Вы находитесь на странице: 1из 16

Moloşniuc A.

SISTEMUL DE PROGRAME MATHEMATICA 21


Система MATHEMATICA.
8. Теория Вероятностей
1.Вычисление вероятностей. Если решение задачи нахождения
вероятности сводится к применению вычислительной формулы,
тогда остается ввести в эту формулу числовые данные задачи и
необходимые параметры.
Проводимые вычисления показывают не настолько необходимо
применить систему Mathematica насколько возможность ее
применения.
При решении задач будут использованы как некоторые из
функций веденных раньше так и некоторые из функций:
Collect[expr,x] – приводит подобные члены из выражения expr и
распологает их по степеням x;
Sum[f[i],{i,imin,imax}] – вычисляет сумму значений функции f для i от
imin до imax с шагом +1;
NSum[f[i],{i,imin,imax}] – вычисляет некоторое значение суммы
значений функции f для i от imin до imax с шагом +1;
Product[f[i],{i,imin,imox}] - вычисляет произведение значений функции
f для i от imin до imax с шагом +1;
NProduct[f[i],{i,imin,imox}] – вычисляет некоторое значение
произведения значений функции f для i от i min до imax с шагом +1;
2. Классические вероятностные схемы.
1) Классическое определение вероятности. Формулы сложения
вероятностей. Если пространство элементарных событий содержит
конечное количество элементарных равновозможных событий,
тогда вероятность случайного события A   вычисляется согласно
формулы:
card A
P ( A)  , (8.1.1)
card 
где card означает количество элементов данного множества. Это
классическое определение вероятности. Формула сложения
вероятностей несовместных в совокупности событийимеет вид

n n
P( ∪ i 1
Ai )  i 1
P ( Ai ) , (8.1.2)
А формула сложения вероятностей в общем случае (события
совместны) имеет вид

  P( A
n n
P( ∪ i 1
Ai )  i 1
P ( Ai ) 
1 i  j  n
i  A j )  …+
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 22
 P( A n 1 n

1 i  j  k  n
i  A j  Ak )  ...  ( 1) ∩
P(
i 1
Ai )

(8.1.3)
Пример1. Вычислить вероятность события что при бросании
двух костей сумма выпавших очков будет равна 5 (случайное
событиеA).
Решение. Пространство элементарных событий  = (i, j): 1  i, j
 6. Благоприятствующими наступления события A являются
элементарные события A = (1, 4), (2, 3), (3, 2), (4, 1). Так как
card A = 4 иi card  = 36, имеем
In1:=N4/36
Out1=0,111111.
Пример 2. Урна содержит 60 белых и 40 черных шара.
1)Вычислить вероятность тго что случайно извлеченный шар будет
белым (событие A). 2) Найти вероятность того что 12случайно
извлеченных шара будут белыми (событие B).
Решение. 1) Среди 100 шаров 60 являются белыми. Значит
card  = 100 иcard A = 60 и P(A) = 60/100 = 0,6.
12
2) Так кА 12 шаров из 100 могут быть извлечены C100
12
способами, а 12 шаров из 60 белых - C 60 способами, то по
классическому определению вероятностиd используя возможность
вычислить сочетания из n элементов взятых по m:
n!
C nm  (8.1.4)
( m! )((n  m)! )
получаем
60! 100!
In2:=N (12! ) * ( 48! ) / (12! ) * (88! ) 
Out2]=0.00133219
Получили ответ P (B ) =0,00133219.
2) Условные вероятности. Формулы умножения
вероятностей. Называем условной вероятность события A
вычисленной в условии что событие B наступилообозначенной
P(BIA) definită prin egalitatea
P( A  B)
P ( B | A)  . (8.1.5)
P ( A)
Из (8.1.5) следуе формула вероятности умножения двух событий
P ( A  B )  P ( A) P ( B | A) . (8.1.6)
В общем случае формула имеет вид
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 23
P ( A1  A2  ...  An ) = (8.1.7)
P ( A1 ) P ( A2 | A1 ) P ( A3 | A1  A2 )...P ( An | A1  ...  An 1 )
Если все события независимы в совокупности, то
P ( A1  A2  ...  An ) = P ( A1 ) P ( A2 ) P ( A3 )...P ( An ) . (8.1.8)
Пример3. Устройство состоит из трех элементов которые во
время эксплоатации могут выйти из строя независимо друг от друга.
Обозначим: Ai = элемент i вышел из строя, i = 1, 2, 3. Найти
вероятности событий A = вышел из строя только один элемент,
если известны вероятности: p1 = P(A1) = 0,13, p2 = P(A2) = 0,06, p3 =
P(A3) = 0,12.
Решение. Выразим событие A через A1, A2 şi A3. Выйдет из строя
только один элемент когда первый вышел из строя а второй и третий
– нет, второй вышел из строя а первый и третий – нет, третий вышел
из строя а второй и первый – нет, т.е.:
A  ( A1  A2  A3 )  ( A1  A2  A3 )  ( A1  A2  A3 ) .
Вычисляем вероятность события А используя формулу сложения
вероятностей несовместных событий, формулу умножения
вероятностей независимых событий и формулу вычисления
верятности противоположного события.
In3:=N0.13*(10.06)*(10.12)+(10.13)*0.06*(10.12)+(10.13)*
(10.06)*0.12
Out3]=0,251608
Получили P ( A) =0,251608.
Пример 4. Известно что в партии из 100 однотипных деталей
имеются 7 с некотоыми дефектами. Случайно извлекаются без
возвращения 5 из них и подвергаются проверке. Если все
извлеченные детали без дефекта то партия принята а в противном
слчае – отвергаетсяю Вычислить вероятность события A = партия
принята.
Решение. Обозначим: Ai = деталь с номером извлечения i без
дефекта, i = 1, 2, 3, 4, 5. Имеет место равенство
A  A1  A2  A3  A4  A5 .
Согласно формуле (8.1.7) имеем
P ( A)  P ( A1 ) P ( A2 | A1 ) P ( A3 | A1  A2 ) P ( A4 | A1  A2  A3 ) 
 P ( A5 | A1  A2  A3  A4 ) .
Применяем систему Mathematica.
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 24
93 92 91 90 89
In4:=N[ * * * * ]
100 99 98 97 96
Out4=0.690304
Получили P ( A) =0,690304.
Примечание. В случае если произведение содержит большое
количество сомножителей и их запись требует относительно много
времени то если сомножители записать как функцию некоторого
параметра i, тогда может быть использована функция
Productf,i,imin,imax. Например, в случае предыдущего примера
4
93  i
P ( A)  
i  0 100  i
,

