2. 379. 150 В. 380. а) 13,01; б) 13,01; в) – 0,07;
–2 –1 0 1 2
) 381. p1 + p2; p1(1 – p1) + p2(1 – p2).
0,15 0,14 0,46 0,13 0,12
383. 100. 384. 2; 1,996. 385. 80; 16; 4. 386. 2. 387. 100; 0,1. 388. 30. 389. а) р;
p(1 – p)
б) --------------------- . 390. а) Биномиальное, с параметрами 10 и 0,86; б) 8,6; в) d 1,1.
n
391. а) 300 и 0,53; б) 159; 8,64; в) 0,833. 392. а) d 0,570; б) d 0,967; в) d 0,994.
27 63 8
393. а) ------ ; б) ------ ; в) 1. 394. l 3,17; l 10. 395. а) l --- ; б) m 0,25; в) k l 10.
32 64 9
1
396. 5556. 397. а) 1; 0,99; б) m 0,0099. 398. l 0,76. 399. l 1 – -----2- ; при 0 m h m
h
1
m 1. 400. Нет оснований отверать предположение. 401. а) m ---------- ; б) m 0,02.
800
16 8
402. а) m ------ ; l --- ; б) l 20. 403. а) 0 и 2с2р; 2) σ l с. 405. 1) l 10 000;
25 9
б) l 250 000. 406. l 0,986. 407. l 4267. 408. l 87. 409. Применима.
410. а) 0,5; б) 0,203; в) 0,006; ) 0,0475; д) 0. 411. d 84%. 412. а) 0,3632;
б) 0,3446; в) 0,2005; ) 0,102; д) 0,9554. 413. Вероятность тоо, что случай-
ная величина, имеющая стандартное нормальное распределение, отлоня-
ется от своео среднео значения больше, чем на три средних вадратич-
ных отлонения, равна 0,0017, т. е. это событие пратичеси невозмож-
но. 414. 0,9545. 415. 4,4%. 416. а) 0,1148 и 0,1052; б) 0,0398 и 0,0668.
1 2 3 4
417. 3,645 · 10–7 и 0,0072. 418. а) б) 0,16.
0,6 0,24 0,096 0,064
2 3 4 5 6 7 8
1 2 3
419. 420. а) 1 1 3 1 3 1 1
0,7 0,21 0,09 ------ --- ------ --- ------ --- ------
16 8 16 4 16 8 16
–3 –2 –1 0 1 2 3 1 2 3 4 1 2 3 4
б) 1 1 3 1 3 1 1 в) 1 3 5 7 ) 7 5 3 1
------ --- ------ --- ------ --- ------ ------ ------ ------ ------ ------ ------ ------ ------
16 8 16 4 16 8 16 16 16 16 16 16 16 16 16
0 1 2 0 1 2 3 –3 –1 1 3
421. 1 1 1 422. а) 1 3 3 1 ; рис. 86; б) 1 3 3 1 ;
--- --- --- --- --- --- --- --- --- --- ---
3 2 6 8 8 8 8 8 8 8 8
0 1 2
1 2 3 4 5 6
рис. 87. 423. а) б) 0,55. 424. 2 10 9
0,05 0,4 0,1 0,25 0,05 0,15 ------ ------ ------
21 21 21
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
425. а) 6 6 12 18 24 24 30 24 24 19 13 7 7 1 1
---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ---------- ----------
216 216 216 216 216 216 216 216 216 216 216 216 216 216 216
3 4 5 6 1 2 3 4
б) 6 24 61 125
в) 125 6 24 61
---------- ---------- ---------- ---------- ---------- ---------- ---------- ----------
216 216 216 216 216 216 216 216
2 3 4 5 6 7 8 9 10 0 1 2
426. 427. 5 15 3
0,04 0,08 0,12 0,16 0,2 0,16 0,12 0,08 0,04 ------ ------ ------
14 28 28
428. 10 р. 429. d 1,4. 430. Нито из ироов не имеет преимущества.

1
431. 6 ------ . 432. а) d 12,16 денежных единиц; б) d 5,47 денежных единиц;
12
в) d 1,57 денежных единиц. 433. 3 или 4. 434. –1,65 р. 435. 1. 436. 0,4; 0,1;
0,5. 437. > 50 р. 438. 10 120 р. 439. «5 из 36». Уазание: вычислите мате-
матичесие ожидания выирышей для обеих ир. 440. 7. Уазание: Хі —
число очов, выпавших при бросании і-о убиа, і = 1, 2; Х — сумма
очов; Х = Х1 + Х2. 441. 1,3. См. уазание задаче 440. 442. d 731 р.
443. 13 250 р. 444. а) Первая; б) 18,2; в) 5,45. 445. d 1,7. 446. 1) 0,1;
б) 10. 447. 0,3. 448. 16 р. Уазание: обозначьте через Хі случайную ве-
личину, равную стоимости і-й вынутой монеты, і = 1, 2, 3. Тода сумма
Х1 + Х2 + Х3 равна общей стоимости вынутых монет. 449. а) 0,00000396;
б) 0,9994; в) 0,0395. 450. а) 0,2646; б) 0,7599; в) 0,2401. 451. Три из
четырех. 452. 0,384. 453. а) 0,3125; б) 0,8125; в) 0,96875. 454. d 0,867.
0 1 2 3 0 1 2 3
455. 456. а)
0,001 0,027 0,243 0,729 0,729 0,243 0,027 0,001
0 1 2 3
б) 0,028. 457. 1 6 12 8 458. а) Стоимость ценных бума
------ ------ ------ ------
27 27 27 27
падает независимо дру от друа; б) d 0,035; в) d 0,103; ) d 0,398.

m n n–m
n m C m (n – m)
459. 0,2. 461. Не менее двух. 462. d 0,206. 463. ----- ; -----------------------------------------------
n
- . 464. m;
n n
k
 1000 
m 1  -------------
365 
1000
– -------------
m-----  · ------- . 465. d ------------------------ e 365 ; 0,065; 0,177; 0,242; 0,221. 466. DX < DY.
 e m! k!
467. 3,3; 2,31. 468. 10 000; 1; 1. 469. 0,6; 0,24. 470. а) 5 и 2,5; б) 0 и 2,5;
25 55 15 55
в) ------ и ------ ; ) ------ и ------ . 471. а) 2,5; 1,11; б) 2,4; d 1,37. Уазание: если
8 64 8 64
i 5–i
18 18 C ·C
Х — число расных арт среди пяти выбранных, то P(X = i) = ---------------------------
5
,
C 36
n+1 n2–1
i = 0, 1, 2, 3, 4, 5. 472. d 4,59; d 3,07; d 1,75. 473. ------------- ; ---------------- . Уазание:
2 12
n ( n + 1 ) ( 2n + 1 )
воспользуйтесь формулой 12 + 22 + 32 + ... + n2 = --------------------------------------------- .
6
1 2 3 4 5 6
161 2555 51
474. а) ; ---------- ; ------------- ; d ------ .
1 3 5 7 9 11 36 1296 36
------ ------ ------ ------ ------ ------
36 36 36 36 36 36
1 2 3 4 5 6
91 2555 51
б) 11 9 7 5 3 1 ; ------ ; ------------- ; d ------ . 476. а) 10,5; 10,5;
------ ------ ------ ------ ------ ------ 36 1296 36
36 36 36 36 36 36
35 25
8,75; 18,75. б) Вторым. 477. ------ ; 0,69; ------ ; 10. 478. 4. 479. 810. 480. а) 0,5;
6 18
б) 0,45; в) d 0,67. 481. 2,5. 482. 0,63. 483. 0,7 или 0,3. 484. 40,96. 485. а) 12;
б) d 1,55. 486. l 7. 487. l 0,56. 488. l 0,525. 489. а) l 0,64; б) m 0,36.
1
490. а) m ------------- ; б) m 0,125. 491. l 2000. Уазание: используйте неравенство
1800
1
Чебышева и неравенство p(1 – p) m --- . 492. l 0,75. См. уазание задаче
4
m 391
491. 493. p – ----- m 0,22. См. уазание задаче 491. 494. l ---------- . 495. l 0,91.
n 392
496. а) 1 мм; б) 3 мм. 497. 3920. 498. 89%. 499. а) l 0,976; б) l 0,934.
d–a
500. Применима. 501. 1,68. 502. 2P  Z < ---  – 2P  Z < ---  . 503. 2P  Z < -------------  –
d c
σ σ σ
c–a
– 2P  Z < ------------  . 504. P  Z < ---  – P  Z < ---  .
d c
σ σ σ
Глава 5
506. E, A, G. 507. R, B, M, Q. 508. Учащиеся с номерами: 48, 40, 38, 63,
79, 61. 510. Например, абзацы с номерами: 23, 43, 45, 50, 58, 62, 63, 72,
79, 91. 511. а) 0,999; б) 0,942. 512. а) l 0,975; б) нет содержательных
оцено; в) l 0,375; ) нет содержательных оцено. 513. а) l 313; б) l 1250;
nM
в) l 79. 514. 0,065. 515. ---------- . 516. l 0,75. 517. Таим поазателем мо-
m
8
жет быть стандартная ошиба, равная 1,8%. 518. а) l --- ; б) l 50 000.
9
519. а) l 0,6875; б) l 14 706. 520. (47,4; 57,4). 521. (0,2; 0,6). 522. (0,7; 0,9).
1 11
523. 100. 524.  ------; ------  . 525. 0,91. 526. а) (0,52; 0,73); б) (0,58; 0,67).
30 30
527. (318; 328). 528. а) Генеральная совоупность — потенциальные поу-
патели товара, выбора — отобранные 100 челове; б) нулевая ипотеза —
число поупателей товара не изменится после просмотра реламы; аль-
тернативная — это число поупателей изменится; в) например, если из
100 челове, посмотревших реламу, 80 упят реламируемый товар, то
нулевую ипотезу отверают; ) ошиба первоо рода — из числа посмот-
ревших реламу большая доля упит реламируемый товар (нулевая
ипотеза отверается), а общее число поупателей этоо товара не измени-
лось (нулевая ипотеза верна); ошиба второо рода — из числа посмотрев-
ших реламу небольшая доля упит реламируемый товар (нулевая ипо-
теза не отверается), а общее число поупателей этоо товара существенно
изменилось (нулевая ипотеза неверна);
д) Истинное положение
Принятое
решение Число по пателей Число по пателей
не изменилось изменилось
Число Правильное решение Ошиба второо рода
поупателей Принято решение
не изменилось о неэффетивности
реламы
Число Ошиба первоо рода Правильное решение
поупателей Принято решение
изменилось об эффетивности
реламы — она будет
повсеместно вводиться,
но не оправдает надежд
531. а) 0,043; б) нулевая ипотеза отверается; в) 0,043; ) 0,043. 532. а) 0,023;

