Вы находитесь на странице: 1из 209

.

Д. А. КОРШУНОВ, С. Г. ФОСС,
И. М. ЭЙСЫМОНТ

СБОРНИК
ЗАДАЧ И УПРАЖНЕНИЙ
ПО ТЕОРИИ
ВЕРОЯТНОСТЕЙ

УЧЕБНОЕ ПОСОБИЕ

САНКТ-ПЕТЕРБУРГ
2011
ББК 22.171
К 66
Коршунов Д. А., Фосс С. Г., Эйсымонт И. М.
Сборник задач и упражнений по теории вероятностей: Учеб-
ное пособие. — 2-е изд., испр. и доп. — СПб.: Издательство
«Лань», 2011. — 208 с. — (Учебники для вузов. Специальная
литература).
ISBN
Сборник содержит 909 задач и упражнений по основным раз-
делам учебных курсов теории вероятностей и теории случайных
процессов. Приведены решения типовых задач. Все задачи снаб-
жены ответами. В приложение включены таблицы наиболее важ-
ных распределений.
Данное учебное пособие предназначено для студентов и ас-
пирантов математических, физических, естественных, техниче-
ских и экономических специальностей.

ISBN c Издательство «Лань», 2011



c Коршунов Д. А., Фосс С. Г.,

Эйсымонт И. М., 2011
c Издательство «Лань»,

художественное оформление, 2011
СОДЕРЖАНИЕ

Предисловие ко второму изданию . . . . . . . . . . . . . . . . 5

Предисловие к первому изданию . . . . . . . . . . . . . . . . . 6

О т д е л I. Вероятностное пространство . . . . . . . . . . . . . 8
§ 1. Операции над событиями . . . . . . . . . . . . . . . . . 8
§ 2. Классическое вероятностное пространство . . . . . . . 13
§ 3. Геометрические вероятности . . . . . . . . . . . . . . . . 23

О т д е л II. Условная вероятность и независимость . . . . . . 29


§ 4. Условная вероятность . . . . . . . . . . . . . . . . . . . 29
§ 5. Независимые события . . . . . . . . . . . . . . . . . . . 32
§ 6. Схема Бернулли . . . . . . . . . . . . . . . . . . . . . . 37
§ 7. Формула полной вероятности. Формула Байеса . . . . . 42

О т д е л III. Случайные величины и их распределения . . . . . 51


§ 8. Случайные величины . . . . . . . . . . . . . . . . . . . . 51
§ 9. Функции распределения . . . . . . . . . . . . . . . . . . 52
§ 10. Совместное распределение. Независимость . . . . . . . 61
§ 11. Преобразование независимых случайных величин . . . 71
§ 12. Моменты . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
§ 13. Ковариация и коэффициент корреляции . . . . . . . . . 92
§ 14. Неравенства . . . . . . . . . . . . . . . . . . . . . . . . . 95
§ 15. Характеристические функции . . . . . . . . . . . . . . . 97
§ 16. Производящие функции . . . . . . . . . . . . . . . . . . 102
§ 17. Безгранично делимые распределения . . . . . . . . . . . 105

О т д е л IV. Сходимость случайных величин


и распределений . . . . . . . . . . . . . . . . . . . . . 107
§ 18. Сходимость почти наверное . . . . . . . . . . . . . . . . 107
§ 19. Сходимость по вероятности . . . . . . . . . . . . . . . . 111

3
4 СОДЕРЖАНИЕ

§ 20. Слабая сходимость . . . . . . . . . . . . . . . . . . . . . 115


§ 21. Сходимость средних и в среднем . . . . . . . . . . . . . 118

О т д е л V. Закон больших чисел . . . . . . . . . . . . . . . . . . 122


§ 22. Независимые одинаково распределённые слагаемые . . 122
§ 23. Независимые разнораспределённые слагаемые . . . . . 124
§ 24. Зависимые слагаемые . . . . . . . . . . . . . . . . . . . 127

О т д е л VI. Предельные теоремы . . . . . . . . . . . . . . . . . 130


§ 25. Центральная предельная теорема . . . . . . . . . . . . . 130
§ 26. Численные задачи на использование центральной
предельной теоремы и теоремы Пуассона . . . . . . . . 135

О т д е л VII. Цепи Маркова . . . . . . . . . . . . . . . . . . . . . 143


§ 27. Переходные вероятности . . . . . . . . . . . . . . . . . . 143
§ 28. Классификация состояний. Эргодичность цепей . . . . . 147

О т д е л VIII. Условное математическое ожидание.


Мартингалы . . . . . . . . . . . . . . . . . . . . . . . . 153
§ 29. Условное математическое ожидание . . . . . . . . . . . 153
§ 30. Мартингалы . . . . . . . . . . . . . . . . . . . . . . . . . 157

О т д е л IX. Случайные процессы . . . . . . . . . . . . . . . . . 160


§ 31. Общие свойства . . . . . . . . . . . . . . . . . . . . . . . 160
§ 32. Винеровский процесс . . . . . . . . . . . . . . . . . . . . 164
§ 33. Пуассоновский процесс . . . . . . . . . . . . . . . . . . 166
§ 34. Линейная теория случайных последовательностей . . . 170
§ 35. Ветвящиеся процессы с дискретным временем . . . . . 172
§ 36. Скачкообразные марковские процессы . . . . . . . . . . 173

Приложения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
1. Важнейшие дискретные распределения . . . . . . . . . 180
2. Таблица распределения Пуассона . . . . . . . . . . . . . 181
3. Важнейшие плотности распределения . . . . . . . . . . 182
4. Таблица нормального распределения . . . . . . . . . . . 183

Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . 184

Ответы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186

Предметный указатель . . . . . . . . . . . . . . . . . . . . . . . 204


ПРЕДИСЛОВИЕ КО ВТОРОМУ ИЗДАНИЮ

Второе издание сборника задач отличается от первого незна-


чительно. Почти все задачи сохранили прежние номера, что поз-
воляет использовать на практических занятиях первое и второе
издания одновременно. По сравнению с первым изданием, вы-
пущенным в 2004 г., уточнены формулировки отдельных задач,
а также существенно дополнен последний отдел, посвящённый
случайным процессам. В частности, появился параграф про скач-
кообразные марковские процессы. Кроме того, теперь сборник
снабжён предметным указателем.
Мы глубоко благодарны своим коллегам и студентам, нашед-
шим время сообщить нам о недостатках первого издания.

Д. А. Коршунов
С. Г. Фосс
И. М. Эйсымонт
Новосибирск, август 2011 г.
ПРЕДИСЛОВИЕ К ПЕРВОМУ ИЗДАНИЮ

Настоящий сборник задач и упражнений предназначен преж-


де всего для использования на практических занятиях по курсам
теории вероятностей и случайных процессов на математических
факультетах университетов. Кроме того, бо́льшая часть задач,
включённых в сборник, может предлагаться и студентам других
естественно-научных специальностей, изучающим теорию веро-
ятностей и математическую статистику.
Предлагаемый сборник создан на основе одноимённого учеб-
ного пособия первых двух авторов, выдержавшего два издания
(1997, 2003) в Новосибирском государственном университете.
При составлении сборника, содержащего около 900 задач
различной степени сложности, была просмотрена весьма обшир-
ная литература (см. соответствующий список), а также допол-
нительные задачи и упражнения, использовавшиеся авторами и
их коллегами в многолетнем процессе преподавания вероятност-
ных курсов на различных факультетах Новосибирского государ-
ственного университета. При этом авторы стремились отбирать
задачи так, чтобы они были достаточно прозрачными по форме
и по существу и освещали основные разделы стандартного уни-
верситетского курса теории вероятностей.
Для бо́льшей эффективности использования сборника при-
ведены решения типовых задач. В конце книги даны ответы к
решениям задач, а также для удобства помещены таблицы нор-
мального закона и распределения Пуассона.
Мы искренне признательны коллегам по кафедре теории ве-
роятностей и математической статистики Новосибирского уни-
верситета, многолетняя совместная работа с которыми оказала
большое влияние на формирование наших педагогических взгля-
ПРЕДИСЛОВИЕ К ПЕРВОМУ ИЗДАНИЮ 7

дов. Особая благодарность Н. И. Черновой за постоянную по-


мощь в обсуждении различных задач.
Со своей стороны надеемся, что результат нашего труда бу-
дет полезен друзьям и коллегам в их работе по обучению новых
поколений студентов столь увлекательной науке, как теория ве-
роятностей. Мы будем весьма признательны за любые замечания
и предложения как по тексту и составу задач, так и по структуре
сборника в целом.

Д. А. Коршунов
С. Г. Фосс
И. М. Эйсымонт
Новосибирск, май 2004 г.
ОТДЕЛ I

ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

§ 1. Операции над событиями

Пусть Ω — непустое множество, элементы которого будем назы-


вать элементарными исходами, а само Ω — пространством эле-
ментарных исходов.
Для любых подмножеств A и B множества Ω используются следу-
ющие обозначения: A ∪ B (или A + B) — объединение (или сумма) A и
B; A ∩ B (или AB) — пересечение (или произведение) A и B; A \ B —
разность A и B; A — дополнительное (противоположное) множе-
ство, т. е. множество Ω \ A.
Произвольный класс A подмножеств множества Ω называется ал-
геброй множеств, если:
1) Ω ∈ A ;
2) если A ∈ A , то A ∈ A ;
3) если A и B ∈ A , то A ∪ B ∈ A .
Тем или иным образом выделяется некоторый класс F подмножеств
множества Ω, образующий σ-алгебру множеств, т. е. класс, обладающий
следующими свойствами:
1) Ω ∈ F ;
2) если A ∈ F , то A ∈ F ;

3) если A1 , A2 , . . . ∈ F , то Ai ∈ F .
S
i=1
Элементы класса F называются событиями, а сам класс F назы-
вается σ-алгеброй событий. Событие Ω называется достоверным, а
событие ∅ (пустое множество) — невозможным.
События A и B несовместны, если A ∩ B = ∅. События A1 , A2 , . . . ,
An называются попарно несовместными, если Ai ∩ A j = ∅ для любых
i 6= j.
§ 1. Операции над событиями 9

Функция P : F → [0, 1] называется вероятностью, если P{Ω} = 1 и



( )
[ ∞
P Ai = ∑ P{Ai }
i=1 i=1

для любого набора попарно несовместных событий A1 , A2 , . . .