Можем записать:
93  i
In5:=Product[ , {i,0,4} ]
100  i
824941
Out5=
1195040
Получили точное значение вероятности события A. Убедимся , что
приближенное значение выражения совпадает с ответом плученным
в Out4.
In6:=N[%]
Out6=0.690304.
3) Формула полный вероятности. Формула Байеса. Пусть 
пространство элементарных событий, события H1, H2, ..., Hn
образуют полную группу событий и некоторое событие A может
наступить с одним и только с одним из событий Hi (i=1,…,n). Тогда
имеетместо формула полной вероятности

P ( A)  P ( H 1 ) P ( A | H 1 )  ...  P( H n ) P ( A | H n ) (8.1.9)
и формула Байеса, которая позволяет вычислить вероятность
гипотез в предположении что главное событие А произошло
P( H j ) P( A | H j )
P ( H j | A)  , (8.1.10)
P ( H 1 ) P ( A | H 1 )  ...  P ( H n ) P ( A | H n )
т.е. происходит переоценка гипотез.
Пример 5. На склад находятся 1000 однотипных деталей
произведенных на первом, втором и третьем заводах в соотношении
5:3:2. Известно что ni деталей произведенных на i-ом заводе
дефектны: n1 = 4, n2 = 5, n3 = 6. 1) Найти вероятность что случайно
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 25
взятая деталь без. 2) Найти веротность тогоб что случайно взятая
деталь произедена на первом заводе, если она содержит дефект.
Решение.1) Обозначим: A = случайно взятая деталь без
дефекта. Относительно того, какой завод произвел отобраную
деталь можно выдвинуть следующие гипотезы: Hi =  отобраную
деталь произвел завод номер.i, i = 1, 2, 3. Из условий примера
следует что первый завод произвел 500 деталей из 1000
находящихся на складе, второй завод произвел 300 деталей , а
третий завод произвел 200 деталей. Применяя классическое
определение вероятности находим: P(H1) = 500/1000 =0,5, P(H2) =
300/1000 = 0,3, и P(H3) = 200/1000 = 0,2. Так как ni деталей
произведенных заводом i дефектны следует что (1ni)% деталей
качественны. Значит P ( A | H 1 ) = 0,96, P( A | H 2 ) = 0,95 şi
P ( A | H 3 ) = 0,94 и по формуле полной вероятности (8.1.9)
получаем
In7:=N[ (0.5*0.96 + 0.3*0.95 + 0.2*0.94
Out7=0.953
Получили P ( A) =0,953.
2) Согласно обозначений из 1) имеем A = случайно взятая
деталь дефектна. Так как P ( A | H 1 ) = 0,04, P ( A | H 2 ) = 0,05,
P ( A | H 3 ) = 0,06, то по формуле Байеса (8.1.10) получаем
P( H 1 ) P( A | H 1 )
P( H 1 | A ) 
P( H 1 ) P( A | H 1 )  P( H 2 ) P ( A | H 2 )  P ( H 3 ) P( A | H 3 )
.
0.5 * 0.04
In8:=N[ 
0.5 * 0.04 * 0.3 * 0.05  0.2 * 0.06
Out8=0.425532
Получили P( H 1 | A ) =0,425532
4) Независимые испытания. Случайные испытания E1, E2,..., En
называются независимыми относительно некоторого события A,
если это событие наступило или нет в каждом из этих испытаний и
вероятность наступления в каком-то испытании не зависит от того
если событие наступило или нет в остальных испытаниях.
Независимые испытания могут быть рассмотрены как опыт который
повторяется n раз.
5) Биномиальная схема (схема Бернулли или схема урны с
возвращением с шарами двух цветов). Формула Бернулли. .
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 26
Пусть в каждом из n независимых опытов E1, E2,..., En событие A
может наступить с вероятностью p: p = P(A) и не наступить с
вероятностью q = P( A ) = 1P(A) = 1p. Обозначим эту вероятность
черезPn(k) т.е.вероятность что событие A наступит k раз в течении
этих n опытов. Эта вероятность может быть вычислена согласно
форулы Бернулли
Pn ( k )  Cnk p k q n  k , k = 0, 1,..., n. (8.1.11)
Схема с возвращением означает что шары извлекаются по
одному и после наблдения цвета шар возвращается снова в урну.
Пример 6. Монета бросается 100 раз. Найти некоторое
приближенное значение того что герб появится 47 раз.
Решение. Обозначим событие V = появление герба. Имеем: p =
P(V) = 1/2 и q = 1p = 1/2. Формула Бернулли (8.1.11) для n = 100, k =
47, p =1/2 и q = 1/2, имеет вид
P100 ( 47)  C100 47
(1 2) 47 (1 2)100  47 .
Вычислениеэтого значения обычными методами затуднительно,
потому применяем систему Mathematica. Получаем :
100! 47
In9:= ( 47! ) * (53! ) (0.5) (0.5) 53