б) нулевая ипотеза отверается; в) 0,023; ) 0,023. 533. Нулевая ипотеза —
среднее оличество древесины в одном дереве на друом участе леса равно
1,3 м3 — на уровне значимости 0,05 отверается. 534. Нулевая ипотеза —
среднее отлонение диаметров валиов от номинала равно 10 м — на
уровне значимости 0,05 отверается. Переналада стана дала отрицатель-
ный эффет: отлонение увеличилось после переналади. 535. Нулевая
ипотеза — средняя чувствительность радиоприемниа равна 300 мВ —
на уровне значимости 0,05 не отверается. Нельзя утверждать, что усо-
вершенствование технолоии оазалось эффетивным. 536. а) (805; 843);
б) 800; в) Н0 — истинная масса бухани хлеба равна 800 ; Н1 — истинная
масса бухани хлеба не равна 800 ; ) ипотеза Н0 на уровне значимости 0,05
отверается; д) масса бухани хлеба в отобранной выборе значимо отлича-
ется от 800 , а в целом она близа 800 (ошиба первоо рода); масса бу-
хани хлеба в отобранной выборе близа 800 , а в целом она значимо от-
личается от 800 (ошиба второо рода). 537. а) 600; б) нулевая ипотеза —
потенциальные поупатели отовы в среднем платить за изделие 600 р. —
на уровне значимости 0,05 отверается; в) нулевая ипотеза — потенциаль-
ные поупатели отовы в среднем платить за изделие 600 р. — на уровне
значимости 0,01 отверается; ) ввиду тоо, что выборочное исследование
привело результату, значительно меньшему, чем 600 р.; д) нулевая ипо-
теза для односторонней провери тоо, что поупатели отовы платить
меньше 600 р., утверждает, что поупатели отовы в среднем платить не
менее 600 р., Н0: а l 600; альтернативная ипотеза для провери этой и-
потезы утверждает, что поупатели отовы в среднем платить менее 600 р.,
Н1: а < 600; е) нулевая ипотеза на уровне значимости 0,05 при односто-
ронней провере не отверается: выборочное среднее 545 не является зна-
чимо меньшим, чем заданное значение 600. 538. Нет. 539. Нет. 540. Нет.
n
541. Нет. 542. Нет. 543. а) Нет; б) нет; в) нет. 545. ). 546. C N . 547. Нет.
548. а) 39,8%; б) выбора может оазаться нерепрезентативной; за три не-

дели моли измениться намерения избирателей блаодаря проведенной
реламной ампании. 549. а) l 0,9; б) l 5209. 550. а) l 0,48; б) l 7.
551. Примерно на 5%. 552. а) l 0,77; б) l 105. 553. (1; 9). 554. (0,7; 0,17).
555. (4,8; 6,0). 556. а) l 0,65; б) (11,4; 12,2); в) l 138. 557. а) d 29%;
б) d 0,015; в) (0,14; 0,26); ) (0,175; 0,225); (0,17; 0,23). 558. а) Требование
выполняется; б) (0,25; 0,31). 559. а) 0,0645; б) нулевая ипотеза не отвер-
ается; в) 0,0645; ) 0,0645. 560. а) 0,028; б) ипотеза о правильности у-
биа отверается; в) 0,028; ) 0,028. 561. а) Средние частоты употребле-
ния предлоа «on» в спорных статьях и в статьях Гамильтона совпадают.
563. а) Средние частоты различных слов в рассазе «Шаать немедленно»
и в романе «Тихий Дон» совпадают. 564. Нулевая ипотеза — средняя
оцена влияния передачи аций на ачество продуции равна 0 — на уров-
не значимости 0,05 отверается. 565. Незначимо. 566. а) Уложился; б) Н0:
а l 125, Н1: а < 125; в) нулевая ипотеза Н0: а l 125 при двусторонней
провере отверается. 567. Нет данных, оторые противоречили бы тому,
что автором спорных статей является Медисон. 568. Нет данных, оторые
противоречили бы тому, что автором спорных статей является Медисон.
569. Нет данных, оторые противоречили бы тому, что автором «Тихоо
Дона» является М. А. Шолохов. 570. а) На 51%; 0,013; б) ипотеза о том,
что уровень баа остается на том же уровне, не отверается; в) (–0,002; 0,05);
15
) нет. 571. Нет. 572. а) Гипотезе Н0; б) 0,002. 573. ------ .
28
Приложение
Основные понятия, фаты, формлы

Описательная статисти а
Число случаев пі, в оторых встречается значение хі, называют часто-
той значения хі.
Сумму п = п1 + п2 + ... + пk , де k — число различных значений, ото-

рые принимает исследуемая величина, называют объемом сово пности
данных.
Относительной частотой νі значения хі называют отношение часто-

n
ты пі этоо значения объему п совоупности данных: νi = -----i .
n
На опленной частотой интервала называют число значений, ото-

рые попали в этот интервал и все предшествующие.
На опленной относительной частотой интервала называют отноше-

ние наопленной частоты этоо интервала объему совоупности данных.
Отношение частоты пi интервала ширине hi этоо интервала называ-

n
ют абсолютной плотностью распределения для і-о интервала: pi = -----i .
hi
Относительной плотностью распределения πi для і-о интервала на-

ν
зывают отношение относительной частоты интервала ео ширине: πi = -----i .
hi
n
Среднее арифметичес ое п значений х1, х2, ..., хп: x = --1- ∑ xi.
n
i=1
522 Приложение
Среднее арифметичес ое дисретноо вариационноо ряда
х1 x2 … xm m n
n1 n2 … nm
:x = ∑ xi -----i .
n
i=1
Среднее арифметичес ое по данным интервальноо вариационноо

ряда вычисляют по той же формуле, но за значение хі берут середину і-о
интервала.
Медиана совоупности — это таое значение признаа, оторое делит

всю совоупность пополам.
Медиана дисретноо вариационноо ряда x 1 , x 2 , ..., x n , xn + 1,

n значений
x n + 2 , ..., x 2 n + 1 , варианты отороо размещены в поряде возрастания
n значений
их значений и объем нечетный, равна Ме = хп + 1.
Медиана дисретноо вариационноо ряда x 1 , x 2 , ..., x n ,

n значений
x n + 1 , ..., x 2 n , варианты отороо размещены в поряде возрастания их
n значений
n n+1 x +x
значений и объем четный, равна Me = --------------------------
-.
2
Медиана интервальноо упорядоченноо вариационноо ряда равна

n
--- – S Me – 1
2
Me = xn + --------------------------- h, де хп — начало медианноо интервала, т. е. интервала,
n Me
в отором находится медиана; h — ширина медианноо интервала; пМе —
частота медианноо интервала; SМе – 1 — сумма частот интервалов, пред-
шествующих медианному; п — объем совоупности.
Мода — это таое значение признаа, оторое наиболее часто встре-

чается.
Мода интервальноо вариационноо ряда с равными интервалами вы-

2 n –n1
числяется по формуле Mo = x0 + h -----------------------------------------------------
- , де х0 — начальное
( n 2 – n 1 ) + ( n2 – n3 )
значение модальноо интервала, т. е. интервала, оторый содержит моду;
h — длина модальноо интервала; n2 — частота модальноо интервала; n1 —
частота интервала, предшествующео модальному; n3 — частота интерва-
ла, следующео за модальным.
Приложение 523
Среднее армоничес ое значений х1, х2, ..., хп определяется формулой

n
x
арм = ---------------
n
-.
1
∑ ----x-
i=1
i
Среднее армоничес ое дисретноо вариационноо ряда

m
х1 x2 … xm i=1
∑n i
: x
арм = ---------------
m
-.
ni
… nm
n1 n2
∑ ----x-
i=1
i
Среднее еометричес ое значений х1, х2, ..., хп определяется по фор-

n1 n2 nm
мулам: x
еом = n x 1 · x 2 · ... · x n или x
еом = n x 1 · x 2 · ... · x m .
Размах совоупности — это разность между масимальным и мини-