Тройка (Ω, F , P) называется вероятностным пространством.
Для любого события A ∈ F через IA : Ω → {0, 1} обозначается ин-
дикатор этого события, т. е.

1, если ω ∈ A,
IA (ω) =
0, если ω 6∈ A.

Борелевской σ-алгеброй в пространстве Rd называется наимень-


шая σ-алгебра, порождённая параллелепипедами вида

[a1 , b1 ] × . . . × [ad , bd ], ai , bi ∈ R.

1.1. Среди студентов, собравшихся на лекцию по теории ве-


роятностей, наудачу выбирают одного. Пусть событие A заклю-
чается в том, что выбранный студент окажется юношей; событие
B — в том, что он не курит, а событие C — в том, что он живёт в
общежитии. Описать событие ABC. Когда справедливы:
а) равенство ABC = A; в) равенство A = B;
б) включение C ⊆ B; г) равенство B = B?
1.2. Монета подбрасывается три раза подряд. Построить про-
странство элементарных исходов Ω. Описать событие A, состо-
ящее в том, что выпало не менее двух гербов.
1.3. Пусть A, B и C — события. Каков смысл равенств:
а) ABC = A; б) A + B +C = A?
1.4. Пусть A, B и C — события. Упростить выражения:
а) (A + B)(B +C); в) (A + B)(A + B)(A + B).
б) (A + B)(A + B);
1.5. Какие из следующих соотношений правильны:
a) (A + B) \C = A + (B \C); ж) ABC = AB(B +C);
б) (A + B)C = A BC; з) A + B = (A \ AB) + B;
в) AB + BC +CA ⊇ ABC; и) (A + B)C = AC + BC;
г) (A + B) \ A = B; к) ABC ⊆ A + B;
д) A + B +C = A B C; л) (AB + BC +CA) ⊆ (A + B +C)?
е) (A + B)C = C \ (C(A + B));
10 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

Р е ш е н и е. а) Пусть A = {1, 2}, B = ∅, C = {2}. Тогда имеем равен-


ство (A + B) \ C = {1}, в то время как A + (B \ C) = {1, 2}. Построенный
пример показывает, что сформулированное равенство неверно.
б) Возьмём произвольно ω ∈ (A + B)C. Тогда одновременно выпол-
няется ω ∈ A + B и ω ∈ C. Первая принадлежность эквивалентна тому,
что ω 6∈ A + B, т. е. ω 6∈ A и ω 6∈ B. Равносильно, ω ∈ A и ω ∈ B. Таким
образом, ω ∈ A BC. Равенство доказано.
1.6. Пусть A, B и C — произвольные события. Найти выра-
жения для событий, состоящих в том, что из A, B и C:
а) произошло только A;
б) произошли A и B, но C не произошло;
в) все три события произошли;
г) произошло хотя бы одно из этих событий;
д) произошло хотя бы два события;
е) произошло одно и только одно из этих событий;
ж) произошло два и только два события;
з) ни одно событие не произошло;
и) произошло не более двух событий.
1.7. Рабочий изготовил n деталей. Пусть событие Ai состоит
в том, что i-я изготовленная им деталь имеет дефект. Записать
событие, заключающееся в том, что:
а) ни одна из деталей не имеет дефектов;
б) хотя бы одна деталь имеет дефект;
в) ровно одна деталь имеет дефект;
г) не более двух деталей имеют дефекты;
д) по крайней мере две детали не имеют дефектов;
е) точно две детали дефектны.
1.8. Объединение A ∪ B двух событий может быть выражено
как объединение двух несовместных событий, A ∪ B = A ∪ (BA).
Выразить подобным образом объединение трёх событий A, B и
C.
1.9. Доказать, что для любого набора событий A1 , . . . , An вы-
полнены равенства:
n
\ n
[ n
[ n
\
Ai = Ai , Ai = Ai .
i=1 i=1 i=1 i=1

1.10. Пусть B и C — два события. Положим An = B, если n


§ 1. Операции над событиями 11

чётное и An = C, если n нечётное. Найти событие, состоящее в


том, что:
a) произошло бесконечно много событий среди An ;
б) произошло конечное число событий среди An ;
в) произошли все события An за исключением, быть может,
лишь конечного числа из них.
1.11. Пусть Ω — пространство элементарных исходов, A —
его произвольное подмножество, причём A 6= Ω и A 6= ∅. Дока-
зать, что следующие наборы подмножеств Ω являются σ-алгеб-
рами:
а) F = {Ω, ∅} (эта σ-алгебра называется тривиальной);
б) F = {Ω, ∅, A, A}.
1.12. Доказать, что если пространство элементарных исхо-
дов Ω состоит из n элементов, то множество всех подмножеств Ω
содержит ровно 2n элементов.
1.13. Монета подбрасывается три раза подряд. Являются ли
σ-алгебрами следующие системы подмножеств:
а) ∅, Ω, {ГГГ, ГГР, ГРГ, ГРР}, {РГГ, РГР, РРГ, РРР};
б) ∅, Ω, {ГГГ, ГРГ, РГР, РРР}, {РГГ, РГР, РРГ, РРР}?
1.14. Пусть Ω = R. Доказать, что совокупность подмножеств
A = {Ω, ∅, [0, 1], {0}} не является σ-алгеброй. Построить мини-
мальную σ-алгебру, содержащую A .
1.15. Пусть F — совокупность всех подмножеств A ⊆ R та-
ких, что A или R \ A содержит конечное число элементов. Явля-
ется ли F алгеброй множеств? Найти наименьшую σ-алгебру,
порождённую F . Являются ли измеримыми относительно σ(F )
следующие функции:
а) f (x) = x; г) f (x) = I[0,1] (x);
б) f (x) ≡ 17; д) f (x) = I{0} (x);
в) f (x) = IZ (x); е) f (x) = xIZ (x)?
1.16. Пусть F — совокупность отрезков в R вида [0, 2−n ), где
n ∈ Z+ .
а) Является ли F σ-алгеброй подмножеств?
б) Найти наименьшую σ-алгебру, порождённую F .
в) Какие функции из R в R измеримы относительно σ(F )?
1.17. Пусть F — совокупность отрезков в R вида [0, n), где
n ∈ Z+ .
а) Является ли F σ-алгеброй подмножеств?
12 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

б) Найти наименьшую σ-алгебру, порождённую F .


в) Какие функции из R в R измеримы относительно σ(F )?
1.18. Пусть F1 — совокупность всех подмножеств в R2 вида
B × R, где B ⊆ R измеримо по Борелю, а F2 — вида R × B.
а) Являются ли F1 и F2 σ-алгебрами подмножеств?
б) Какие события из F2 измеримы относительно F1 ?
в) Какие функции из R2 в R измеримы относительно F1 ?
г) Найти наименьшую σ-алгебру, порождённую F1 ∪ F2 .
1.19. Для любых событий A и B доказать, что:
а) P{A} = 1 − P{A};
б) если A ⊆ B, то P{B \ A} = P{B} − P{A};
в) если A ⊆ B, то P{A} 6 P{B};
г) P{A ∪ B} = P{A} + P{B} − P{AB};
д) 1 − P{A} − P{B} 6 P{AB} 6 1;
е) P{AB} = 1 − P{A} − P{B} + P{A B}.
Р е ш е н и е. а) События A и A несовместны, а A ∪ A = Ω. Следова-
тельно, 1 = P{Ω} = P{A ∪ A} = P{A} + P{A}, откуда вытекает сформу-
лированное равенство.
1.20. Для любого набора событий A1 , . . . , An доказать следу-
ющие равенства (формулы включения-исключения):
( )
n
[ n
a) P Ai = ∑ P{Ai } − ∑ P{Ai A j } +
i=1 i=1 16i< j6n
( )
n
\
+ ∑ P{Ai A j Ak } − . . . + (−1)n+1 P Ai ;
16i< j<k6n i=1

( )
n
\ n
б) P Ai = ∑ P{Ai } − ∑ P{Ai ∪ A j } +
i=1 i=1 16i< j6n
( )
n
[
+ ∑ P{Ai ∪A j ∪Ak } − . . . + (−1)n+1 P Ai .
16i< j<k6n i=1

1.21. Пусть P{An } = 0 при всех n. Доказать равенство


( )

[
P An = 0.
n=1
§ 2. Классические вероятности 13

1.22. Пусть P{An } = 1 при всех n. Доказать равенство


( )

\
P An = 1.
n=1

1.23. Доказать, что для любой последовательности событий


{An } справедливо неравенство
( )

[ ∞
P Ai 6 ∑ P {Ai } .
i=1 i=1

1.24. Рассмотрим последовательность событий {An } и обо-


значим через A событие, состоящее в том, что произойдёт беско-
нечно много событий An , т. е.
n ∞ o
A= ω: ∑ IAn (ω) = ∞ .
n=1

Доказать, что
∞ [
\ ∞
A = An .
n=1 k=n

1.25. В условиях предыдущей задачи доказать, что если ряд



∑ P{An } сходится, то P{A} = 0 (лемма Бореля — Кантелли).
n=1

§ 2. Классическое вероятностное пространство


Пусть множество Ω состоит из конечного числа n элементарных ис-
ходов Ω = {ω1 , . . . , ωn }, а σ-алгебра F состоит из всех подмножеств
пространства Ω. Для любого события A положим
число элементов в A
P{A} = .
n
Это определение вероятности, при котором все элементарные исходы
равновозможны, называется классическим.
Приведём основные формулы для числа выборок объёма k из n раз-
личных элементов.
14 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

Из n различных элементов можно выбрать k элементов без возвра-


щения (выборка составляется из различных элементов) и с учётом по-
рядка (выборка определяется не только составом элементов, но и их
порядком) числом способов, равным числу размещений из n элемен-
тов по k:
n!
Akn = .
(n − k)!
Из n различных элементов можно выбрать k элементов без возвра-
щения и без учёта порядка (выборка определяется только составом
элементов) числом способов, равным числу сочетаний из n элемен-
тов по k:
n!
Cnk = .
k!(n − k)!
Общее число различных выборок объёма k из n элементов с возвра-
щением (элементы выборки могут повторяться) и с учётом порядка
равно nk .
Общее число различных выборок объёма k из n элементов с возвра-
k n−1
щением и без учёта порядка равно Cn+k−1 (= Cn+k−1 ).
В табличном виде:
Выборка с возвращением без возвращения
k n!
с учётом порядка n Akn =
(n − k)!
k (n + k − 1)! n!
без учёта порядка Cn+k−1 = Cnk =
k!(n − 1)! k!(n − k)!