Out9=0.0665905
Окончательно P100(47)=0,0665905.
6) Полиномиальная схема (схема с возвращением урны
содержащей шары более чем двух цветов). Пусть в результате
каждого из n независимых опытов E1, E2,..., En могут наступить
случайные события A1, A2, ..., Ar, которые образуют полную группу
событий. Обозначим: pi = P(Ai), i = 1, 2, ..., r. Очевидно что p1 + p2 + ...
+ pr = 1. Вероятность Pn(k1,k2,...,kr) что в течении этих n независимых
опытов событие Ai появится ровно ki разi i = 1, 2, ..., r, n = k1 + k2 + ...
+ kr, может быть вычислена по формуле
n!
Pn(k1,k2,...,kr) = p1k1 p2k 2 ... prkr . (8.1.12)
k 1 ! k 2 !...k r !
Очевидно, что при r = 2 из формулы (8.1.12) следует (8.1.11).
Пример 7. В урне находятся шары трех цветов: 5 белых, 7
черных и 8 синих. Последовательно, с возвращением извлекаются 6
шаров. Найтивероятность того, что среди этих 6 один шар белый,
два – черных и три синих шара.
Решение. Рассмотрим события: A1 = извлеченый шар белый, A2
=  извлеченый шар черный şi A3 =  извлеченый шар синий.
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 27
Тогдаi: p1 = P(A1) = 5/(5+7+8) = 1/4, p2 = P(A2) = 7/20, и p3 = P(A3) =
8/20 = 2/5. Применяя формул (8.1.12) при n = 6, k1 = 1, k2 = 2, и k3 = 3,
получаем
1 2 3
6!  1   7   2 
P6(1,2,3) =       .
1! 2 ! 3!  4   20   5 
Проведя вычисления с помощью системы Mathematica.
6! 1 2 2
In10:= (1! ) * ( 2!) * (3!) * (1 / 4) * (7 / 20) * (2 / 5)
147
Out10=
1250
147
Получили точное значение вероятности P6(1,2,3)= .
1250
Если нужноплучить некоторое приближенное значение тогда
In11:=N%
Out11=0.1176
Получили опять точное значение вероятности P6(1,2,3) = 0,1176.
7) Схема Пуассона. Функция генерирующая вероятности.
Пусть в независимых опытах E1, E2, ..., En событие A может
появиться с соответствующими вероятностями p1, p2, ..., pn. Тогда
вероятность Pn(k) того, что в этих n независимых опвтах событие A
появится k раз, k = 1, 2, ..., n, равна коэффициенту при xk из
выражения
n
n(x)=  (q
i 1
i  p i x) , (8.1.13)