мальным значениями в совоупности.
Дисперсия статистичесой совоупности определяется по формулам:

n m
s x = --1- 1
2 2
n ∑ ( xi – x )2 или s x = ---
n ∑ ( xi – x )2ni.
i=1 i=1
Среднее вадратичное, или стандартное, от лонение:

n m
1 1
sx = ---
n ∑ (xi – x)2 или sx = ---
n ∑ ( x i – x ) 2 ni .
i=1 i=1
Дисперсия статистичесой совоупности может быть вычислена по

2
формуле s x = x 2 – x 2 .
Коэффициент вариации V определяется по формулам:

s s
V = ---- или V = ---- · 100%.
x x
Пусть 0 < р < 1 и статистичесие данные размещены по возрастанию:

x1 m x2 m ... m xn. Если пр не является целым числом, то вантилем zp
ровня р называют варианту xk + 1, де k = [np]. Если пр является целым
числом, то вантиль zp считают равным полусумме вариант xпр и xпр + 1.
Квантиль zp ровня р для интервальноо вариационноо ряда вычис-

np – S z –1
ляют по формуле zp = x z + ----------------------------
p
h, де x z — нижняя раница интер-
p nz p
p
вала, содержащео вантиль zp; S z –1 — частота, наопленная интерва-

p
лу, содержащему вантиль zp; n z — частота интервала, содержащео

p
вантиль zp; h — ширина интервала, содержащео вантиль zp.
Слчайные события
Классичесое определение вероятности
Если эсперимент может привести любому из N различных равно-

возможных исходов и если в точности N(A) из этих исходов соответствуют
N(A)
событию А, то вероятность события А равна P(A) = -------------- .
N
Вероятностная модель сл чайно!о опыта
Пусть U = {и1, ..., иN} — произвольное онечное множество. Будем на-

зывать ео пространством элементарных исходов (ПЭИ) случайноо
опыта, а ео элементы и1, ..., иN — исходами этоо опыта. Произвольное под-
множество (часть) ПЭИ будем называть слчайным событием (или ороче,
событием). Каждому элементарному исходу ui из ПЭИ U = {и1, и2, ..., иN}
поставим в соответствие неоторое число pi, оторое удовлетворяет условиям:
1) 0 < pi < 1 для всех i = l, 2, ..., N; 2) p1 + p2 + ... + pN = 1.
Числа pi называют элементарными вероятностями, или вероятнос-
тями элементарных исходов ui.
Вероятностью события А называют сумму вероятностей исходов, со-
ставляющих это событие: P(A) = ∑ pi.

i: u i Ý A
Вероятность сммы двх событий:

P(A + B) = P(A) + P(B) – P(AB).
Вероятность сммы двх несовместных событий:

Р(А + В) = Р(А) + Р(В).
Вероятность сммы m попарно несовместных событий:

P(A1 + A2 + ... + Am) = P(Al) + P(A2) + ... + P(Am).
Вероятность сммы трех событий:

Р(А + В + С) = Р(А) + Р(В) + Р(С) – Р(АВ) – Р(АС) – Р(ВС) + Р(АВС).
Условная вероятность события А при словии В:
P ( AB )
P(A | B) = ------------------ .
P(B)
Теорема множения вероятностей:

Если P(B) > 0, Р(A) > 0, то P(AB) = P(A) P(B | A) = P(B) P(A | B).
Теорема множения вероятностей для п событий:

Р(А1А2А3 ... Ап) = Р(А1) Р(А2 | A1) P(A3 | A1A2) ... P(An | A1A2 ... An – 1).
События A и В независимы тода и тольо тода, ода P(AB) =

= P(A) P(B).
Слчайные события А1, A2, A3 независимы в сово пности, если

они попарно независимы и
Р(А1А2А3) = P(A1) P(A2) P(A3).
Слчайные события А1, А2 А3, А4 независимы в сово пности, ес-

ли независимы в совоупности любые три из них и
Р(А1А2А3А4) = Р(А1) Р(А2) Р(A3) P(А4).
Система событий H1, H2, ..., Hn называется полной рппой несов-

местных событий, если:
1) H1 + H2 + ... + Hn = U; 2) HiHk = V, i − k.
Формла полной вероятности:

Р(A) = Р(H1) Р(A | H1) + Р(H2) Р(A | H2) + ... + Р(Hп) Р(A | Hп),
де H1, H2, ..., Hn — полная руппа несовместных событий.
Элементы омбинатори и
Комбинаторное правило множения:
Если объет А можно выбрать m способами и если после аждоо таоо
выбора объет В можно выбрать n способами, то выбор пары (А, В) в уа-
занном поряде можно осуществить m · n способами.
Обобщенное омбинаторное правило множения:

Если объет А1 может быть выбран n1 различными способами, А2 —
n2 различными способами и т. д., Аk – nk различными способами, то k объ-
етов А1, А2, ..., Аk в уазанном поряде можно выбрать n1 · n2 · ... · nk
способами.
Комбинаторное правило сложения:

Если неоторый объет А можно выбрать m способами, а друой объет
В можно выбрать n способами, причем ни один из способов выбора А не
совпадает с аим-нибудь способом выбора В, то выбор «либо А, либо В»
можно осуществить m + n способами.
Общее омбинаторное правило сложения:
Если объет А можно выбрать m способами, а объет В – n способами,
причем при k способах одновременно выбираются и А и В, то выбор «А или В»
можно осуществить m + n – k способами.
Основные омбинаторные схемы
Число порядоченных выборо с возвращением из п элементов по r

r
(размещений с повторениями из п элементов по r) равно A n = nr.
Число порядоченных выборо без возвращения из п элементов по r

r
(размещений из п элементов по r) равно A n = n(n – 1)(n – 2) ... (n – r + 1).
Число всех различных перестаново из п элементов вычисляют по

формуле Pn = 1 · 2 · 3 · ... · n = n!
Число перестаново , оторые можно образовать из п элементов, сре-

ди оторых п1 элементов 1-о типа, п2 — 2-о типа, ... , пk — k-о типа
n!
(перестаново с повторениями), равно Pn(n1, n2, ..., nk) = ------------------------------------ .
n 1 !n 2 ! ... n k !
Число непорядоченных выборо без возвращения из п элементов

по r (сочетаний из п элементов по r) равно
r n ( n – 1 ) ( n – 2 ) ... ( n – r + 1 ) r n!
C n = ------------------------------------------------------------------------------ , или C n = ------------------------ .
r! r! ( n – r )!
Число непорядоченных выборо с возвращением из п элементов

по r (сочетаний с повторениями из п элементов по r) равно
r n–1 r
fn = C n + r – 1 = C n + r – 1 .
Форм ла бинома Ньютона:

1 2 n–1
(a + b)n = an + C n an – 1b + C n an – 2b2 + ... + C n a1bn – 1 + bn,
n
k
или (a + b)n = ∑ C n a n – kb k .
k=0
k
Коэффициенты C n в этой формуле называют биномиальными оэф-
фициентами.
Слчайные величины
Слчайной величиной называют числовую фунцию, определенную
на пространстве элементарных исходов.
За оном распределения дис ретной слчайной величины Х называ-

ют числовую фунцию, оторая аждому значению х случайной величины
Х ставит в соответствие вероятность Р(X = х):
Значения х x1 x2 ... xn
Вероятности p p1 p2 ... pn
Сумму произведений значений случайной величины на соответствую-

щие вероятности называют математичес им ожиданием (или средним
значением) слчайной величины X:
n
MX = х1р1 + х2р2 + ... + хnрn, или MX = ∑ xipi.
i=1
При достаточно большом числе наблюдений математичес ое ожида-

ние слчайной величины приближенно равно выборочном среднем
наблюдаемых значений этой величины: x d MX.
Случайные величины Х и Y называют независимыми, если для любых

х и у выполняется равенство P((X = x) · (Y = у)) = P(X = x) · P(Y = у).
Дисперсия слчайной величины Х определяется равенством
DX = M(X – MX)2.
Среднее абсолютное от лонение слчайной величины Х:

М|Х – MX|.
Среднее вадратичное от лонение слчайной величины Х:
σ(X) = DX .
При достаточно большом числе наблюдений дисперсия слчайной ве-

личины приближенно равна выборочной дисперсии наблюдаемых значе-
ний этой величины: DX d s2.
Формла Бернлли
Вероятность тоо, что в п испытаниях Бернулли произойдет ровно т
m
«успехов», равна Рn(m) = C n pm(1 – p)n – m, m = 0, 1, 2, ..., п, р — вероят-
ность «успеха» в аждом испытании.
Случайная величина — число «успехов» в п испытаниях Бернулли –