2.1. На полке в случайном порядке расставлено n книг, сре-


ди которых находится двухтомник Д. Лондона. Предполагается,
что различные расположения книг равновероятны. Найти веро-
ятность того, что оба тома расположены рядом, причём первый
том слева от второго.
Р е ш е н и е. В качестве пространства элементарных исходов можно
рассмотреть множество упорядоченных последовательностей из n книг.
Поскольку по-разному упорядоченные последовательности книг на пол-
ке равновероятны, то речь идёт о классическом определении вероятно-
сти. Общее число различных способов упорядочить n книг равно n!.
Теперь посчитаем количество благоприятных исходов. Первый том
может занять одно из n − 1 места (первый том не может стоять послед-
ним на полке). Второй том поставим рядом справа от первого, а осталь-
ные книги расставим на оставшиеся n − 2 места; для этого существует
§ 2. Классические вероятности 15

(n − 2)! способов. Таким образом, число благоприятных исходов равно


(n − 1)(n − 2)!.
По классическому определению вероятность того, что тома будут
стоять рядом, равна отношению (n − 1)!/n! = 1/n.
2.2. N человек садятся случайным образом за круглый стол.
Найти вероятность того, что:
а) друзья A и B сядут рядом, причём B слева от A;
б) друзья A, B и C сядут рядом, причём A справа от B, а C
слева.
2.3. N человек, среди которых находятся A и B, случайным
образом поставлены в ряд. Какова вероятность того, что между
A и B окажется ровно r человек?
2.4. Числа 1, . . . , n расположены в случайном порядке. Найти
вероятность того, что числа
а) 1 и 2; б) 1, 2 и 3
расположены рядом в указанном порядке.
2.5. Ребенок играет с 10 буквами разрезной азбуки: А, А, А,
Е, И, К, М, М, Т, Т. Какова вероятность того, что при случайном
расположении букв в ряд он получит слово МАТЕМАТИКА?
2.6. Брошены две игральные кости. Пусть событие A состоит
в том, что выпавшая сумма очков нечётна, а событие B — в том,
что хотя бы на одной из костей выпала единица. Описать собы-
тия:
а) A ∩ B; в) A ∪ B;
б) A ∩ B; г) A ∩ B.
Найти их вероятности.
Р е ш е н и е. а) Эксперимент эквивалентен бросанию одной кости
два раза. Поэтому множество элементарных исходов состоит из упо-
рядоченных пар чисел, каждое из которых принимает значения из мно-
жества {1, 2, 3, 4, 5, 6}. Все исходы равновероятны, поэтому использу-
ем классическое определение вероятности. Общее число элементарных
исходов равно 62 = 36. Событие A ∩ B состоит в том, что на одной из ко-
стей выпала единица, а на другой — чётное число. В частности, если на
первом кубике единица, то на втором одно из трёх чётных чисел. Так как
единица может выпасть и на втором кубике, общее число благоприят-
ных исходов равно 6. Вероятность события A ∩ B равна 6/36 = 1/6.
2.7. Найти вероятность получить 12 очков хотя бы один раз
16 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

при n бросаниях двух игральных костей.


2.8. Брошены три монеты. Найти вероятности событий:
а) A = {первая монета выпала гербом};
б) B = {выпало ровно два герба};
в) C = {выпало не больше двух гербов}.
2.9. Куб, все грани которого окрашены, распилен на 1000 ку-
биков одного размера. Определить вероятность того, что наудачу
извлеченный кубик будет иметь ровно две окрашенные грани.
2.10. Брошены 4 игральные кости. Найти вероятность того,
что на них выпадет по одинаковому числу очков.
2.11. Брошены 5 игральных костей. Найти вероятность того,
что по меньшей мере на
а) двух; б) трёх
из них выпадут одинаковые грани.
2.12. В лифт 9-этажного дома на первом этаже вошли 5 чело-
век. Известно, что каждый из них с равной вероятностью может
выйти на любом из этажей, начиная со второго. Найти вероят-
ность того, что все пятеро выйдут:
а) на пятом этаже;
б) одновременно (на одном и том же этаже);
в) на разных этажах.
Р е ш е н и е. в) Так как все люди разные, то пространство элемен-
тарных исходов — это множество выборок объёма 5 с возвращением и
с учётом порядка из набора чисел {2, . . . , 9}: для каждого из вошедших
выберем для выхода один из восьми этажей. Элементарные исходы рав-
новероятны. Всего их 85 штук. Число же благоприятных исходов равно
числу размещений из 8 по 5: A58 = 8!/(8−5)!. Искомая вероятность равна
отношению
A58 8 · 7 · 6 · 5 · 4 105
= = .
85 85 512
2.13. Какова вероятность того, что в четырёхзначном номере
случайно выбранного в большом городе автомобиля:
а) все цифры разные;
б) две пары одинаковых цифр типа AABB, включая AAAA;
в) две пары одинаковых цифр типа AABB, исключая AAAA;
г) только две одинаковые цифры;
д) только три одинаковые цифры;
е) все цифры одинаковые;
§ 2. Классические вероятности 17

ж) сумма двух первых цифр равна сумме двух последних?


2.14. Найти вероятность того, что среди r случайно выбран-
ных (с возвращением) цифр:
а) не встретится 0; в) не встретится ни 0, ни 1;
б) не встретится 1; г) нет двух равных;
д) не встретится хотя бы одна из двух цифр 0 или 1.
2.15. Цифры 1, 2, 3, 4 и 5 написаны на пяти карточках. На-
удачу вынимаются по одной три карточки и кладутся рядом сле-
ва направо. Какова вероятность того, что полученное число ока-
жется чётным?
2.16. Из цифр 1, 2, 3, 4 и 5 сначала выбирают одну, а затем из
оставшихся четырёх — вторую. Найти вероятность того, что:
а) в первый раз; в) оба раза
б) во второй раз;
будет выбрана нечётная цифра.
2.17. Колода игральных карт (52 листа, 4 масти по 13 карт
в каждой) тщательно перетасована. Наудачу берут 6 карт (без
возвращения). Описать пространство элементарных исходов, а
также найти вероятность того, что среди этих карт:
а) окажется король пик;
б) окажутся карты всех мастей;
в) окажутся ровно 5 карт одной масти;
г) первым окажется король пик;
д) пятым окажется король пик;
е) окажутся ровно 5 картинок и 2 красные карты;
ж) окажутся хотя бы 2 бубновые карты;
з) окажутся хотя бы 2 красные карты.
Р е ш е н и е. б) В качестве пространства элементарных исходов рас-
смотрим множество неупорядоченных наборов по шесть различных карт.
Всего таких наборов C52 6 . Рассматриваемое событие A = {есть предста-

вители всех мастей} представим в виде объединения двух несовмест-


ных событий B и C, где B = {одна масть представлена тремя картами,
а остальные три — по одной} и C = {две масти — по две карты и две
по одной}. В силу несовместности вероятность события A равна сумме
вероятностей событий B и C.
Чтобы найти вероятность события B, посчитаем число благопри-
ятных исходов. Зафиксируем масть, которая будет представлена тремя
картами. Это можно сделать C41 = 4 способами. Далее нужно из выбран-
ной масти взять три карты, число вариантов C13 3 , а из остальных мастей
18 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

1 . Таким
выбрать по одной карте, число вариантов для каждой масти C13
образом,

C41C13
3 (C1 )3
13
P{B} = 6
.
C52

Аналогично, вероятность события C равна

C42 (C13
2 )2 (C1 )2
13
P{C} = 6
.
C52

Отсюда
C41C13
3 (C1 )3 +C2 (C2 )2 (C1 )2
13 4 13 13
P{A} = P{B} + P{C} = 6
.
C52

2.18. Решить задачу 2.17 в случае, когда из колоды вынима-


ется 7 карт.
2.19. Из колоды карт в 52 листа наудачу вынимаются три
карты. Найти вероятность того, что:
а) среди них окажется ровно один туз;
б) среди них окажется хотя бы один туз;
в) это будут тройка, семёрка и туз (в любом порядке).
2.20. Колоду карт (36 листов) наудачу разделяют на две рав-
ные пачки. Чему равна вероятность, что:
а) в каждой из пачек окажется по два туза;
б) в одной из пачек окажутся все четыре туза;
в) в пачках окажется по равному числу красных карт?
2.21. Какое наименьшее число карт надо взять из колоды (52
листа), чтобы с вероятностью более 1/2 среди них встретились
хотя бы две карты одинакового наименования?
2.22. В ящике 10 красных и 6 синих пуговиц. Какова веро-
ятность того, что две наудачу вынутые пуговицы будут одноцвет-
ными?
2.23. В лотерее распространяются n билетов, из которых m
выигрышные. Некто купил k билетов. С какой вероятностью сре-
ди них есть хотя бы один выигрышный?
2.24. В партии, состоящей из N изделий, имеется M брако-
ванных. С какой вероятностью среди n (n < N) наудачу выбран-
ных из этой партии изделий окажется:
§ 2. Классические вероятности 19

а) ровно m бракованных (m < M);


б) не больше m бракованных?
2.25. Участник лотереи «Cпортлото» из 49 наименований ви-
дов спорта называет шесть. Выигрыш определяется тем, сколь-
ко наименований он угадал из шести других наименований, кото-
рые определяются в момент розыгрыша лотереи с помощью спе-
циального устройства, реализующего случайный выбор. С какой
вероятностью участник угадает:
а) все шесть наименований;
б) пять наименований;
в) два наименования;
г) ни одного наименования?
2.26. Ящик содержит 90 годных и 10 дефектных шурупов. С
какой вероятностью среди десяти наудачу взятых шурупов нет
дефектных?
2.27. На автомобильной стоянке n мест расположены в один
ряд. Прибывший на стоянку автомобиль занимает одно из сво-
бодных мест (не с краю). По возвращении владелец обнаружи-
вает, что ровно r мест ещё заняты. Какова вероятность того, что
оба соседних места свободны?
2.28. В чулане лежит n пар ботинок. Случайно выбираются r
ботинок (r 6 n). Чему равна вероятность того, что среди них:
а) не будет ни одной пары; в) окажется ровно две пары;
б) будет ровно одна пара; г) будет хотя бы одна пара?
2.29. Группа из 2n девочек и 2n мальчиков делится на две рав-
ные подгруппы. Найти вероятность того, что каждая подгруппа
содержит одинаковое число мальчиков и девочек.
2.30. Группа из 3 девочек и 3n мальчиков делится на три рав-
ные подгруппы. Какова вероятность того, что все девочки ока-
жутся в разных подгруппах?
2.31. В купейный вагон (9 купе по 4 места) семи пассажи-
рам продано семь билетов. Найти вероятность того, что оказа-
лись занятыми:
а) ровно два купе; б) ровно три купе.
2.32. Из множества {1, 2, . . . , n} одно за другим выбирают без
возвращения два числа. Какова вероятность того, что разность
между первым выбранным числом и вторым будет не меньше m,
0 < m < n?
20 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