где qi = 1pi.
Функция n(x) определенная равенством (8.1.13) называется
функцией генерирующей вероятность.
Схема Бернулли представляет собой частный случай схемы
Пуассона и именно при p1 = p2 = ... = pn = p. В этом случае функция
генерирующая веротность имеет вид:
n(x) = (q+px)n. (8.1.14)
Пример 8. Из трех партий однотипных деталей случайным
образом извлекаются по одной детали. Известно, что в первой
партии 95 являются без дефекта, во второй - 90 и в третей - 85.
Найти вероятности событий: B = все три без дефекта, C = две
детали качественны а одна - нет, D = одна деталь качественна и
дае - нет, E = все три с дефектом.
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 28
Решение. Применяем формулу (8.1.13) при p1 = 0,95, p2 = 0,9, p3 =
0,85, q1 = 0,05, q2 = 0,1, q3 = 0,15, n = 3. Определяем функцию 3(x) с
помощью системы Mathematica.
In12:=Collect[(0.05+0.95x)*(0.1+0.9x)*(0.15+0.85x),x]
Out12=0.00075+0.02525x+0.24725x2+0.72675x3
Получили: P(B) = 0,72675, P(C) = 0,24725, P(D) = 0,02525, P(E) =
0,00075.
8)Схема без возвращеня урны содержащей шары двух цветов.
Предположим что в урне находятся n шаров среди которых n1 белых
и n2 черных. Случайно извлекаются без возвращения m шаров. Тогда
вероятность Pm(m1,m2) что среди m извлеченных m1 будут белыми и
m2 черными вычисляется по формуле
C nm11 C nm22
Pm (m1 , m2 )  . (8.1.15)
C nm
Пример 9. В лотереи 20 выигрышных и 80 билетов без
выигрыша. Найти вероятность того, что среди 7 купленных билетов
два будут выигрышными.
Решение. Применяем формулу (8.1.15) при n1 = 4, m1 = 6, m = 10,
n = 4, M = 5 и m = 2. Получаем:
2 5
C 20 C 80
P7 ( 2,5)  7
C100
Вычисляем некоторое приближенное значение этого выражения.
20! 80! 100!
In13:=N[( ( 2!) * (18!) * (5! ) * (75! ) ) /( (7! ) * (93! ) ) ]
Out13=0.28534
В результате получили P7 ( 2,5) =0,28534.
9)Схема без возвращения урны с шарами большого
количества цветов.
Пусть в урне находятся n шаров среди которых ni имеют цвет i, i
= 1, 2, ..., r, n = n1 + n2 + ... + nr, извлекаются последовательно без
возвращения m шара, m  n. Тогда вероятность Pm ( m1 , m 2 ,..., m r )
того что средиизвлеченых mi будут цвета i, i = 1, 2, ..., r, m = m1 + m2
+ ... + mr, вычисляется по формуле
C nm11 C nm22 ...C nmr r
Pm (m1 , m 2 ,..., mr )  . (8.1.16)
C nm
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 29
Пример 10. На складе имеются 200 однотипных деталей среди
котрых 100 первого сорта, 66 второго и 34 третьего сорта. Случайно
отбираются без возвращения 30 деталей. Найти вероятность того что
среди них 17 были бы первого сорта, 9 второго и 4 третьего сортов?
Решение. Применяем формулу (8.1.16) при n = 200, m = 30, n1 = 100,
n2 = 66, n3 = 34, m1 = 17, m2 = 9, m3 = 4. Получаем
17 9 4
C100 C 66 C 34
P30 (17,9,4)  30
C 200
Вычисляем некоторое приближенное значение этого выражения с
помощью системы Mathematica.
100! 66! 34! 200!
In14:=N[( (17! )(83! ) * (9! )(57! ) * ( 4! )(30! ) ) /( (30! )(170! ) ) ]
Out14=0.0278641
Получили P30 (17,9,4) =0,0278641.
10) Схема Паскаля(геометрическая). Пусть в каждом из n
независимых опытов E1, E2,..., En событие A может наступить с
вероятностью p: p = P(A) и не наступить с вероятностью q = P( A ) =
1P(A) = 1p. Тогда вероятность P(k) того что событие А впервые
появится в опыте Ek вычисляется по формуле
P(k) = pqk1. (8.1.17)
Пример 11. 1) Найти вероятность появления числа 4 при
десятом бросании игровой кости; 2) Найти вероятность случайного
события B = при первых 10 бросаний одной кости число 4 не
появится?
Решение. 1Так как p = 1/6 и q = 11/6 = 5/6, то по формуле
(8.1.17) получаем P(10) = pq9 = (1/6)(5/6)9.
In15:=N(1/6)*(5/6)^9
Out15=0.0323011
Ответ: P(10) = 0,0323011
2) СобытиеB может быть определено и следующим образом: B =
число 4 появится впервые при бросании под номером 11, или 12,
или 13,… sau a douăsprezecea, sau a treisprezecea, .... Значит
P(B) = P(11) + P(12) + P(13) + ... =  k 11 (1 / 6)(5 / 6)
 k 1
.
Вычисляем значение этого выражения с помощью системы
Mathematica.