имеет биномиальное распределение с параметрами п и р.
За он биномиальноо распределения с параметрами п и р имеет вид:
m
Р(X = m) = C n pm(1 – p)n – m, m = 0, 1, 2, ..., п.
Если значения n велии, а р малы, то имеет место та называемая при-

λ m
ближенная формла Пассона: Pn(m) d ------- e–λ, де λ d nр, е d 2,72.
m!
Числовые хара теристи и биномиальноо распределения

Если случайная величина X имеет биномиальное распределение с пара-
метрами n и р, то МХ = nр; DX = np(1 – p).
Неравенство Чебышёва
При произвольном положительном ε для любой случайной величины Х
DX
выполняется неравенство P(|X – MX| > ε) m ---------
2
-.
ε
8
Правило трех сим: P(|X – a| m 3σ) l --- .
9
Заон больших чисел
Теорема Чебышёва. Если случайные величины Х1, ..., Хп независимы

и имеют одно и то же математичесое ожидание а и одну и ту же диспер-
сию, то их среднее арифметичесое при достаточно большом п с вероятно-
стью а уодно близой 1, будет а уодно мало отличаться от а.
Теорема Бернлли. Пусть событие А наступает k раз в п независимых
испытаниях, р — вероятность наступления этоо события в аждом испы-
 k 
тании. Тода для любоо ε > 0 P  --- – p m ε  º 1 при n º ×.
 n 
Элементы математичес ой статисти и

Выбор ой объема п из не отороо распределения называют совоуп-
ность взаимно независимых случайных величин Х1, Х2, ..., Хп, аждая из
оторых имеет это распределение.
Оценочной фн цией для параметра называют произвольную фун-
цию от элементов выбори. Ее значение от реализации выбори называют
оцен ой параметра.
Оценочную фунцию неотороо параметра енеральной совоупности
называют несмещенной, если ее математичесое ожидание равно этому
параметру. В противном случае ее называют смещенной.
1 X + X + ... + X
2 n
Выборочное среднее X = ------------------------------------------------
- является несмещенной оценоч-
n
ной фунцией математичесоо ожидания енеральной совоупности а.
Относительная частота события является несмещенной оценочной фун-

цией вероятности этоо события.
Оценочную фунцию неотороо параметра енеральной совоупности

называют состоятельной, если с вероятностью, соль уодно близой 1,
при достаточно большом п разность между ней и параметром по модулю
можно сделать меньше любоо наперед заданноо положительноо числа ε.
Оценочную фунцию, не обладающую этим свойством, называют несостоя-
тельной.
Выборочное среднее является состоятельной оценочной фунцией ма-

тематичесоо ожидания.
Относительная частота события является состоятельной оценочной

фунцией вероятности этоо события.
 h h 
Интервал  p – ----------- ; p + -----------  является доверительным интер-
 2 n 2 n 
валом для вероятности р неотороо события с доверительной веро-
1 h
ятностью 1 – -----2- . Число ----------- называют точностью оцен и p, а число
h 2 n
1 h h
1 – -----2- — надежностью этой оцен и, число 2 · ----------- = ------- — длиной дове-
h 2 n n
рительноо интервала ( p — относительная частота события).
Схема провер и статистичес их ипотез

1. Формулируют нулевую ипотезу.
2. Получают фатичесие данные о событиях, относительно оторых
была сформулирована нулевая ипотеза.
3. Определяют вероятность тоо, что полученный результат мо быть
получен при условии, что нулевая ипотеза верна.
4. Если вероятность получения данноо результата при условии, что
нулевая ипотеза верна, мала, нулевую ипотезу отверают на уровне зна-
чимости, равном этой вероятности.
5. Признают, что и в том случае, ода отверают и ода не отверают
нулевую ипотезу, возможен определенный рис.
Если отверается нулевая ипотеза в случае, ода она верна, то ово-
рят, что совершается ошиб а первоо рода.
Если же нулевая ипотеза не отвернута в то время, ода она неверна,
то совершается ошиб а второо рода.
Таблица П.1
Вероятности для стандартноо