2.33. Найти вероятность того, что:


а) дни рождения 12 человек придутся на 12 разных месяцев
года (предполагается, что все месяцы равновероятны);
б) дни рождения 6 человек придутся в точности на два месяца.
2.34. Собрались вместе n незнакомых человек. Найти веро-
ятность того, что хотя бы у двух из них совпадают дни рождения.
2.35. Десять рукописей разложены по 30 папкам (на одну ру-
копись приходится три папки). Найти вероятность того, что в
случайно отобранных 6 папках не содержится целиком ни одна
рукопись.
2.36. Некто написал n адресатам письма, в каждый конверт
вложил по одному письму и затем наудачу написал на каждом
конверте один из n адресов. Найти вероятность того, что хотя бы
одно письмо попало по назначению.
Р е ш е н и е. Результаты действия можно рассматривать как пере-
становку писем относительно конвертов, при этом все возможные исхо-
ды равновероятны, поэтому воспользуемся классическим определением
вероятности.
Пусть событие Ai состоит в том, что i-е письмо попало в свой кон-
верт, i = 1, 2, . . . , n. Тогда
n
[
A = {хотя бы одно письмо попало по назначению} = Ai .
i=1

События A1 , . . . , An совместны. Поэтому, чтобы найти искомую вероят-


ность, воспользуемся результатом задачи 1.20а.
Начнём с подсчёта вероятностей событий Ai . Общее число исходов
равно n!. Для события {i-е письмо попало в свой конверт} число бла-
гоприятных исходов можно посчитать, зафиксировав i-е письмо в сво-
ем конверте, а оставшиеся письма разложив произвольным образом по
(n − 1) конверту. Получаем (n − 1)! различных вариантов, и, следова-
тельно,
(n − 1)!
P{Ai } = .
n!
По тем же соображениям имеем равенства:
(n − 2)!
P{Ai A j } = для различных i, j,
n!
(n − 3)!
P{Ai A j Ak } = для различных i, j, k,
n!
§ 2. Классические вероятности 21

( .)
..
n
\ 1
P Ai = .
i=1
n!

Таким образом,
( )
n
[ n 
P Ai = ∑ P {Ai } − ∑ P Ai A j +
i=1 i=1 16i< j6n
( )
n
n+1
 \
+ ∑ P Ai A j Ak − . . . + (−1) P Ai =
16i< j<k6n i=1
(n − 1)! (n − 2)! (n − 3)! 1
= Cn1 −Cn2 +Cn3 − . . . + (−1)n+1Cnn =
n! n! n! n!
1 1 (−1)n+1
= 1− + −...+ .
2! 3! n!

2.37. В урне имеется n билетов с номерами от 1 до n. Билеты


вынимаются наудачу по одному (без возвращения) до опустоше-
ния урны. Чему равна вероятность того, что:
а) хотя бы один раз номер вынутого билета совпадёт с номе-
ром произведённого испытания;
б) номера первых m вынутых билетов будут идти в порядке
возрастания?
2.38. Один школьник, желая подшутить над своими товари-
щами, собрал в гардеробе все пальто, а потом развесил их в слу-
чайном порядке. Какова вероятность pn того, что хотя бы одно
пальто попало на прежнее место, если всего в гардеробе n крюч-
ков и на них висело n пальто. Найти предел pn при n → ∞.
2.39. В компании из n человек решили сделать друг другу по-
дарки, для чего каждый принёс подарок. Все подарки сложили
вместе, перемешали и случайно распределили среди участников.
Найти вероятность того, что:
а) хотя бы один подарок вернётся к своему владельцу;
б) конкретный человек получит свой собственный подарок.
Сравнить поведение этих вероятностей при увеличении n.
2.40. Две игральные кости бросают r раз, r > 6. Найти ве-
роятность того, что каждая из шести комбинаций (1,1), . . . , (6,6)
появится по меньшей мере один раз.
22 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

2.41. Каждая из n палок ломается на две части — длинную


и короткую. Затем 2n обломков случайным образом соединяют-
ся в n пар, каждая из которых образует новую «палку». Найти
вероятность того, что:
а) части будут соединены в первоначальном порядке;
б) все длинные части будут соединены с короткими.
2.42. Пусть имеется n ячеек, в которые случайно размещают-
ся r занумерованных частиц. Чему равна вероятность того, что:
а) в k-ю ячейку попало ровно s частиц;
б) хотя бы одна ячейка осталась пустой?
2.43. Из набора чисел 1, 2, . . . , N случайно отобраны n чисел
и расположены в порядке возрастания: x1 < x2 < . . . < xn . Какова
вероятность того, что xm < M? Найти предел этой вероятности,
когда M, N → ∞ так, что M/N → α > 0.
2.44. Чему равна вероятность того, что при двух бросаниях
трёх игральных костей получится один и тот же результат, если:
а) кости различны; б) кости неразличимы?
2.45. Найти вероятность того, что при случайном размещении
n различных шаров по n ящикам
а) ни один ящик не останется пустым;
б) ровно один ящик останется пустым.
2.46. Пусть имеется n ячеек, в которые случайно размещают-
ся r неразличимых частиц. Такой схеме соответствуют фотоны,
атомные ядра и атомы, содержащие чётное число элементарных
частиц. Они подчиняются статистике Бозе — Эйнштейна,
в которой рассматриваются только различимые размещения ча-
стиц по ячейкам и каждому из них приписывается равная веро-
ятность. Найти эту вероятность. Найти вероятность наличия в
первой ячейке ровно k частиц.
2.47. Пусть имеется n ячеек и r неразличимых частиц. Ча-
стицы размещаются по ячейкам так, что в одной ячейке не мо-
жет находиться более одной частицы. Такой схеме соответствуют
электроны, протоны и нейтроны. Они подчиняются статисти-
ке Ферми — Дирака, в которой каждому такому размещению
частиц по ячейкам приписывается равная вероятность. Найти эту
вероятность.
2.48. Поток из k частиц улавливается системой из n счётчи-
ков, регистрирующих частицы. Каждая частица с одинаковой ве-
§ 3. Геометрические вероятности 23

роятностью попадает в любой из счётчиков.


а) Какова вероятность p(k1 , . . . , kn ) того, что первый счётчик
зарегистрирует k1 частиц, второй — k2 и т. д., где k1 + . . . + kn = k?
б) Пусть k/n = l — целое число. При каких значениях k1 , . . . ,
kn вероятность p(k1 , . . . , kn ) достигает своего максимума?
2.49. В городе проживает n + 1 человек. Один из них, узнав
новость, сообщает её другому, тот — третьему и т. д., причём
передача новости осуществляется следующим образом: человек,
которому сообщена новость, случайным образом выбирает од-
ного из n жителей и сообщает новость ему, тот поступает точно
так же и т. д. Найти вероятность того, что новость будет передана
r раз:
а) без возвращения к человеку, который узнал её первым;
б) без повторного сообщения её кому-либо.
2.50. Из множества {1, 2, . . . , n} наудачу выбирается число ξ.
Найти предел при n → ∞ вероятности того, что ξ2 − 1 делится на
10.
2.51. Из множества {1, 2, . . . , n}, n > 4, случайно выбираются
(с возвращением) два числа ξ и η. Какая из вероятностей боль-
ше:
а) P{ξ2 − η2 делится на 2} или P{ξ2 − η2 делится на 3};
б) P{ξ3 − η3 делится на 2} или P{ξ3 − η3 делится на 3}?

§ 3. Геометрические вероятности
Пусть Ω — ограниченное измеримое множество в Rd , имеющее меру
Лебега mes Ω > 0. Для любого измеримого подмножества A ⊆ Ω поло-
жим
mes A
P{A} = .
mes Ω
Это определение вероятности, отвечающее случайному выбору точки из
множества Ω (эквивалентно, случайному бросанию точки во множество
Ω), называется геометрическим.

3.1. В квадрат с вершинами (0,0), (0,1), (1,0), (1,1) наудачу


брошена точка. Пусть (ξ, η) — её координаты. Доказать, что для
любых 0 6 x, y 6 1

P{ξ < x, η < y} = P{ξ < x}P{η < y} = xy.


24 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

Найти:
а) P{|ξ − η| < z}; г) P{ξη < z};
б) P{min(ξ, η) < z}; д) P{max(ξ, η) < z};
в) P{(ξ + η)/2 < z}; е) P{ξ + 2η < z}.
Р е ш е н и е. в) Множество элементарных исходов Ω данного экс-
перимента – это точки квадрата. В качестве его меры естественно взять
площадь: mes Ω = 1. Множество благоприятных исходов будет состоять
из точек квадрата, которые удовлетворяют неравенству ξ + η < 2z или,
другими словами, лежат ниже прямой ξ + η = 2z. Заметим, что для раз-
ных положений прямой возникают множества благоприятных исходов
двух различных конфигураций:
η6 η6
2z
1 pp 1 @
pp
pp @
pp
2z p
@
pp
pp @
pp
@
pp
@ @
pp
pp
@ @
@ - @ -
0 2z 1 ξ 0 1 2z ξ

Предельное положение прямой, разделяющее эти два случая, изобра-


жено на рисунке слева пунктирной линией и соответствует значению
z = 1/2. Таким образом, если 0 < z 6 1/2, то мера (площадь) благопри-
ятных исходов равна mes A = 21 (2z)2 = 2z2 , т. е.

mes A 2z2
P{A} = = = 2z2 .
mes Ω 1

Если 1/2 < z < 1, то mes A = 1 − 21 (1 − (2z − 1))2 = 4z − 2z2 − 1 и

P{A} = 4z − 2z2 − 1.