In16:=Sum[(1/6)*(5/6)^(k1),{k,11,}]
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 30
9765625
Out16=
60466176
Получили точное значение вероятности P(B). Получим ответ в виде
десятичной дроби.
In17:=N[%]
Out17=0.161506
Это же значение можно получить и так
In18:=NSum[(1/6)*(5/6)^(k1),{k,11,}]
Out18=0.161506.
11) Приближенное вычисление значений вероятности из
схемы Бернулли. Для сравнительно больших значений n и m
вычисление вероятностей по формуле Бернулли представляет
большие затруднения, если не применить систему Mathematica. В
этом случае применяются формулы приближенного вычисления
этих вероятностей. Одна из этих фрмул следует из локальной
теоремы Муавра-Лапласа и имеет вид
2
1 
 k  np 

1 2 npq 
, (8.1.18)
Pn ( k )  e  
2npq
где 0  p  1, Pn(k) вероятность наступления собцытия A ( P(A) = p,
q = 1p), k раз за n независимых опытов, где n достаточно большое.
В случае когда вероятность p близка к 0 или 1, тогда наилучшее
приближение относмительно формулы (8.1.18) достигается
формулой
a k a
Pn ( k )  e , (8.1.19)
k!
где a = np n достаточно большое, а p достаточно мал т.е. близок к
нулю. Эта формула следует из формулы Пуассона. Рекомендуется
применять ее тогда когда npq  9, а в остальных случаях – формулу
(8.1.18).
Приближенное значение вероятности Pn(k1  k  k2) того что за n
независимых опытов число k наступлений случайного события A
было заключено между k1 и k2 может быть вычислена по формуле
 k  np   
Pn ( k1  k  k 2 )   2    k1  np  , (8.1.20)
 npq   npq 
   
где (x) интегральная функция Муавра-Лапласа определенная как
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 31
x
1
2 
t 2 / 2
( x)  e dt . (8.1.21)
0
Формула (8.1.20) следует из интегральной теоремы Муавра -
Лапласа.
Имея в наличии систему Mathematica не обязательно применить
формулыr (8.1.18) – (8.1.21), но можем исследовать и сравнить
погрешности допущенные при их применении.
Пример 12. Вероятность того что деталь произведенная на
некотором заводе дефектна p = 0,01. 1) Найти вероятность того
что из 10000 случайно взятых деталей 90 будут с дефектом,
используя: a)формулу Бернулли(8.1.11); b) формулу (8.1.18);
c) формулу (8.1.19). 2) Найти вероятность того что число деталей с
дефектом содеожится между 95 и 105?
Решение. 1) a) Точное значение вероятности вычисленной по
формуле Бернулли
90
P10000 (90)  C10000 (0,01) 90 (0,99) 9910 .
Используя
10000!
In19:=N[= (90! )(10000  90)! (0.01)
90
(0.99)10000 90 ]

Out19=0.0250257
Получили результат 10000P (90) 
0,0250257 и все цифры может
быть за исключением последней точныю
b) Согласно формулы (8.1.18) получаем
2
1  90 100000.01 
  
1 2  100000.010.99 .
P10000 (90)  e 

2  10000  0.01  0.99


Для вычисления используем систему Mathematica.
In20:=
N
1  90  10000 * 0.01 
[ Exp[  ^ 2 / 2]]
2 *  * 10000 * 0.01 * 0.99  10000 * 0.01 * 0.99 
Out20=0.0241965
P
Получили 10000 (90)  0.0241965
c) Находим требуемое с помощью формулы (8.1.19):
(10000  0,01) 90 100000,01
P10000 (90)  e .
90!
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 32
Используя Mathematica.
(10000 * 0,01) 90
In21:=N Exp[ 10000 * 0.01]]
90!
Out21=0.0250389
P
Ответ 10000 (90) 
0.0250389.
2) Согласно формулам (8.1.20) и(8.1.21)
105 10000*0.01*0 , 99
10000*0.01*0.99
1

2
P10000 (95  k  105)  e t /2
dt .
2 95 10000*0.1
10000*0.01*0.99

Для вычисления интеграла используем систему Mathematica.