нормальноо распределения
z P z P z P z P z P z P
–2,00 0,0228 –1,00 0,1587 –0,00 0,5000 0,00 0,5000 1,00 0,8413 2,00 0,9772
–2,01 0,0222 –1,01 0,1562 –0,01 0,4960 0,01 0,5040 1,01 0,8438 2,01 0,9778
–2,02 0,0217 –1,02 0,1539 –0,02 0,4920 0,02 0,5080 1,02 0,8461 2,02 0,9783
–2,03 0,0212 –1,03 0,1515 –0,03 0,4880 0,03 0,5120 1,03 0,8485 2.03 0,9788
–2,04 0,0207 –1,04 0,1492 –0,04 0,4840 0,04 0,5160 1,04 0,8508 2,04 0,9793
–2,05 0,0202 –1,05 0,1469 –0,05 0,4801 0,05 0,5199 1,05 0,8531 2,05 0,9798
–2,06 0,0197 –1,06 0,1446 –0,06 0,4761 0,06 0,5239 1,06 0,8554 2,06 0,9803
–2,07 0,0192 –1,07 0,1423 –0,07 0,4721 0,07 0,5279 1,07 0,8577 2,07 0,9808
–2,08 0,0188 –1,08 0,1401 –0,08 0,4681 0,08 0,5319 1,08 0,8599 2,08 0,9812
–2,09 0,0183 –1,09 0,1379 –0,09 0,4641 0.09 0,5359 1,09 0,8621 2,09 0,9817
–2,10 0,0179 –1,10 0,1357 –0,10 0,4602 0,10 0,5398 1,10 0,8643 2,10 0,9821
–2,11 0,0174 –1,11 0,1335 –0,11 0,4562 0,11 0,5438 1,11 0,8665 2,11 0,9826
–2,12 0,0170 –1,12 0,1314 –0,12 0,4522 0,12 0,5478 1,12 0,8686 2,12 0,9830
–2,13 0,0166 –1,13 0,1292 –0,13 0,4483 0,13 0,5517 1,13 0,8708 2,13 0,9834
–,2,14 0,0162 –1,14 0,1271 –0,14 0,4443 0,14 0,5557 1,14 0,8729 2,14 0,9838
–2,15 0,0158 –1,15 0,1251 –0,15 0,4404 0,15 0,5596 1,15 0,8749 2,15 0,9842
–2,16 0,0154 –1,16 0,1230 –0,16 0,4364 0,16 0,5636 1,16 0,8770 2,16 0,9846
–2,17 0,0150 –1,17 0,1210 –0,17 0,4325 0,17 0,5675 1,17 0,8790 2,17 0,9850
–2,18 0,0146 –1,18 0,1190 –0,18 0,4286 0,18 0,5714 1,18 0,8810 2,18 0,9854
–2,19 0,0143 –1,19 0,1170 –0,19 0,4247 0,19 0,5753 1,19 0,8830 2,19 0,9857
–2,20 0,0139 –1,20 0,1151 –0,20 0,4207 0,20 0,5793 1,20 0,8849 2,20 0,9861
–2,21 0,0136 –1,21 0,1131 –0,21 0,4168 0,21 0,5832 1,21 0,8869 2,21 0,9864
Продолжение табл. П.1
–2,22 0,0132 –1,22 0,1112 –0,22 0,4129 0,22 0,5871 1,22 0,8888 2,22 0,9868
–2,23 0,0129 –1,23 0,1093 –0,23 0,4090 0,23 0,5910 1,23 0,8907 2,23 0,9371
–2,24 0,0125 –1,24 0,1075 –0,24 0,4052 0,24 0,5948 1,24 0,8925 2,24 0,9375
–2,25 0,0122 –1,25 0,1056 –0,25 0,4013 0,25 0,5987 1,25 0,8944 2,25 0,9878
–2,26 0,0119 –1,26 0,1038 –0,26 0,3974 0,26 0,6026 1,26 0,8962 2,26 0,9861
–2,27 0,0116 –1,27 0,1020 –0,27 0,3936 0,27 0,6064 1,27 0,8980 2,27 0,9884
–2,28 0,0113 –1,28 0,1003 –0,28 0,3897 0,28 0,6103 1,28 0,8997 2,28 0,9887
–2,29 0,0110 –1,29 0,0985 –0,29 0,3859 0,29 0,6141 1,29 0,9015 2,29 0,9890
–2,30 0,0107 –1,30 0,0968 –0,30 0,3821 0,30 0,6179 1,30 0,9032 2,30 0,9893
–2,31 0,0104 –1,31 0,0951 –0,31 0,3783 0,31 0,6217 1,31 0,9049 2,31 0,9896
–2,32 0,0102 –1,32 0,0934 –0,32 0,3745 0,32 0,6255 1,32 0,9066 2,32 0,9898
–2,33 0,0099 –1,33 0,0918 –0,33 0,3707 0,33 0,6293 1,33 0,9082 2,33 0,9901
–2,34 0,0096 –1,34 0,0901 –0,34 0,3669 0,34 0,6331 1,34 0,9099 2,34 0,9904
–2,35 0,0094 –1,35 0,0885 –0,35 0,3632 0,35 0,6368 1,35 0,9115 2,35 0,9906
–2,36 0,0091 –1,36 0,0869 –0,36 0,3594 0,36 0,6406 1,36 0,9131 2,36 0,9909
–2,37 0,0089 –1,37 0,0853 –0,37 0,3557 0,37 0,6443 1,37 0,9147 2,37 0,9911
–2,38 0,0087 –1,38 0,0838 –0,38 0,3520 0,38 0,6480 1,38 0,9162 2,38 0,9913
–2,39 0,0084 –1,39 0,0823 –0,39 0,3483 0,39 0,6517 1,39 0,9177 2,39 0,9916
–2,40 0,0082 –1,40 0,0808 –0,40 0,3446 0,40 0,6554 1,40 0,9192 2,40 0,9918
–2,41 0,0080 –1,41 0,0793 –0,41 0,3409 0,41 0,6591 1,41 0,9207 2,41 0,9920
–2,42 0,0078 –1,42 0,0778 –0,42 0,3372 0,42 0,6628 1,42 0,9222 2,42 0,9922
–2,43 0,0075 –1,43 0,0764 –0,43 0,3336 0,43 0,6664 1,43 0,9236 2,43 0,9925
–2,44 0,0073 –1,44 0,0749 –0,44 0,3300 0,44 0,6700 1,44 0,9251 2,44 0,9927
–2,45 0,0071 –1,45 0,0735 –0,45 0,3264 0,45 0,6736 1,45 0,9265 2,45 0,9929
–2,46 0,0069 –1,46 0,0721 –0,46 0,3228 0,46 0,6772 1,46 0,9279 2,46 0,9931
–2,47 0,0068 –1,47 0,0708 –0,47 0,3192 0,47 0,6808 1,47 0,9292 2,47 0,9932
Продолжение табл. П.1
–2,48 0,0066 –1,48 0,0694 –0,48 0,3156 0,48 0,6844 1,48 0,9306 2,48 0,9934
–2,49 0,0064 –1,49 0,0681 –0,49 0,3121 0,49 0,6879 1,49 0,9319 2,49 0,9936
–2,50 0,0062 –1,50 0,0668 –0,50 0,3085 0,50 0,6915 1,50 0,9332 2,50 0,9938
–2,51 0,0060 –1,51 0,0655 –0,51 0,3050 0,51 0,6950 1,51 0,9345 2,51 0,9940
–2,52 0,0059 –1,52 0,0643 –0,52 0,3015 0,52 0,6985 1,52 0,9357 2,52 0,9941
–2,53 0,0057 –1,53 0,0630 –0,53 0,2981 0,53 0,7019 1,53 0,9370 2,53 0,9943
–2,54 0,0055 –1,54 0,0618 –0,54 0,2946 0,54 0,7054 1,54 0,9382 2,54 0,9945
–2,55 0,0054 –1,55 0,0606 –0,55 0,2912 0,55 0.7088 1,55 0,9394 2,55 0,9946
–2,56 0,0052 –1,56 0,0594 –0,56 0,2877 0,56 0,7123 1,56 0,9406 2,56 0,9948
–2,57 0,0051 –1,57 0,0582 –0,57 0,2843 0,57 0,7157 1,57 0,9418 2,57 0,9949
–2,58 0,0049 –1,58 0,0571 –0,58 0,2810 0,58 0,7190 1,58 0,9429 2,58 0,9951
–2,59 0,0048 –1,59 0,0559 –0,59 0,2776 0,59 0,7224 1,59 0,9441 2,59 0,9952
–2,60 0,0047 –1,60 0,0548 –0,60 0,2743 0,60 0,7257 1,60 0,9452 2,60 0,9953
–2,61 0,0045 –1,61 0,0537 –0,61 0,2709 0,61 0,7291 1,61 0,9463 2,61 0,9955
–2,62 0,0044 –1,62 0,0526 –0,62 0,2676 0,62 0,7324 1,62 0,9474 2,62 0,9956
–2,63 0,0043 –1,63 0,0516 –0,63 0,2643 0,63 0,7357 1,63 0,9484 2,63 0,9957
–2,64 0,0041 –1,64 0,0505 –0,64 0,2611 0,64 0,7389 1,64 0,9495 2,64 0,9959
–2,65 0,0040 –1,65 0,0495 –0,65 0,2578 0,65 0,7422 1,65 0,9505 2,65 0,9960
–2,66 0,0039 –1,66 0,0485 –0,66 0,2546 0,66 0,7454 1,66 0,9515 2,66 0,9961
–2,67 0,0038 –1,67 0,0475 –0,67 0,2514 0,67 0,7486 1,67 0,9525 2,67 0,9962
–2,68 0,0037 –1,68 0,0465 –0,68 0,2483 0,68 0,7517 1,68 0,9535 2,68 0,9963
–2,69 0,0036 –1,69 0,0455 –0,69 0,2451 0,69 0,7549 1,69 0,9545 2,69 0,9964
–2,70 0,0035 –1,70 0,0446 –0,70 0,2420 0,70 0,7580 1,70 0,9554 2,70 0,9965
–2,71 0,0034 –1,71 0,0436 –0,71 0,2389 0,71 0,7611 1,71 0,9564 2,71 0,9966
–2,72 0,0033 –1,72 0,0427 –0,72 0,2358 0,72 0,7642 1,72 0,9573 2,72 0,9967
–2,73 0,0032 –1,73 0,0418 –0,73 0,2327 0,73 0,7673 1,73 0,9582 2,73 0,9968
Оончание табл. П.1
–2,74 0,0031 –1,74 0,0409 –0,74 0,2296 0,74 0,7704 1,74 0,9591 2,74 0,9969
–2,75 0,0030 –1,75 0,0401 –0,75 0,2266 0,75 0,7734 1,75 0,9599 2,75 0,9970
–2,76 0,0029 –1,76 0,0392 –0,76 0,2236 0,76 0,7764 1,76 0,9608 2,76 0,9971
–2,77 0,0028 –1,77 0,0384 –0,77 0,2206 0,77 0,7794 1.77 0,9616 2,77 0,9972
–2,78 0,0027 –1,78 0,0375 –0,78 0,2177 0,78 0,7823 1,78 0,9625 2,78 0,9973
–2,79 0,0026 –1,79 0,0367 –0,79 0,2148 0,79 0,7852 1,79 0,9633 2,79 0,9974
–2,80 0,0026 –1,80 0,0359 –0,80 0,2119 0,80 0,7881 1,80 0,9641 2,80 0,9974
–2,81 0,0025 –1,81 0,0351 –0,81 0,2090 0,81 0,7910 1,81 0,9649 2,81 0,9975
–2,82 0,0024 –1,82 0,0344 –0,82 0,2061 0,82 0,7939 1,82 0,9656 2,82 0,9976
–2,83 0,0023 –1,83 0,0336 –0,83 0,2033 0,83 0,7967 1,83 0,9664 2,83 0,9977
–2,84 0,0023 –1,84 0,0329 –0,84 0,2005 0,84 0,7995 1,84 0,9671 2,84 0,9977
–2,85 0,0022 –1,85 0,0322 –0,85 0,1977 0,85 0,8023 1,85 0,9678 2,85 0,9978
–2,86 0,0021 –1,86 0,0314 –0,86 0,1949 0,86 0,8051 1,86 0,9686 2,86 0,9979
–2,87 0,0021 –1,87 0,0307 –0^7 0,1922 0,87 0,8078 1,87 0,9693 2,87 0,9979
–2,88 0,0020 –1,88 0,0301 –0,88 0,1894 0,88 0,8106 1,88 0,9699 2,88 0,9980
–2,89 0,0019 –1,89 0,0294 –0,89 0,1867 0,89 0,8133 1,89 0,9706 2,89 0,9981
–2,90 0,0019 –1,90 0,0287 –0,90 0,1841 0,90 0,8159 1,90 0,9713 2.90 0,9981
–2,91 0,0018 –1,91 0,0281 –0,91 0,1814 0,91 0,8186 1,91 0,9719 2,91 0,9982
–2,92 0,0018 –1,92 0,0274 –0,92 0,1788 0,92 0,8212 1,92 0,9726 2,92 0,9982
–2,93 0,0017 –1,93 0,0268 –0,93 0,1762 0,93 0,8238 1,93 0,9732 2,93 0,9983
–2,94 0,0016 –1,94 0,0262 –0,94 0,1736 0,94 0,8264 1,94 0,9738 2,94 0,9984
–2,95 0,0016 –1,95 0,0256 –0,95 0,1711 0,95 0,8289 1,95 0,9744 2,95 0,9984
–2,96 0,0015 –1,96 0,0250 –0,96 0,1685 0,96 0,8315 1,96 0,9750 2.96 0,9985
–2,97 0,0015 –1,97 0,0244 –0,97 0,1660 0,97 0,8340 1,97 0,9756 2,97 0,9985
–2,98 0,0014 –1,98 0,0239 –0,98 0,1635 0,98 0,8365 1,98 0,9761 2,98 0,9986
–2,99 0,0014 –1,99 0,0233 –0.99 0,1611 0,99 0,8389 1,99 0,9767 2,99 0,9986
–3,00 0,0013 –2,00 0,0228 –1,00 0,1587 1,00 0,8413 2,00 0,9772 3,00 0,9987
Таблица П.2
Слчайные числа
1 2 3 4 5 6 7 8 9 10
1 51449 39284 85527 67168 91284 19954 91166 70918 85957 19492
2 16144 56830 67507 97275 25982 69294 32841 20861 83114 12531
3 48145 48280 99481 13050 81818 25282 66466 24461 97021 21072
4 83780 48351 85422 42978 26088 17869 94245 26622 48318 73850
5 95329 38482 93510 39170 63683 40587 80451 43058 81923 97072
6 11179 69004 34273 36062 26234 58601 47159 82248 95968 99722
7 94631 52413 31524 02316 27611 15888 13525 43809 40014 30667
8 64275 10294 35027 25604 65695 36014 17988 02734 31732 29911
9 72125 19232 10782 30615 42005 90419 32447 53688 36125 28456
10 16463 42028 27927 48403 88963 79615 41218 43290 53618 68082
11 10036 66273 69506 19610 01479 92338 55140 81097 73071 61544
12 85356 51400 88502 68267 73943 25828 38219 13268 09016 77465
13 84076 82087 55053 75370 71030 92275 55497 97123 40919 57479
14 76731 39755 78537 51937 11680 78820 50082 56068 36908 55399
15 19032 73472 79399 05549 14772 32746 38841 45524 13535 03113
16 72791 59040 61529 74437 74482 76619 05232 28616 98690 24011
17 11553 00135 28306 65571 34465 47423 39198 54456 95283 54637
18 71405 70352 46763 64002 62461 41982 15933 46942 36941 93412
19 17594 10116 55483 96219 85493 96955 89180 59690 82170 77643
20 09584 23476 09243 65568 89128 36747 63692 09986 47687 46448
21 81677 62634 52794 01466 85938 14565 79993 44956 82254 65223
22 45849 01177 13773 43523 69825 3222 58458 77463 58521 7273
23 97252 92257 90419 01241 52516 66293 14536 23870 78402 41759
24 26232 77422 76289 57587 42831 87047 20092 92676 12017 43554
25 87799 33602 01931 66913 63008 03745 93939 07178 70003 18158
1 2 3 4 5 6 7 8 9 10
26 46120 62298 69129 07862 76731 58527 39342 42749 57050 91725
27 53292 55652 11834 47581 25682 64085 26587 92289 41853 38354
28 81606 56009 06021 98392 40450 87721 50917 16978 39472 23505
29 67819 47314 96988 89931 49395 37071 72658 53947 11996 64631
30 50458 20350 87362 83996 86422 58694 71813 97695 28804 58523
31 59772 27000 97805 25042 09916 77569 71347 62667 09330 02152
32 94752 91056 08939 93410 59204 04644 44336 55570 21106 76588
33 01885 82054 45944 55398 55487 56455 56940 68787 36591 29914
34 85190 91941 86714 76593 77199 39724 99548 13827 84961 76740
35 97747 67607 14549 08215 95408 46381 12449 03672 40325 77312
36 43318 84469 26047 86003 34786 38931 34846 28711 42833 93019
37 47874 71365 76603 57440 49514 17335 71969 58055 99136 73589
38 24259 48079 71198 95859 94212 55402 93392 31965 94622 11673
39 31947 64805 34133 03245 24546 48934 41730 47831 26531 02203
40 37911 93224 87153 54541 57529 38299 65659 00202 07054 40168
41 82714 15799 93126 74180 94171 97117 31431 00323 62793 11995
42 82927 37844 74411 45887 36713 52339 68421 35968 67714 05883
43 65934 21782 35804 36676 35404 69987 52268 19894 81977 87764
44 56953 04356 68903 21369 35901 86797 83901 68681 02397 55359
45 16278 17165 67843 49349 90163 97337 35003 34915 91485 33814
46 96339 95028 48468 12279 81039 56531 10759 19579 00015 22829
47 84110 49661 13988 75909 35580 18426 29038 79111 56049 96451
48 49017 60748 03412 09880 94091 90052 43596 21424 16584 67970
49 43560 05552 54344 69418 01327 07771 25364 77373 34841 75927
50 25206 15177 63049 12464 16149 18759 95184 15968 89446 07168
Таблица П.3
Распределение Стьюдента
Доверительный ровень
Дв сторонний 80% 90% 95% 98% 99% 99,80% 99,90%
Односторонний 90% 95% 97,5% 99% 99,50% 99,90% 99,95%
Уровень провери !ипотезы
Дв сторонняя 0,2 0,10 0,05 0,02 0,01 0,002 0,001
Односторонняя 0,1 0,05 0,025 0,01 0,005 0,001 0,0005
Для В целом
одной число
вы- степе- Критичесие значения
бор- ней
и: n свободы
2 1 3,078 6,314 12,706 31,821 63,657 318,309 636,619
3 2 1,886 2,920 4,303 6,965 9,925 22,327 31,599
4 3 1,638 2,353 3,182 4,541 5,841 10,215 12,924
5 4 1,533 2,132 2,776 3,747 4,604 7,173 8,610
6 5 1,476 2,015 2,571 3,365 4,032 5,893 6,869
7 6 1,440 1,943 2,447 3,143 3,707 5,208 5,959
8 7 1,415 1,896 2,365 2,998 3,499 4,785 5,408
9 8 1,397 1,860 2,305 2,896 3,355 4,501 5,041
10 9 1,383 1,833 2,262 2,821 3,250 4,297 4,781
11 10 1,372 1,812 2,228 2,764 3,169 4,144 4,587
12 11 1,363 1,796 2,201 2,718 3,106 4,025 4,437
13 12 1,356 1,782 2,179 2,681 3,055 3,930 4,318
14 13 1,350 1,771 2,160 2,650 3,012 3,852 4,221
15 14 1,345 1,761 2,145 2,624 2,977 3,787 4,140
16 15 1,341 1,753 2,131 2,602 2,947 3,733 4,073
17 16 1,337 1,746 2,120 2,583 2,921 3,686 4,015
18 17 1,333 1,740 2,110 2,567 2,898 3,646 3,965
19 18 1,330 1,734 2,101 2,552 2,878 3,610 3,922
Для В целом
одной число
вы- степе- Критичесие значения
бор- ней
и: n свободы
20 19 1,328 1,729 2,093 2,539 2,861 3,579 3,883
21 20 1,325 1,725 2,086 2,528 2,845 3,552 3,850
22 21 1,323 1,721 2,080 2,518 2,831 3,527 3,819
23 22 1,321 1,717 2,074 2,508 2,819 3,505 3,792
24 23 1,319 1,714 2,069 2,500 2,807 3,485 3,768
25 24 1,318 1,711 2,064 2,492 2,797 3,467 3,745
26 25 1,316 1,708 2,060 2,485 2,787 3,450 3,725
27 26 1,315 1,706 2,056 2,479 2,779 3,435 3,707
28 27 1,314 1,703 2,052 2,473 2,771 3,421 3,690
29 28 1,313 1,701 2,048 2,467 2,763 3,408 3,674
30 29 1,311 1,699 2,045 2,462 2,756 3,396 3,659
31 30 1,310 1,697 2,042 2,457 2,750 3,385 3,646
32 31 1,309 1,696 2,040 2,453 2,744 3,375 3,633
33 32 1,309 1,694 2,037 2,449 2,738 3,365 3,622
34 33 1,308 1,692 2,035 2,445 2,733 3,356 3,611
35 34 1,307 1,691 2,032 2,441 2,728 3,348 3,601
36 35 1,306 1,690 2,030 2,438 2,724 3,340 3,591
37 36 1,306 1,688 2,028 2,434 2,719 3,333 3,582
38 37 1,305 1,687 2,026 2,431 2,715 3,326 3,574
39 38 1,304 1,686 2,024 2,429 2,712 3,319 3,566
40 39 1,304 1,685 2,023 2,426 2,708 3,313 3,558
Бесонечность 1,282 1,645 1,960 2,326 2,576 3,090 3,291
Предметный
азатель
Арумент совоупности 41 Выбора упорядоченная 266, 275
Варианта 41 Гипотеза альтернативная 452