3.2. Случайная точка A наудачу выбирается в прямоугольни-


ке со сторонами 1 и 2. Найти вероятность того, что расстояние от
A до:
а) ближайшей стороны прямоугольника не превосходит x;
б) каждой стороны прямоугольника не превосходит x;
в) каждой диагонали прямоугольника не превосходит x.
§ 3. Геометрические вероятности 25

3.3. (Задача о встрече.) Два лица A и B условились встре-


титься в определённом месте между двумя и тремя часами дня.
Пришедший первым ждёт другого в течение 10 минут, после чего
уходит. С какой вероятностью встретятся A и B, если каждый из
них может прийти в любое время в течение указанного часа?
3.4. (Продолжение задачи о встрече.) Два лица A и B усло-
вились встретиться в определённом месте между двумя и тремя
часами дня. Лицо A ждёт другого в течение 10 минут, после чего
уходит; лицо B ждёт другого в течение 15 минут. С какой веро-
ятностью встретятся A и B, если каждый из них может прийти в
любое время в течение указанного часа?
3.5. (Игла Бюффона.) На плоскости начерчены параллель-
ные прямые, находящиеся друг от друга на расстоянии 2a. На
плоскость наудачу брошена игла длиной 2r < 2a. Какова веро-
ятность того, что игла пересечёт одну из прямых?
Р е ш е н и е. Обозначим через x расстояние от середины иглы до
ближайшей прямой, 0 6 x 6 a, а через ϕ — угол наклона, 0 6 ϕ 6 π:

 
r r
x
6 ϕ 
r
2a
?
Положение иголки относительно прямых на плоскости полностью опре-
деляется двумя координатами ϕ и x. Игла пересекает одну из прямых
тогда и только тогда, когда

x 6 r sin ϕ.

Поскольку координаты ϕ и x независимы друг от друга, можно перейти к


эквивалентному эксперименту, а именно, бросанию точки в прямоуголь-
ник [0, π] × [0, a]:
u
6
a
r#
-
0 π ϕ
Заштрихованная область A — это множество точек с координатами,
удовлетворяющими неравенству x 6 r sin ϕ. С точки зрения эксперимен-
26 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

та, это множество тех точек, которые отвечают пересечению иголкой од-
ной из прямых. Вычислим меру благоприятных исходов:
Z π π
mes A = r sin ϕ dϕ = −r cos ϕ = 2r.

0 0
Поэтому вероятность того, что игла пересечёт одну из прямых, равна
mes A 2r
P{A} = = .
mes Ω aπ

3.6. На бесконечную шахматную доску со стороной клетки 2a


наудачу брошена игла длиной 2r < 2a. С какой вероятностью иг-
ла:
а) попадёт целиком внутрь одной клетки;
б) пересечёт одну из прямых?
3.7. На плоскости начерчены параллельные прямые, нахо-
дящиеся друг от друга на расстоянии 2a. На плоскость науда-
чу брошена монета радиуса r < a. С какой вероятностью монета
пересечёт одну из прямых?
3.8. На бесконечную шахматную доску со стороной клетки 2a
наудачу брошена монета радиуса r < a. Найти вероятность того,
что:
а) монета попадёт целиком внутрь одной клетки;
б) монета пересечёт не более одной стороны одной клетки.
3.9. Стержень длиной l разломан в двух наудачу выбранных
точках. С какой вероятностью из полученных отрезков можно
составить:
а) треугольник; б) прямоугольный треугольник?
Р е ш е н и е. а) Опыт с бросанием двух точек на отрезок длины l эк-
вивалентен бросанию одной точки в квадрат со стороной l, при этом ко-
ординаты точки в квадрате и есть координаты двух точек на отрезке. Та-
ким образом, в качестве пространства элементарных исходов Ω можно
взять квадрат [0, l]2 на плоскости, mes Ω = l 2 :
y
6
l

l/2

-
0 l/2 l x
§ 3. Геометрические вероятности 27

Найдём множество благоприятных исходов. Если точка имеет коорди-


наты (x, y), то треугольник можно составить в случае, если выполнена
система неравенств треугольника: в случае x < y
 
 x + (y − x) > l − y  y > l/2
x + (l − y) > y − x или y − x < l/2
(y − x) + (l − y) > x x < l/2,
 

а в случае x > y
 
 y + (x − y) > l − x  x > l/2
y + (l − x) > x − y или x − y < l/2
(x − y) + (l − x) > y y < l/2.
 

Таким образом получаем заштрихованную область A благоприятных ис-


ходов, площадь которой равна mes A = l 2 /4, что позволяет вычислить
вероятность
mes A 1
P{A} = = .
mes Ω 4

3.10. На отрезок [0, a] наудачу брошены три точки. Найти ве-


роятность того, что из отрезков, равных расстояниям от точки 0
до точек падения, можно составить треугольник.
3.11. Стержень длины l наудачу разламывается на две части,
после чего бо́льшая из частей опять разламывается надвое в на-
удачу выбранной точке. Найти вероятность того, что из получен-
ных частей можно составить треугольник.
3.12. Три точки A, B и C лежат на одной прямой, причём точка
B находится между точками A и C, длина отрезка AB равна a, а
длина отрезка BC — b. На каждый из отрезков AB и BC наудачу
бросается по одной точке. Найти вероятность того, что можно
составить треугольник из следующих трёх отрезков: от точки A
до первой брошенной точки; между двумя брошенными точками;
от второй брошенной точки до точки C.
3.13. На окружности наудачу выбраны три точки A, B и C.
Найти вероятность того, что треугольник ABC будет:
а) остроугольным; г) правильным;
б) тупоугольным; д) равнобедренным.
в) прямоугольным;
3.14. В квадрат наудачу брошены три точки. Найти вероят-
ность того, что они образуют вершины:
28 ОТДЕЛ I. ВЕРОЯТНОСТНОЕ ПРОСТРАНСТВО

а) какого-нибудь треугольника;
б) правильного треугольника;
в) прямоугольного треугольника.
3.15. В шаре радиуса R случайно и независимо друг от друга
разбросано n точек. Какова вероятность того, что расстояние от
центра до ближайшей точки будет не менее r. Найти предел этой
вероятности при R, n → ∞, если n/R3 → c.
3.16. Точка (ξ, η) выбирается наудачу в квадрате [0, 1]2 . Ка-
кова вероятность того, что уравнение x2 + ξx + η = 0 имеет:
а) действительные корни; в) корни разного знака?
б) положительные корни;
3.17. Точка (ξ, η, ζ) выбирается наудачу в кубе [0, 1]3 . Какова
вероятность того, что корни уравнения ξx2 + ηx + ζ = 0 действи-
тельные?
3.18. Какой толщины должна быть монета, чтобы вероятность
падения на ребро равнялась 1/3?
У к а з а н и е. Момент инерции вращения не учитывать; считать, что
угол наклона монеты в падении принимает разные значения с равной
вероятностью.
3.19. (Парадокс Бертрана.) Для некоторой окружности слу-
чайным образом выбирается хорда. Найти вероятность того, что
эта хорда длиннее стороны правильного треугольника, вписан-
ного в данную окружность, если:
а) хорда задается своей серединой, которая выбирается на-
удачу внутри данного круга;
б) одним концом хорды является фиксированная точка на ок-
ружности, а другой конец выбирается наудачу на окружности;
в) хорда задается своей серединой, которая выбирается на-
удачу на диаметре круга.
Приведите пример ещё хотя бы одного метода выбора случайной
хорды.
3.20. Из множества {1, 2, . . . , n} случайно выбираются два
числа ξ и η:
а) с возвращением; б) без возвращения.
Найти предел при n → ∞ вероятности события ξ2 + η2 6 n2 .
О Т Д Е Л II
УСЛОВНАЯ ВЕРОЯТНОСТЬ
И НЕЗАВИСИМОСТЬ

§ 4. Условная вероятность
Условная вероятность P{A|B} события A при условии, что про-
изошло событие B ненулевой вероятности, определяется формулой
P{AB}
P{A|B} = .
P{B}
Формула умножения вероятностей: если события A и B имеют
ненулевые вероятности, то
P{AB} = P{A|B}P{B} = P{B|A}P{A}.

4.1. Пусть P{A1 |A2 } = P{A1 }. Показать справедливость сле-


дующих равенств:
а) P{A1 |A2 } = P{A1 }; б) P{A1 |A2 } = P{A1 }.
Р е ш е н и е. а) Согласно определению условной вероятности
P{A1 A2 } P{A1 } − P{A1 A2 }
P{A1 |A2 } = = ,
P{A2 } 1 − P{A2 }
поскольку события A1 A2 и A2 несовместны и в объединении дают A1 .
Вероятность пересечения в числителе распишем согласно формуле ум-
ножения вероятностей:
P{A1 } − P{A1 |A2 }P{A2 }
.
1 − P{A2 }
По условию задачи заменим условную вероятность безусловной, что и
завершает доказательство:
P{A1 } − P{A1 }P{A2 }
= P{A1 }.
1 − P{A2 }
30 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

4.2. Верны ли равенства:


а) P{B|A} + P{B|A} = 1; б) P{B|A} + P{B|A} = 1?
4.3. Доказать формулу сложения для условных вероятностей:

P{A ∪ B|C} = P{A|C} + P{B|C} − P{AB|C}.