1 95  10000 * 0.01
In22:=NIntegrate Exp[t 2 / 2] ,{t, ,
2 10000 * 0.01 * 0.99
105  10000 * 0.01
}]
10000 * 0.01 * 0.99
Out22=0.384697
Ответ P10000 (95  k  105)  0,384697.
12) Индивидуальные задания
8.1.1. Игральная кость бросается 2 разаю Найти вероятности
случайных событий:1) A = сумма выпавших очков не превышает
m, 2) B =  сумма выпавших очков равна r, 3) G =  произведение
выпавших очков больше n. Значения параметров m, n и r даны по
вариантам (номер варианта совпадает с порядковым номером
студента по журналу).
1) m=4, n=14 , r=5; 2) m=5, n=13 , r=4; 3) m=6, n=12 , r=3;
4) m=7, n=11 , r=6; 5) m=8, n=10 , r=4; 6) m=4, n=13 , r=5;
7) m=5, n=12 , r=6; 8) m=6, n=11 , r=3; 9) m=7, n=10 , r=5;
10) m=8, n=14 , r=6; 11) m=4, n=12 , r=4; 12) m=5, n=11 , r=3;
13) m=6, n=10 , r=6; 14) m=7, n=14 , r=4; 15) m=8, n=13 , r=3;
16) m=4, n=12 , r=5; 17) m=5, n=11 , r=4; 18) m=6, n=10 , r=3;
19) m=7, n=14 , r=5; 20) m=8, n=13 , r=6; 21) m=4, n=11 , r=3;
22) m=5, n=10 , r=5; 23) m=6, n=14 , r=6; 24) m=7, n=13 , r=4;
25) m=8, n=12 , r=5; 26) m=4, n=10 , r=6; 27) m=5, n=11 , r=4;
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 33
28) m=6, n=12 , r=3; 29) m=7, n=13 , r=6; 30) m=8, n=14 , r=4.
8.1.2. В партии из n однотипных деталей имеются 8 деталей с
дефектами. Извлекаются без возвращения 6 деталей. Если все 6
деталей без дефекта, то партия принята а в противном случае -
бракуется. Найти вероятность события A = партия принятаt.
Параметр n равен 100 плюс номер варианта.
8.1.3. Устройство состоит из из трех элементов которые в
процессе эксплоатации могут выходить из строя независимо друг от
друга. Обозначим: Ai = элемент i с дефектом, i = 1, 2, 3. Известны
вероятности этих событий: p1 = P(A1), p2 = P(A2), p3 = P(A3),значения
которых даны по вариантам. Найти вероятности событий: A = ни
один элемент не вышел из строя, B = только один элемент вышел
из строя, C = только два элемента вышли из строя , D = все
элементы вышли из строя, E = первый элемент не вышел из
строя.
1) p1=0,9, p2=0,8, p3=0,7; 2) p1=0,7, p2=0,8, p3=0,7;
3) p1=0,6, p2=0,8, p3=0,7; 4) p1=0,5, p2=0,8, p3=0,7;
5) p1=0,4, p2=0,8, p3=0,7; 6) p1=0,9, p2=0,8, p3=0,6;
7) p1=0,7, p2=0,8, p3=0,6; 8) p1=0,5, p2=0,8, p3=0,6;
9) p1=0,4, p2=0,8, p3=0,6; 10) p1=0,4, p2=0,6, p3=0,5;
11) p1=0,7, p2=0,6, p3=0,5; 12) p1=0,8, p2=0,6, p3=0,5;
13) p1=0,9, p2=0,6, p3=0,5; 14) p1=0,5, p2=0,8, p3=0,4;
15) p1=0,6, p2=0,8, p3=0,4; 16) p1=0,7, p2=0,8, p3=0,4;
17) p1=0,9, p2=0,8, p3=0,4; 18) p1=0,4, p2=0,8, p3=0,5;
19) p1=0,6, p2=0,7, p3=0,5; 20) p1=0,8, p2=0,7, p3=0,5;
21) p1=0,7, p2=0,8, p3=0,9; 22) p1=0,7, p2=0,8, p3=0,3;
23) p1=0,7, p2=0,8, p3=0,6; 24) p1=0,7, p2=0,6, p3=0,5;
25) p1=0,7, p2=0,8, p3=0,4; 26) p1=0,6, p2=0,8, p3=0,9;
27) p1=0,6, p2=0,7, p3=0,8; 28) p1=0,6, p2=0,8, p3=0,5;
29) p1=0,6, p2=0,8, p3=0,4; 30) p1=0,5, p2=0,6, p3=0,4.
8.1.4. Магазин получает для реализации однотипные изделия
произведенные на трех разных заводах в отношении: n1% от первого
завода, n2% от второго завода и n3% с третьего завода. Процент
дефектных изделий для первого завода - m1, m2 для второго и m3 для
третьего завода.