Величина случайная 305 — нулевая 450
— — дисретная 305 Гисторамма 49
— — непрерывная 305 Группа несовместных событий
Величины случайные независимые полная 227
356
— — — в совоупности 359 Данные вторичные 23
Вероятность доверительная 440 —, руппирование 33
— события 172 — двумерные 19
— — лассичесая 144 — ачественные 21
— — статистичесая 129 — — порядовые 22
— — субъетивная 152 — — номинальные 22
— условная 209 — оличественные 21
— элементарная 163 — — дисретные 21
— элементарноо исхода 163 — — непрерывные 21
Выбор без возвращения 257 — мноомерные 20
— с возвращением 257 — одномерные 19
Выбора 275, 412, 422 — первичные 23
— без возвращения 275, 416 —, размах 34
— из значений случайной — стандартизированные 98
величины 318 Дерево возможных вариантов 246
— механичесая 421 Дециль 103
— неупорядоченная 266, 275 Дисперсия биномиальноо
— репрезентативная 414 распределения 367
— с возвращением 275, 416 — выборочная 351
— серийная 421 — случайной величины 346
— систематичесая 421 — статистичесой
— случайная 417 совоупности 92
— — стратифицированная 421 — суммы независимых случайных
— смещённая 416 величин 362
Предметный уазатель 539
Единицы элементарные 19 Опыт случайный статистичеси