4.4. Выразить условную вероятность P{C|A B} через какие-


либо из следующих вероятностей: P{A}, P{B}, P{C}, P{AB},
P{BC}, P{AC} и P{ABC}.
4.5. Доказать, что если C ⊆ B ⊆ A, то P{C|A} = P{C|B}P{B|A}.
4.6. Известно, что P{A|B} может быть представлена как взве-
шенное среднее вероятностей P{A|BC} и P{A|BC}. Найти соот-
ветствующие веса.
4.7. Брошены две игральные кости. Какова вероятность того,
что на первой кости выпало 4 очка, если известно, что на второй
кости выпало больше очков, чем на первой?
Р е ш е н и е. Обозначим через N1 и N2 число выпавших очков на
первой и второй костях соответственно. Представим искомую вероят-
ность согласно определению условной вероятности:
P{{N1 = 4} ∩ {N2 > N1 }}
P{N1 = 4|N2 > N1 } = .
P{N2 > N1 }
Найдём безусловные вероятности, опираясь на классическое определе-
ние вероятности. Общее число элементарных исходов (N1 , N2 ) в данном
эксперименте равно 36. В числителе имеем вероятность события, состо-
ящего из двух элементарных исходов: (4, 5) и (4, 6), т. е.
2
P{{N1 = 4} ∩ {N2 > N1 }} = .
36
Подсчитаем число благоприятных исходов для знаменателя. Если N1 =1,
то N2 может принять одно из значений {2, 3, 4, 5, 6}; если N1 = 2, то N2
может принять значения из множества {3, 4, 5, 6}; если N1 = 5, то N6 .
Получаем число благоприятных исходов 5 + 4 + 3 + 2 + 1 = 15, т. е.
15
P{N2 > N1 } = .
36
Теперь вычислим условную вероятность:
2 15 2
P{N1 = 4|N2 > N1 } = : = .
36 36 15
§ 4. Условная вероятность 31

4.8. Брошены три игральные кости. Чему равна вероятность


того, что на одной из них выпала единица, если на всех трёх ко-
стях выпали разные числа?
4.9. Известно, что при бросании 10 игральных костей выпа-
ла по крайней мере одна единица. Какова при этом вероятность
того, что выпали две или более единицы?
4.10. Брошены две игральные кости. Чему равна вероятность
того, что сумма выпавших на них очков равна 8, если известно,
что эта сумма есть число чётное?
4.11. Четыре шара последовательно размещаются в четырёх
ящиках. Какова вероятность того, что один из ящиков будет со-
держать ровно три шара, если известно, что первые два шара
оказались в разных ячейках?
4.12. Рассмотрим семью с двумя детьми. Какова вероятность
того, что в семье оба ребёнка — мальчики, если:
а) старший ребёнок — мальчик;
б) по крайней мере один из детей — мальчик?
4.13. Игральная кость бросается до тех пор, пока не выпа-
дет единица. Известно, что для этого потребовалось чётное число
бросаний. Найти вероятность того, что единица впервые выпадет
при втором бросании.
4.14. Из колоды карт (36 листов) последовательно вынуты
две карты. Найти:
а) безусловную вероятность того, что вторая карта окажется
тузом (неизвестно, какая карта была вынута вначале);
б) условную вероятность того, что вторая карта будет тузом,
если первоначально был вынут туз.
4.15. Из полной колоды карт (52 листа) вынимают сразу две
карты. Одну из них смотрят — она оказалась:
а) дамой; б) тузом;
после этого две вынутые карты перемешивают и одну из них бе-
рут наугад. Найти вероятность того, что она окажется тузом.
4.16. Из полной колоды карт (52 листа) вынимают одновре-
менно n карт, n < 52. Одну из них смотрят — она оказывается
королём. После этого её перемешивают с остальными вынутыми
картами. Найти вероятность того, что повторный выбор из этих
n карт опять даст короля.
32 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

4.17. Письмо находится в письменном столе с вероятностью


p, причём с равной вероятностью оно может быть в любом из
восьми ящиков стола. Мы просмотрели 7 ящиков и письма не
нашли. Какова при этом вероятность, что письмо:
а) находится в восьмом ящике;
б) отсутствует в столе?
4.18. В ящике лежат 12 красных, 8 зелёных и 10 синих ша-
ров. Наудачу вынимаются два шара. Какова вероятность того,
что вынуты шары разного цвета, если известно, что среди них:
а) нет синего; в) нет зелёного;
б) есть синий; г) есть зелёный?
4.19. Известно, что в обществе, состоящем из 4 человек, дни
рождения трёх приходятся на один месяц, а четвёртого — на один
из остальных одиннадцати. Считая вероятность рождения в каж-
дом месяце равной 1/12, найти вероятность того, что при этом:
а) указанные три лица родились в июле, а четвёртое лицо в
марте;
б) указанные три лица родились в июле, а четвёртое лицо в
одном из оставшихся одиннадцати месяцев.
4.20. (Парадокс раздела ставки.) Два игрока играют в без-
обидную игру (у обоих шансы победить одинаковы), и они дого-
ворились, что тот, кто первым выиграет 6 партий, получит весь
приз. Предположим, что на самом деле игра остановилась до то-
го, как один из них выиграл приз, например, первый игрок выиг-
рал 5 партий, а второй — 3. Как справедливо следует разделить
приз?

§ 5. Независимые события
События A и B называются независимыми, если вероятность пере-
сечения этих событий равна произведению их вероятностей, т. е.

P{AB} = P{A}P{B}.

События A1 , . . . , An называются независимыми в совокупности,


если для любого k 6 n и набора различных индексов i1 , . . . , ik выполня-
ется равенство

P{Ai1 Ai2 . . . Aik } = P{Ai1 }P{Ai2 } · . . . · P{Aik }.


§ 5. Независимые события 33

События A1 , . . . , An называются попарно независимыми, если для


любой пары индексов i и j, i 6= j, события Ai и A j независимы.

5.1. Доказать, что если события A1 , . . . , An независимы в со-


вокупности, то они и попарно независимы.
5.2. Доказать, что если события A и B независимы, то также
независимы события:
а) A и B; в) A и B.
б) A и B;
Р е ш е н и е. а) Для доказательства независимости событий A и B
выразим их пересечение через разность событий и воспользуемся свой-
ством вероятности разности множества и его подмножества (см. зада-
чу 1.19б):
P{AB} = P{A \ (AB)} = P{A} − P{AB}.
В силу независимости событий A и B имеем P{AB} = P{A}P{B}, что по-
зволяет продолжить равенство:

P{AB} = P{A} − P{A}P{B} = P{A}(1 − P{B}) = P{A}P{B}.

5.3. Доказать, что если события A и B несовместны, P{A} > 0


и P{B} > 0, то события A и B зависимы.
5.4. Пусть событие A таково, что оно не зависит от самого
себя. Доказать, что тогда P{A} = 0 или P{A} = 1.
5.5. Пусть события A и B независимы. Доказать, что если
A ⊆ B, то P{A} = 0 или P{B} = 1.
5.6. Выяснить, какими должны быть события A и B, чтобы
события AB и A ∪ B были независимы?
5.7. Брошены последовательно три монеты. Определить, за-
висимы или нет события A = {выпал герб на первой монете} и B =
{выпала хотя бы одна решка}.
Р е ш е н и е. Для доказательства независимости событий A и B необ-
ходимо найти вероятности этих событий, их пересечения и проверить
равенство P{AB} = P{A}P{B}.
Имеем классическое определение вероятности. Общее число исхо-
дов эксперимента равно 8. Число благоприятных исходов для события
A равно 4, т. е. P{A} = 1/2. Вероятность события B удобнее считать че-
рез противоположное событие B = {не выпало ни одной решки}. Число
благоприятных исходов для события B равно 1, т. е. P{B} = 1/8, следо-
вательно, P{B} = 1 − P{B} = 7/8.
34 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

Событие AB состоит из тех исходов, где на первой монете выпал


герб, а на оставшихся двух хотя бы одна решка. Таких исходов 3, т. е.
P{AB} = 3/8.
Имеем 3/8 6= 1/2 · 7/8, следовательно, события зависимы.
5.8. Точка ξ = (ξ1 , ξ2 ) выбрана наудачу в квадрате [0, 1]2 . При
каких значениях r независимы события A = {|ξ1 − ξ2 | > r} и B =
{ξ1 + ξ2 6 3r}?
5.9. Рассмотрим все возможные перестановки четырёх букв
a, b, c и d. Определить, зависимы или нет события A = {a пред-
шествует b} и B = {c предшествует d}.
5.10. Брошены две игральные кости. Рассмотрим три собы-
тия: A — на первой кости выпало нечётное число, B — на второй
кости выпало нечётное число, C — сумма чисел на обеих костях
нечётна. Проверить, зависимы или нет события A, B и C:
а) в совокупности; б) попарно.
Р е ш е н и е. Для проверки независимости в совокупности и попар-
ной независимости необходимо найти вероятности этих событий, их по-
парных пересечений и пересечения всех трёх событий.
Следует воспользоваться классическим определением вероятности.
Общее число исходов эксперимента 36. Событие A состоит из тех исхо-
дов, где на первой кости выпало нечётное число, т. е. одно из трёх, а на
второй — любое число, т. е. одно из шести. Получаем число благопри-
ятных исходов 3 · 6 = 18, что даёт P{A} = 1/2. Аналогично, P{B} = 1/2.
Событию C отвечают исходы, где на одной кости выпало нечётное
число, а на другой чётное. Каждому из трёх нечётных чисел на первой
кости можно поставить в соответствие одно из трёх чётных чисел на вто-
рой кости, таких исходов 3 · 3 = 9. Учитывая симметричную ситуацию,
когда на первой кости чётное число, а на второй — нечётное, получаем
число благоприятных исходов 2 · 9 = 18, что даёт P{C} = 1/2.
Теперь рассмотрим пересечения. Событие AB — на обеих костях
выпали нечётные числа. Для этого события число благоприятных ис-
ходов равно 3 · 3 = 9, а P{AB} = 1/4. Событие AC — на первой кости
выпало нечётное число, а на второй — чётное. Таких исходов 9, значит
P{AC} = 1/4. Аналогично, P{BC} = 1/4.
Итак, для событий A, B и C выполнены равенства
P{AB} = P{A}P{B}, P{AC} = P{A}P{C}, P{BC} = P{B}P{C},
что означает попарную независимость рассматриваемых событий. Для
независимости же в совокупности необходимо ещё выполнение равен-
ства P{ABC} = P{A}P{B}P{C} = 1/8. Но событие ABC пусто, так как
§ 5. Независимые события 35