1)Какова вероятностьтого что случайно купленное изделие будет


без дефекта? 2) Случайно купленное изделие оказалось с дефектом.
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 34
Какова вероятностьтого того что это изделие было произведено на
заводе с номером k.
1) n1=20, n2=30, n3=50, m1=5, m2=3, m3=2, k=1;
2) n1=10, n2=40, n3=50, m1=3, m2=2, m3=5; k=2;
3) n1=30, n2=20, n3=50, m1=4, m2=1, m3=5; k=3;
4) n1=40, n2=10, n3=50, m1=1, m2=5, m3=4; k=1;
5) n1=10, n2=50, n3=40, m1=2, m2=4, m3=4; k=2;
6) n1=20, n2=40, n3=40, m1=3, m2=3, m3=4; k=3;
7) n1=30, n2=30, n3=40, m1=4, m2=2, m3=4; k=1;
8) n1=40, n2=20, n3=40, m1=5, m2=1, m3=4; k=2;
9) n1=50, n2=10, n3=40, m1=1, m2=6, m3=3; k=3;
10) n1=10, n2=60, n3=30, m1=2, m2=5, m3=3; k=1;
11) n1=20, n2=50, n3=30, m1=3, m2=4, m3=3; k=2;
12) n1=30, n2=40, n3=30, m1=4, m2=3, m3=3; k=3;
13) n1=40, n2=30, n3=30, m1=5, m2=2, m3=3; k=1;
14) n1=50, n2=20, n3=30, m1=6, m2=1, m3=3; k=2;
15) n1=60, n2=10, n3=30, m1=1, m2=7, m3=2; k=3;
16) n1=10, n2=70, n3=20, m1=2, m2=6, m3=2; k=1;
17) n1=20, n2=60, n3=20, m1=3, m2=5, m3=2; k=2;
18) n1=30, n2=50, n3=20, m1=4, m2=4, m3=2; k=3;
19) n1=40, n2=40, n3=20, m1=5, m2=3, m3=2; k=1;
20) n1=50, n2=30, n3=20, m1=6, m2=2, m3=2; k=2;
21) n1=10, n2=40, n3=50, m1=7, m2=5, m3=4; k=3;
22) n1=20, n2=60, n3=20, m1=6, m2=3, m3=7; k=1;
23) n1=30, n2=20, n3=50, m1=4, m2=5, m3=6; k=2;
24) n1=40, n2=20, n3=40, m1=5, m2=7, m3=6; k=3;
25) n1=40, n2=30, n3=30, m1=5, m2=4, m3=6; k=1;
26) n1=40, n2=10, n3=50, m1=3, m2=8, m3=4; k=2;
27) n1=50, n2=30, n3=20, m1=3, m2=4, m3=5; k=3;
28) n1=20, n2=50, n3=30, m1=5, m2=6, m3=4; k=1;
29) n1=30, n2=20, n3=50, m1=7, m2=5, m3=6; k=2;
30) n1=40, n2=50, n3=10, m1=5, m2=6, m3=8, k=3.
8.1.5. Мноета бросается n раз. Найти вероятности следующих
случайных событий: A = решка появилась k раз, B = герб
появился не более 2 раз, C = герб не появился ни разу. Число n
равно 25 плюс номер варианта, а k равен 10 плюс номер варианта.
8.1.6. Вероятность того что некоторое электронное устройство
выйдет из строя в гарантийный срок равна p=0,12. Найти
вероятность того что из 1000 купленных устройств в период
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 35
гарантии выйдут из строя m устройств. Число m совпадает сномером
варианта плюс 100.
8.1.7. В урне находятся n шаров трех цветов: n1 белых, n2 черных
и n3синих. Извлекаются с возвращением m шаров. Найти
вероятности следующих случайных событий: A = все извлеченные
белые, B = m1 шара белые, m2 черные иi m3 синие, C = m1 белые а
остальные другого цвета .
1) n=15, n1=4 n2=5, n3=6, m=10, m1=2, m2=3, m3=5;
2) n=15, n1=3, n2=6, n3=6, m=10, m1= 2, m2=4, m3=4;
3) n=15, n1=5, n2=4, n3=6, m=10, m1=3, m2=2, m3=5
4) n=15, n1=6, n2=5, n3=4, m=10, m1=5, m2=3, m3=2;
5) n=15, n1=4, n2=6, n3=5, m=10, m1=2, m2=4, m3=4;
6) n=15, n1=3, n2=5, n3=7, m=9, m1=1, m2=3, m3=5;
7) n=15, n1=5, n2=6, n3=4, m=9, m1=2, m2=5, m3=2;