устойчивый 125
Заон больших чисел 378 Отлонение среднее
— распределения дисретной абсолютное 346
случайной величины 307 — — вадратичное 346
— — — — —, рафи 310 — — — выборочное 351
— стандартное 93, 351
Интервал доверительный 440 Оцена параметра 410, 425
— — для вероятности 444 — — интервальная 410, 440
— медианный 70 — — точечная 410, 440
— модальный 77 Ошиба второо рода 452
Испытание случайное 120 — оцени 427
Испытания Бернулли 331 — оценочной фунции 427
— независимые 332 — первоо рода 452
Исходы опыта элементарные 159
Параметр 410
Квантиль 102 — выбори 424
Квартиль 103 — выборочный 424
Комбинаториа 244 — енеральной совоупности 424
Коэффициент вариации 98 Пари честное 194
— доверия 440 Пересечение событий 185
Коэффициенты биномиальные 291 Перестанови 262, 278
Кривая распределения 81 — с повторениями 279
Кумулята 51 Перцентиль 103
Плотность распределения
Медиана 68 интервала абсолютная 43
Меры центральной тенденции 54 — — — относительная 43
Мода 75 Порешность измерения
Модель случайноо опыта систематичесая 345, 378
вероятностная 163 Полион 47
Правило дополнения 258
Неравенство Чебышёва 370 — сложения 260
— —, общее 262
Объединение событий 188 — трех сим 374
Объем совоупности данных 41 — умножения 255
Ожидание математичесое Пределы доверительные 440
биномиальноо Принцип пратичесой
распределения 367 уверенности 453
— — произведения независимых Провера ипотезы
случайных величин 358 о биномиальной
— — случайной величины 317 вероятности 474
Определение вероятности — — односторонняя 466
асиоматичесое 177 — статистичесих ипотез 449
Опыт случайный 120 Произведение событий 185
540 Предметный уазатель
Пространство выборочное 122 Сочетания с повторениями 283

— элементарных исходов опыта Среднее арифметичесое 55
157 — взвешенное 56
— выборочное 319
Равновозможность 137 — армоничесое 82
Размах вариации 34 — еометричесое 84
— влючающий 91 — значение случайной
— ислючающий 90 величины 317
Размещения 276 — вадратичное 86
— с повторениями 276 — убичесое 87
Ран 31 — статистичесой совоупности 55
Распределение бимодальное 77 — степенное k-о поряда 85
— биномиальное 337 Срез временной один 22
— нормальное 384 Статистиа 11, 410, 424
— — стандартное 389 —, аналитичесая фунция 18
— Пуассона 340 —, информационная фунция 18
— Стьюдента 469 —, проностичесая фунция 18
Реализация выбори 422 Сумма событий 188
Ряд вариационный 42
— — дисретный 42 Таблица случайных чисел 418
— — умулятивный 42 Теорема Бернулли 380
— — непрерывный 42 — сложения вероятностей 198
— временной 22 — умножения вероятностей 211
— Чебышёва 378
Свойства биномиальных Треуольни Пасаля 291
оэффициентов 293
— дисперсии случайной Уровень значимости 451
величины 349
— математичесоо ожидания Формула Бернулли 334
случайной величины 324 — бинома Ньютона 291
— сочетаний 286 — полной вероятности 228
Событие достоверное 180 — Пуассона приближенная 340
— невозможное 180 Фунция оценочная
— случайное 123, 170 параметра 425
— — пратичеси — — — несмещенная 427
достоверное 182 — — — несостоятельная 429
— — — невозможное 182 — — — смещенная 427
События независимые 219 — — — состоятельная 429
— — в совоупности 221
— несовместные 187 Частота варианты 41
— противоположные 183 — — относительная 41
Совоупность енеральная 412 — значения 31
— статистичесая 41 — — наопленная 35
Сочетания 280 — — относительная 32
Предметный уазатель 541
Частота значения относительная Число сочетаний 281

наопленная 35 — — с повторениями 284
— события 124
— — относительная 124 Шансы в пользу события 192
Число выборо неупорядоченных Ширина интервала 42
без возвращения 281 Шала интервалов 25
— — — с возвращением 284 — лоарифмичесая 26
— — упорядоченных без — номинальная 23
возвращения 276 — отношений, или пропорций 25
— — — с возвращением 276 — порядовая, или рановая 24
— перестаново из n элементов 278
— — с повторениями 279 Эсперимент случайный 120
— размещений 276
— — с повторениями 276 z-Поазатели 99
Именной
азатель
Бейес Т. 148, 204, 224 Маров А. А. 132, 370, 381

Бернштейн С. Н. 178, 483
Бернулли Я. 134, 148, 204, 288, Ньютон И. 294
334, 342, 381
Бортевич Л. 342 Пасаль Б. 11, 148, 195, 288, 294
Борелли Дж. А. 483 Пачиоли Л. 195
Бьенэме Ж. 370 Петти В. 483
Пирсон К. 126, 470, 483
Венн Д. 170 Пуассон С. 340, 342, 381
Романовсий В. И. 126, 483

Галилей Г. 145, 148, 483
Гальтон Ф. 483
Санторио 483
Гамов Г. 286
Слуций Е. Е. 483
Гаусс К. Ф. 483
Смирнов Н. В. 483
Гихман И. И. 483
Стерджесс 38
Гнедено Б. В. 483
Схоутен Ф. 322
Госсет У. 483, 469
Гюйенс X. 148, 204, 321
Тарталья Н. 195, 288
Д’Аламбер 145
Ферма П. 11, 148, 195, 288
Фишер Р. 483
Кардано Д. 148, 195, 204, 224
Кауфман А. А. 483 Хайам Омар 294
ал-Каши Гийас ад-Дин Хинчин А. Я. 381, 483
Джемшид 294
Кетле А. 483 Чебышёв П. Л. 370, 378, 381
Колмооров А. Н. 178, 381, 483 Чупров А. А. 483
Лаплас С. 11, 133, 149, 483 Штифель М. 288

Лейбниц Г. 288
Леонтович А. В. 483 Эдрейн Р. 483
Списо использованной
литерат
ры
1. Афанасьева О. Н., Бродсий Я. С., Павлов А. Л. Математиа для тех-

ниумов на базе среднео образования: Учеб. пособие. — М.: Издательство
физио-математичесой литературы, 2005.
2. Афанасьєва О. М., Бродсьий Я. С., Павлов О. Л., Сліпено А. К.
Алебра і почати аналізу. 10 лас. — Тернопіль: Навчальна ниа — Бо-
дан, 2004.
3. Виленин Н. Я. Комбинаториа. — М.: Науа, 1969.
4. Виленин Н. Я. Популярная омбинаториа. — М.: Науа, 1975.
5. Гнедено Б. В., Хинчин А. Я. Элементарное введение в теорию веро-
ятностей. — М.: Науа, 1964.
6. Дайменд С. Мир вероятностей. — М.: Статистиа, 1970.
7. Ежов И. И., Сороход А. В., Ядрено М. И. Элементы омбинатори-
и. — М.: Науа, 1977.
8. Кимбл Г. Ка правильно пользоваться статистиой. — М.: Финансы
и статистиа, 1982.
9. Колмооров А. Н., Журбено И. Г., Прохоров А. В. Введение в теорию
вероятностей. — М.: Науа, Главная редация физио-математичесой
литературы, 1982.
10. Майстров Л. Е. Теория вероятностей. Историчесий очер. — М.:
Науа, 1967.
11. Мостеллер Ф., Руре Р., Томас Дж. Вероятность. — М.: Мир, 1969.
12. Сиел, Эндрю. Пратичесая бизнес-статистиа.: Пер. с анл. —
М.: Издательсий дом «Вильямс», 2002.
13. Сороход А. В. Вероятность вору нас. — Киев: Науова дума,
1980.
14. Ялом А. М., Ялом И. М. Вероятность и информация. — М.: Нау-
а, 1973.
Учебное издание
ШКОЛЬНЫЙ КУРС МАТЕМАТИКИ
Бродский Яков Соломонович
СТАТИСТИКА.
ВЕРОЯТНОСТЬ.
КОМБИНАТОРИКА
Редактор Н. В. Валуева
Корректор Е. В. Морозова
Технический редактор Е. А. Вишнякова
Компьютерная верстка Е. Ю. Пучковой
1
Подписано в печать 27.09.2007. Формат 60х90 /16 .
Гарнитура «Школьная». Печать офсетная.
Усл. печ. л. 34,00. Тираж 5000 экз. Заказ № .
Общероссийский классификатор продукции

ОК-005-93, том 2; 953005 — учебная литература
ООО «Издательство Оникс».

127422, Москва, ул. Тимирязевская, д. 38/25.
Почтовый адрес: 117418, Москва, а/я 26.
Отдел реализации: тел. (499) 619-02-20, 610-02-50.
Internet: www.onyx.ru; e-mail: mail@onyx.ru
ООО «Издательство «Мир и Образование».