если на обеих костях нечётные числа, то их сумма — чётна. Следова-


тельно, независимости в совокупности нет.
5.11. Точка ξ = (ξ1 , ξ2 ) выбрана наудачу в квадрате [0, 1]2 . Оп-
ределим три события равенствами A = {ξ1 6 1/2}, B = {ξ2 6 1/2}
и C = {(ξ1 − 1/2)(ξ2 − 1/2) 6 0}. Проверить, зависимы или нет
эти события:
а) в совокупности; б) попарно.
5.12. Брошены три игральные кости. Событие A состоит в
том, что одинаковое число очков выпало на первой и второй ко-
стях, B — одинаковое число очков на второй и третьей костях, а
C — на первой и третьей. Проверить, зависимы или нет события
A, B и C:
а) в совокупности; б) попарно.
5.13. (Пример Бернштейна.) На плоскость брошен тетраэдр,
три грани которого покрашены соответственно в красный, синий
и зелёный цвета, а на четвёртую грань нанесены все три цвета.
Событие К означает, что при бросании тетраэдра на плоскость
выпала грань, содержащая красный цвет, событие С — грань,
содержащая синий цвет, и З — зелёный цвет. Проверить, зави-
симы или нет события К, С и З:
а) в совокупности; б) попарно.
5.14. Брошены две правильные монеты. Пусть событие A со-
стоит в том, что на первой монете выпал герб, событие B — на
второй монете выпал герб и событие C — на одной (и только на
одной) монете выпал герб. Проверить, зависимы или нет события
A, B и C:
а) в совокупности; б) попарно.
5.15. Пусть события A1 , . . . , An независимы в совокупности и
имеют вероятности P{Ak } = pk . Найти вероятности:
а) одновременного появления всех этих событий;
б) появления хотя бы одного из этих событий;
в) появления ровно одного (безразлично какого) события.
5.16. Электрическая цепь состоит из элементов Ak , соединён-
ных по следующей схеме:
A1
- A4 -
а)
A2 A3
36 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

A1
б) - A3 A4 -
A2

Вероятность выхода из строя элемента Ak равна pk ; элементы


выходят из строя независимо друг от друга. С какой вероятно-
стью цепь будет пропускать ток?
5.17. Пусть Ω = [0, 1], F — σ-алгебра борелевских множеств,
P — мера Лебега и A = [0, 1/2]. Построить события B и C такие,
что P{B} = P{C} = 1/2, причём события A, B и C независимы в
совокупности.
5.18. Имеются 3 попарно независимых события, которые, од-
нако, все вместе произойти не могут. Предполагая, что все они
имеют одну и ту же вероятность p, определить наибольшее воз-
можное значение p.
5.19. Пусть события A, B и C попарно независимы и P{C} > 0.
Верно ли равенство P{A ∪ B|C} = P{A ∪ B}?
5.20. Какое минимальное число точек должно иметь конечное
вероятностное пространство, чтобы на этом пространстве можно
было задать n независимых в совокупности событий A1 , . . . , An ,
вероятности которых отличны от нуля и единицы?
5.21. Вероятность того, что молекула, испытавшая в момент
времени t0 = 0 столкновение с другой молекулой и не имевшая
других столкновений до момента t1 , испытает столкновение в про-
межутке времени между t1 и t1 + ∆t равна λ∆t + o(∆t) при ∆t → 0.
Найти вероятность того, что время свободного пробега (время
между двумя соседними столкновениями) будет больше t.
Р е ш е н и е. Обозначим время свободного пробега молекулы через
τ. Тогда событие, вероятность которого необходимо найти, запишется
как {τ > t}. Разобьём промежуток (0,t] на n непересекающихся полу-
интервалов длины 1/n. Пусть Ak , k = 0, 1, . . . , n − 1 — это событие, со-
стоящее в том, что молекула не испытает столкновения в промежутке
времени (kt/n, (k + 1)t/n]. Тогда
n−1
\
{τ > t} = Ak .
k=0

Заметим, что вероятность столкновения молекулы в промежутке време-


§ 6. Схема Бернулли 37

ни между t1 и t1 + ∆t зависит только от ∆t и не зависит от t1 . Поэтому


события Ak независимы и при n → ∞
P{Ak } = 1 − λ/n + o(1/n).
В силу независимости
( )
n−1
\ n−1
P{τ > t} = P Ak = ∏ P{Ak }.
k=0 k=0

Следовательно,
n−1
P{τ > t} = lim lim (1 − λ/n + o(1/n))n = e−λt .
∏ P{Ak } = n→∞
n→∞
k=0

5.22. Найти вероятность того, что станок, работающий в мо-


мент t0 , не остановится до момента t1 , если известно, что:
1) эта вероятность зависит только от величины промежутка
времени (t0 ,t1 );
2) работающий в момент времени t станок остановится в про-
межутке времени (t,t + ∆) с вероятностью α∆ + o(∆) при ∆ → 0,
где α > 0.
5.23. При составлении таблиц смертности часто исходят из
следующих допущений:
1) дожившее до возраста t лицо умрёт в течение времени от
t до t + ∆ с вероятностью p(t, ∆) = α(t)∆ + o(∆) при ∆ → 0, где
α(t) > 0;
2) вероятность смерти в момент рождения равна нулю.
Найти при этих предположениях вероятность смерти до возра-
ста t.

§ 6. Схема Бернулли
Пусть имеет место последовательность независимых (в сово-
купности) испытаний, причём в каждом испытании возможно все-
го два исхода: «успех» и «неудача». Пусть вероятность успеха не за-
висит от номера испытания и равна p. Это называется схемой Бернул-
ли (или биномиальной схемой). Вероятность того, что в n испытаниях
произойдёт ровно k успехов, задаётся формулой Бернулли:
Cnk pk (1 − p)n−k .
38 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

Рассмотрим теперь последовательность независимых испытаний, в


которой в каждом испытании возможно r исходов. Пусть вероятность
исхода i-го типа не зависит от номера испытания и равна pi ; вероятно-
сти связаны равенством p1 + . . . + pr = 1. Это называется полиномиаль-
ной схемой. Вероятность того, что в n испытаниях произойдёт ровно k1
исходов первого типа, k2 исходов второго типа и т. д., k1 + . . . + kr = n,
равна
n!
pk1 · . . . · pkr r .
k1 ! · . . . · kr ! 1
6.1. Пусть вероятность попадания в цель равна 1/5. Произ-
водится 10 независимых выстрелов. Какова вероятность попа-
дания в цель по меньшей мере дважды?
Р е ш е н и е. Имеем схему Бернулли. Общее число независимых ис-
пытаний n равно 10, успех — это попадание в цель, вероятность успеха p
равна 1/5. Пусть ν — число попаданий в цель при десяти выстрелах, то-
гда вероятность попадания в цель по меньшей мере дважды может быть
представлена в виде

P{ν > 2} = 1 − P{ν 6 1} = 1 − P{ν = 0} − P{ν = 1}.

Последнее равенство справедливо, поскольку события {ν = 0} и {ν=1}


несовместны и в объединении дают {ν 6 1}. Каждую из оставшихся ве-
роятностей можно вычислить по формуле Бернулли:
 0  10  1   9
14 4 9
 
0 1 4 1 1 4
P{ν > 2} = 1 −C10 −C10 = 1− .
5 5 5 5 5 5
6.2. Наблюдениями установлено, что в некоторой местности
в сентябре в среднем бывает 12 дождливых дней. Какова веро-
ятность того, что из восьми случайно взятых в этом месяце дней
три дня окажутся дождливыми?
6.3. Считая вероятность рождения мальчика равной 1/2, най-
ти вероятность того, что в семье с 10 детьми:
а) 5 мальчиков и 5 девочек;
б) число мальчиков не меньше 4 и не больше 7.
6.4. Среди коконов некоторой партии 30% цветных. Какова
вероятность того, что среди 10 случайно отобранных из партии
коконов:
а) 3 цветных; б) не более 3 цветных?
6.5. Из урны, содержащей:
а) 2n белых и 2n чёрных шаров;
§ 6. Схема Бернулли 39

б) n белых и 3n чёрных шаров


наудачу извлекают (с возвращением) 2n шаров. Какова вероят-
ность того, что среди них окажется поровну шаров белого и чёр-
ного цветов?
6.6. (Парадокс шевалье де Мере.) Что вероятнее: при броса-
нии четырёх игральных костей хотя бы на одной получить едини-
цу или при 24 бросаниях двух костей хотя бы один раз получить
две единицы?
6.7. Что вероятнее, выиграть у равносильного противника:
а) 3 партии из 4 или 5 из 8;
б) не менее 3 партий из 4 или не менее 5 из 8;
в) не более n из 2n партий или более n из 2n партий;
г) не более n из 2n + 1 партий или более n из 2n + 1 партий?
6.8. (Задача Банаха о спичечных коробках.) Некий матема-
тик носит с собой два коробка спичек, в каждом из которых пер-
воначально было по N спичек. Когда ему нужна спичка, он выби-
рает наугад один из коробков. Найти вероятность того, что когда
математик вытащит в первый раз пустой коробок, в другом будет
r спичек.
6.9. (Продолжение задачи Банаха о спичечных коробках.)
Некто носит с собой два коробка спичек А и Б, в которых пер-
воначально было M и N спичек соответственно. Когда ему нужна
спичка, он берет её из коробка А с вероятностью p или из ко-
робка Б с вероятностью 1 − p. Найти вероятность того, что когда
математик вытащит в первый раз пустой коробок, в другом будет
r спичек.
6.10. Два человека независимо друг от друга подбрасывают
монету по n раз каждый.
а) Найти вероятность того, что у них выпадет одинаковое чи-
сло гербов.
б) Доказать, что вероятность того, что они наберут одинако-
вое число гербов, совпадает с вероятностью того, что у них в сум-
ме будет n гербов.
6.11. Используя схему Бернулли, доказать следующие ком-
бинаторные тождества:
n n
а) 2n = ∑ Cni ; n
б) C2n = ∑ (Cni )2 .
i=0 i=0
40 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

6.12. Найти предел при n → ∞ вероятности того, что при бро-


сании правильной монеты n раз число гербов будет в точности
равно числу решек.
6.13. Вероятность получения удачного результата при прове-
дении сложного химического опыта равна 2/3. Найти наиверо-
ятнейшее число удачных опытов, если их общее число равно 7.
6.14. Батарея дала 14 выстрелов по объекту, вероятность по-
падания в который при каждом выстреле равна 1/5. Найти наи-
вероятнейшее число попаданий и вероятность этого числа попа-
даний.
6.15. Вероятность попадания в цель при каждом выстреле из
орудия равна 4/5. Сколько нужно произвести выстрелов, чтобы
наивероятнейшее число попаданий было равно 20?
6.16. Симметричную монету бросают до тех пор, пока она не
выпадет одной и той же стороной два раза подряд. Найти веро-
ятности следующих событий:
а) опыт закончится до шестого бросания;
б) потребуется чётное число бросаний.
Р е ш е н и е. а) Имеем последовательность независимых испытаний
со случайным числом опытов ν. Имеем два равновероятных исхода, герб
и решка, P{Г} = P{Р} = 1/2. Рассмотрим событие, состоящее в том,
что монета выпала одной и той же стороной два раза подряд до шесто-
го бросания {ν < 6}. Его можно представить как сумму несовместных
событий:

{ν < 6} = {ν = 2} ∪ {ν = 3} ∪ {ν = 4} ∪ {ν = 5}.