8) n=15, n1=6, n2=4, n3=5, m=9, m1=3, m2=2, m3=4;
9) n=15, n1=7, n2=4, n3=4, m=9, m1=5, m2=3, m3=1;
10) n=15, n1=7, n2=3, n3=5, m=9, m1=4, m2=2, m3=3;
11) n=18, n1=4, n2=6, n3=8, m=10, m1=2, m2=3, m3=5;
12) n=18, n1=5, n2=5, n3=8, m=10, m1=4, m2=1, m3=5;
13) n=18, n1=4, n2=8, n3=6, m=10, m1=2, m2=4, m3=4;
14) n=18, n1=5, n2=8, n3=5, m=10, m1=3, m2=5, m3=2;
15) n=18, n1=5, n2=6, n3=7, m=10, m1=3, m2=4, m3=3;
16) n=16, n1=5, n2=7, n3=6, m=9, m1=3, m2=3, m3=3;
17) n=18, n1=6, n2=5, n3=7, m=9, m1=3, m2=2, m3=4;
18) n=18, n1=6, n2=7, n3=5, m=9, m1=4, m2=4, m3=1;
19) n=18, n1=6, n2=8, n3=4, m=9, m1=4, m2=3, m3=2;
20) n=18, n1=6, n2=4, n3=8, m=9, m1=3, m2=2, m3=5;
21) n=16, n1=5, n2=5, n3=6, m=8, m1=2, m2=3, m3=3;
22) n=16, n1=5, n2=6, n3=5, m=8, m1=3, m2=2, m3=3;
23) n=16, n1=5, n2=7, n3=4, m=8, m1=3, m2=4, m3=1;
24) n=16, n1=5, n2=4, n3=7, m=8, m1=3, m2=2, m3=3;
25) n=16, n1=6, n2=5, n3=5, m=8, m1=4, m2=3, m3=1;
26) n=16, n1=6, n2=4, n3=6, m=9, m1=3, m2=3, m3=3;
27) n=16, n1=6, n2=6, n3=4, m=9, m1=2, m2=4, m3=2;
28) n=16, n1=7, n2=4, n3=5, m=9, m1=4, m2=2, m3=3;
29) n=16, n1=7, n2=5, n3=4, m=9, m1=5, m2=2, m3=2;
30) n=16, n1=4, n2=5, n3=7, m=9, m1=2, m2=3, m3=4.
8.1.8. Вычислить вероятности событий A, B иC из примераl 8.1.7
при условии что извлеченные шары не возвращаются в урну.
Moloşniuc A. SISTEMUL DE PROGRAME MATHEMATICA 36
8.1.9. 1) Какова вероятность того что число 3 появится впервые
при броске с номером m игральной кости? 2) Какова вероятность
того что при первых m бросков игральной кости число 3 не
появится? Число m равно номеру варианта плюс 4.
8.1.10. Вероятность наступления события А в каждом из
проведенных независимых испытаниях равна p: p = P(A). 1) Найти
вероятности того что за 1000 повторенных испытаний событие A
появится k раз (использовать локальную формулу Муавра-Лапласа
и формулу Пуассона). 2) Найти вероятности того что за 1000
повторенных испытаний событие A появится не менее k1 и не более
k2 раза.
1) p=0,008, k=9, k1=5, k2=13, 2) p=0,009, k=10, k1=6, k2=14,
3) p=0,011, k=11, k1=7, k2=15, 4) p=0,011 k=9, k1=7, k2=15,
5) p=0,012, k=10, k1=8, k2=16, 6) p=0,008, k=10, k1=7, k2=13,
7) p=0,009, k=11, k1=8, k2=14, 8) p=0,01, k=12, k1=9, k2=15,
9) p=0,011, k=10, k1=9, k2=14, 10) p=0,012, k=11, k1=10, k2=15,
11) p=0,008, k=11, k1=6, k2=13, 12) p=0,009, k=12, k1=7, k2=13,
13) p=0,01, k=13, k1=8, k2=15, 14) p=0,011, k=11, k1=9, k2=14,
15) p=0,012, k=13, k1=10, k2=15, 16) p=0,008, k=7, k1=5, k2=10,
17) p=0,009, k=8, k1=6, k2=16, 18) p=0,01, k=9, k1=7, k2=17,
19) p=0,011, k=10, k1=6, k2=17, 20) p=0,012, k=11, k1=8, k2=18,
21) p=0,008, k=9, k1=5, k2=15, 22) p=0,009, k=10, k1=6, k2=15,
23) p=0,01, k=9, k1=4, k2=14, 24) p=0,011, k=10, k1=6, k2=17,
25) p=0,012, k=11, k1=5, k2=14, 26) p=0,008, k=9, k1=5, k2=15,
27) p=0,009, k=8, k1=4, k2=14, 28) p=0,01, k=9, k1=7, k2=17,
29) p=0,011, k=12, k1=8, k2=18, 30) p=0,012, k=11, k1=6, k2=17.
************