Изд. лиц. ИД № 05088 от 18.06.2001.
109193, Москва, ул. 5-я Кожуховская, д. 13, стр. 1.
Тел./факс (495) 129-09-60, 120-51-47, 742-43-54.
E-mail: mir-obrazovanie@onyx.ru
Издание осуществлено при техническом содействии

ООО «Издательство АСТ»

631- Статистика. Вероятность. Комбинаторика - Бродский Я.С - 2008 -544с PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

631- Статистика. Вероятность. Комбинаторика - Бродский Я.С - 2008 -544с PDF

Загружено:

Авторское право:

Доступные форматы

ШКОЛЬНЫЙ КУРС МАТЕМАТИКИ

ISBN 978-5-488-01369-8 (ООО «Издательство Оникс»)

В данном учебном пособии подробно излагаются основы опи-

ISBN 978-5-488-01369-8(ООО «Издательство Оникс»)

© Бродский Я. С., 2008

Предисловие . . . . . . . . . . . . . 7 § 1.6. Др#ие меры

§ 1.3. Вариационные ряды . 40 § 1.8. Квантили . . . . . . . . . . 102

§ 1.4. Графичес ое Дополнительные задачи

§ 1.5. Среднее § 2.1. Статистичес ая

2.1.4. Статистичесая 2.6.4. Объединение,

3.2.3. Перестанови . . . . . . . 262 § 4.5. Дисперсия

§ 3.3. Основные § 4.7. Числовые

§ 5.4. Провер а Ответы и  азания

Книа адресована широому руу читателей — старшелас-

с фунциями, производной и интералом. Таая пропедевтичесая

Во второй лаве начинается систематичесое изложение основ

ся вопросами  читателю, цель оторых проверить, усвоено ли

изложение теоретичесоо материала, понятно ли решение примера.

На аждом шау мы встречаемся с явлениями и действиями,

странах мира. Наонец, он получил «право ражданства» и в оте-

Пример 1. Вы решили в свободное от занятий время заняться

Пример 2. Вы решили приобрести ачественный омпьютер и по

Пример 3. Вы выбираете вуз и специальность, по оторой плани-

Статистичесий анализ осуществляется в несольо этапов.

3. Предварительная обработа данных предусматривает рас-

здравый смысл и интуицию. Если результаты статистичесоо ана-

В условиях неопределенности нельзя точно знать, аое событие

1. Почему следует изучать ста- 4. С аими статистичесими

ных строительных работ, об их стоимости, о материалах, исполь-

О назначении описательной статистии можно судить по ее на-

рые нельзя онтролировать и оторые влияют на протеание про-

сие харатеристии, рафичесие методы представления инфор-

Наборы двмерных данных содержат информацию о двух при-

удовлетворены ли они уровнем теоретичесой и пратичесой под-

Мноомерные данные содержат информацию о трех или более

№ Ст- Ма#ист- Ста- Аспи-

1 Данные взяты из азеты «Мосовсий университет», № 39, 2003.

Даже белый взляд на данные, приведенные в таблице, позволяет

Является ли дисретной переменной длина почата ууру-

Непрерывной будем считать любую переменную, не являю-

мерами ачественных данных являются тип шолы, де обучается

Приведите пример ачественных данных.

Качественные данные бывают двух типов: порядовые, для о-

Оцени одноо учащеося по пяти различным предметам яв-

Если порядо записи значений данных во времени имеет содер-

безработных среди различных возрастных рупп населения по дан-

Табель учениа, де проставлены оцени за аждую четверть

Инода данные лассифицируют таже по тому, собирались ли

Перечень фирм, занимающихся производством рузовых и ле-

ляется порядовой шалой, то неорретно выставлять итоовую

Является ли шала воинсих званий примером порядовой

На шале интервалов равные интервалы отображают одинао-

Заменим все значения их десятичными лоарифмами. В табли-

Ка мы видим, данные симметрично руппируются вору

1. Верно ли, что двумерные дан- 7. Каой смысл имеют резуль-

1 Данные взяты из нии: Эндрю Ф. Сиел. Пратичесая бизнес-ста-

тистиа. — Мосва — Сант-Петербур — Киев, Вильямс, 2002.

а) Что является элементарной единицей в этом наборе данных?

Прод т Дети Дети Пенсио-

а) Что является элементарной единицей в этом наборе данных?

а) Что является элементарной единицей в этом наборе данных?

1 Данные взяты из азеты «Комсомольсая правда. Ураина» от

в) Уажите ачественные и оличественные переменные, если

Предисловие . . . . . . . . . . . . . 7 § 1.6. Др#ие меры

2.1.4. Статистичесая 2.6.4. Объединение,

3.2.3. Перестанови . . . . . . . 262 § 4.5. Дисперсия

§ 5.4. Провер а Ответы и азания

Книа адресована широому руу читателей — старшелас-

с фунциями, производной и интералом. Таая пропедевтичесая

Во второй лаве начинается систематичесое изложение основ

ся вопросами читателю, цель оторых проверить, усвоено ли

изложение теоретичесоо материала, понятно ли решение примера.

На аждом шау мы встречаемся с явлениями и действиями,

странах мира. Наонец, он получил «право ражданства» и в оте-

Пример 2. Вы решили приобрести ачественный омпьютер и по

Пример 3. Вы выбираете вуз и специальность, по оторой плани-

Статистичесий анализ осуществляется в несольо этапов.

3. Предварительная обработа данных предусматривает рас-

здравый смысл и интуицию. Если результаты статистичесоо ана-

В условиях неопределенности нельзя точно знать, аое событие

1. Почему следует изучать ста- 4. С аими статистичесими

О назначении описательной статистии можно судить по ее на-

рые нельзя онтролировать и оторые влияют на протеание про-

сие харатеристии, рафичесие методы представления инфор-

удовлетворены ли они уровнем теоретичесой и пратичесой под-

Мноомерные данные содержат информацию о трех или более

№ Ст- Ма#ист- Ста- Аспи-

1 Данные взяты из азеты «Мосовсий университет», № 39, 2003.

Является ли дисретной переменной длина почата ууру-

мерами ачественных данных являются тип шолы, де обучается

Приведите пример ачественных данных.

Качественные данные бывают двух типов: порядовые, для о-

Оцени одноо учащеося по пяти различным предметам яв-

Если порядо записи значений данных во времени имеет содер-

Табель учениа, де проставлены оцени за аждую четверть

Инода данные лассифицируют таже по тому, собирались ли

ляется порядовой шалой, то неорретно выставлять итоовую

Является ли шала воинсих званий примером порядовой

На шале интервалов равные интервалы отображают одинао-

Ка мы видим, данные симметрично руппируются вору

1. Верно ли, что двумерные дан- 7. Каой смысл имеют резуль-

1 Данные взяты из нии: Эндрю Ф. Сиел. Пратичесая бизнес-ста-

тистиа. — Мосва — Сант-Петербур — Киев, Вильямс, 2002.

Прод т Дети Дети Пенсио-

1 Данные взяты из азеты «Комсомольсая правда. Ураина» от

в) Уажите ачественные и оличественные переменные, если

В аом поряде поступают данные при измерении длины

Проиллюстрируем все сазанное на онретном примере.

Пример. В таблице 1.6 представлены данные о сорости чтения

Ран# чени а 1 2 3,5 3,5 5,5 5,5 7 8,5 8,5 11

Ран# чени а 11 11 13,5 13,5 15 16 17 18 20 20

Оончание табл. 1.7

Эта таблица позволяет установить ран учениа, т. е. место, о-

Почему ран учениа со соростью чтения 55 слов/мин равен

Разумеется, если исследуется оличество ошибо, допущенных

Этот поазатель хорошо харатеризует положение со соростью чте-

Для большоо оличества данных на следующем этапе обработ-

чи. Обычно оличество рупп выбирают не меньше 12, но не боль-

Первый способ вылядит несольо более предпочтительным,

де xmax и xmin — масимальное и минимальное значения признаа.

1. Определите, аим видам 3. Что поазывает частота зна-

12.° Ниже приведены размеры проданной в маазине мужсой

а) Определите, аим видам относятся данные, приведенные

а) Определите, аим видам относятся данные, приведенные

Та, в примере предыдущео парарафа учении 3-о ласса —

По аому арументу разделена на руппы совоупность,

В исследованиях, изучая тот или иной призна, часто прихо-

Принимают ли члены совоупности, представленной в зада-

Если две варианты признаа в данной совоупности моут от-

определенных вариант (или интервалов) записаны наопленные

Пример. Измерения диаметров 50 валиов, выточенных на стан-

а) Построить дисретный вариационный ряд.

а) Объем совоупности равен 50. Выпишем все различные

1. Может ли наопленная час- совпадает с ео относительной

а)° Постройте дисретный вариационный ряд.

а)° Постройте дисретный вариационный ряд.

а)° Постройте дисретный вариационный ряд.

а)° Постройте дисретный вариационный ряд.

§ 1.4. Графичесое изображение

значения арумента, т. е. варианты, а на оси ординат таже в произ-

1 Здесь и далее полионы, истораммы и умуляты выполнены в про-

рамме Microsoft Excel.

Достпность 25—35 35—45 45—55 55—65 65—75 75—85 85—95