Чтобы найти вероятность события {ν = 5}, заметим, что эксперимент


может закончится как выпадением герба, так и решки. Поэтому

P{ν = 5} = P{xxxГГ} + P{xxxРР} = 2P{xxxГГ},

поскольку события несовместны, а монета симметричная. Только одна


цепочка приводит к событию P{xxxГГ}, а именно, РГРГГ. Её вероят-
ность равна (1/2)5 , т. е.

P{ν = 5} = 2/25 = 1/24 .

Аналогично P{ν = 4} = 1/23 , P{ν = 3} = 1/22 и P{ν = 2} = 1/2. Следо-


вательно, искомая вероятность равна

P{ν < 6} = P{ν = 2} + P{ν = 3} + P{ν = 4} + P{ν = 5} = 15/16.


§ 6. Схема Бернулли 41

6.17. Монету бросают до тех пор, пока герб не выпадет в m-й


раз. Найти вероятность того, что опыт закончится при n-м бро-
сании, если:
а) монета симметричная;
б) монета несимметричная, т. е. если вероятность выпадения
герба равна p 6= 1/2.
6.18. Двое играют в игру, поочередно бросая монету. Выиг-
равшим считается тот, кто первый откроет решётку. Чему равна
вероятность выигрыша для начавшего игру?
6.19. Технический контроль проверяет изделия, каждое из ко-
торых независимо от других изделий может с вероятностью p
оказаться дефектным. Найти вероятность того, что:
а) из 10 проверенных изделий только одно оказалось дефект-
ным;
б) первым дефектным оказалось k-е проверенное изделие;
в) последующие 10 изделий окажутся годными при условии,
что предыдущие l = 5 изделий были также годными. Зависит ли
эта вероятность от l?
6.20. На отрезок АВ длиной a брошены наудачу, независимо
одна от другой, шесть точек. Найти вероятность того, что:
а) две точки будут находиться от точки А на расстоянии, мень-
шем b, а четыре — на расстоянии, большем b;
б) две точки будут находиться от А на расстоянии, меньшем
c, одна — на расстоянии, не меньшем c и не большем b, а три
точки — на расстоянии, большем b.
6.21. Какова вероятность получить каждую грань дважды при
бросании двенадцати игральных костей?
6.22. Два шахматиста A и B согласились сыграть матч на сле-
дующих условиях: A должен для победы набрать 12 очков (выиг-
рыш — очко), B должен набрать 6 очков, причём ничьи не учи-
тываются. A обычно вдвое чаще выигрывает у B, если считать
только результативные партии, так что вероятность его выигры-
ша можно принять равной 2/3. Игру пришлось прекратить по-
сле того, как A набрал 8 очков, а B набрал 4 очка. Победу реше-
но присудить тому, у кого вероятность окончательного выигрыша
больше. Кто победитель?
42 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

6.23. В схеме Бернулли вероятность успеха равна p, а веро-


ятность неуспеха q = 1 − p. Найти вероятность того, что:
а) цепочка НН (два неуспеха подряд) появится раньше це-
почки НУ (неуспех и успех подряд);
б) цепочка НН появится раньше цепочки УН.
6.24. Игрок А одновременно подбрасывает три игральные ко-
сти, а игрок Б в то же время — две кости. Эти испытания они
проводят последовательно до первого выпадения «6» хотя бы на
одной кости. Найти вероятности следующих событий:
а) A = {впервые «6» появилось у игрока А, а не у Б};
б) B = {впервые «6» появилось у игрока Б, а не у А};
в) C = {впервые «6» появилось одновременно у А и Б}.
6.25. При раздаче колоды в 52 карты четырем игрокам один
из них три раза подряд не получал тузов. Есть ли у него основа-
ния жаловаться на «невезение»?
6.26. В одном учебном заведении обучаются 730 студентов.
День рождения наудачу выбранного студента приходится на оп-
ределённый день года с вероятностью 1/365 для каждого из 365
дней. Найти:
а) наиболее вероятное число студентов, родившихся 1 янва-
ря;
б) вероятность того, что найдутся три студента, имеющие один
и тот же день рождения.

§ 7. Формула полной вероятности.


Формула Байеса
Пусть гипотезы (события) B1 , . . . , Bn имеют положительные вероят-
ности и исключают друг друга, т. е. Bi ∩ B j = ∅ для любых i 6= j. Пусть
событие A может появится только при выполнении одной из этих гипо-
тез, т. е. A ⊆ (B1 ∪ . . . ∪ Bn ). Тогда вероятность события A может быть
вычислена по формуле полной вероятности
n
P{A} = ∑ P{A|Bi }P{Bi }.
i=1

В тех же условиях, если произошло событие A положительной вероят-


ности, то с учётом этого события «новые», т. е. условные, вероятности
§ 7. Формула полной вероятности 43

гипотез B j вычисляются по формуле Байеса


P{A|B j }P{B j }
P{B j |A} = n .
∑ P{A|Bi }P{Bi }
i=1

Эти вероятности называются апостериорными (т. е. вычисляемыми


после осуществления события A).
7.1. Из урны, содержащей 3 белых и 2 чёрных шара, вынима-
ются наудачу два шара и перекладываются во вторую урну, со-
держащую 4 белых и 4 чёрных шара. Найти вероятность вынуть
после этого из второй урны белый шар.
Р е ш е н и е. Cостав шаров во второй урне зависит от того, какие
шары из первой урны переложили во вторую. Всего возможно три ва-
рианта: ББ, БЧ и ЧЧ. Эти три события несовместны, и поэтому вероят-
ность события A — извлечения из второй урны белого шара — можно
расписать по формуле полной вероятности

P{A} = P{A|ББ}P{ББ} + P{A|БЧ}P{БЧ} + P{A|ЧЧ}P{ЧЧ}.

Найдём вероятности условий:

C32C20 3 C31C21 6 C30C22 1


P{ББ} = = , P{БЧ} = = , P{ЧЧ} = = .
C52 10 C52 10 C52 10

Если из первой урны вынули два белых шара, то во второй урне окажет-
ся 6 белых и 4 чёрных шара, и, следовательно,

C61C40 6
P{A|ББ} = 1
= .
C10 10

Аналогично,

C51C50 5 C41C60 4
P{A|БЧ} = 1
= ; P{A|ЧЧ} = 1
= .
C10 10 C10 10

Таким образом, искомая вероятность события A равна 52/100.


7.2. Студент пришел на зачёт, зная из 30 вопросов только 24.
Если студент не знает ответа на поставленный вопрос, препо-
даватель задаёт ему ещё один, дополнительный. Зачёт ставится,
если студент правильно отвечает хотя бы на один вопрос. Какова
вероятность получения зачёта?
44 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

7.3. Пусть имеется n одинаковых урн. Известно, что урна с


номером i содержит Mi шаров, среди которых имеется mi белых
шаров. Наугад выбирается урна, а из неё вынимается шар. Ка-
кова вероятность того, что вынут белый шар?
7.4. Среди N экзаменационных билетов n «счастливых». Сту-
денты подходят за билетами один за другим. У кого больше веро-
ятность взять «счастливый» билет: у того, кто подошёл первым,
или у того, кто подошёл вторым? Или у того, кто подошёл тре-
тьим?
7.5. Вероятность того, что замаскировавшийся противник на-
ходится на обстреливаемом участке, равна 3/10; вероятность по-
падания в него в этом случае при каждом отдельном выстреле
равна 1/5. Какова вероятность попадания:
а) при 2 выстрелах; б) при 10 выстрелах?
7.6. Три игрока А, Б и В участвуют в игре по следующей схе-
ме. В первом туре играют А и Б, а В свободен. Проигравший за-
меняется игроком В, и во втором туре играют победитель и В,
а игрок, потерпевший поражение в первом туре, свободен. Со-
ревнование продолжается таким образом до тех пор, пока один
из игроков не выиграет двух партий подряд и в этом случае его
объявляют победителем. Считая игроков равными по силе и ис-
ключая возможность ничьих, найти вероятность того, что:
а) выиграет игрок А; б) выиграет игрок В.
7.7. Спортивные общества A и B состязаются тремя коман-
дами. Вероятности выигрыша матчей команд общества A против
соответствующих команд B можно принять соответственно рав-
ными 4/5 для первой (против первой B), 2/5 для второй (против
второй B), 2/5 для третьей (против третьей B). Для победы необ-
ходимо выиграть не менее двух матчей из трёх (ничьих не быва-
ет). Чья победа вероятнее?
7.8. В ящике находится a новых и b игранных теннисных мя-
чей. Из ящика наугад вынимаются два мяча и ими играют. После
этого мячи возвращают в ящик. Через некоторое время из ящи-
ка снова берут наугад два мяча. Найти вероятность того, что они
будут новыми.
7.9. Предположим, что в среднем 5 мужчин из 100 и 25 жен-
щин из 10 000 являются дальтониками. Наугад выбранное лицо
страдает дальтонизмом. Какова вероятность, что это мужчина?
§ 7. Формула полной вероятности 45

Р е ш е н и е. Обозначим через D событие, состоящее в том, что вы-


бранное лицо страдает дальтонизмом, а через M и F — события, что вы-
бранное лицо мужчина или женщина соответственно. Тогда события M
и F несовместны, и их вероятности равны: P{M} = P{F} = 1/2. Искомая
вероятность может быть найдена по формуле Байеса:
P{D|M}P{M}
P{M|D} = .
P{D|M}P{M} + P{D|F}P{F}
Согласно условию задачи, условные вероятности равны: P{D|M} = 1/20
и P{D|F} = 1/400. Таким образом,
1 1
20 · 2 20
P{M|D} = 1 1 1
= .
20 · 2 + 400 · 21 21

7.10. Имеется 5 урн следующего состава: в первой и второй


урнах — по 2 белых и 3 чёрных шара в каждой; в третьей и чет-
вёртой урнах — по 1 белому и 4 чёрных шара; в пятой урне — 4
белых и 1 чёрный шар. Из одной наудачу выбранной урны взят
шар. Он оказался:
a) белым; б) чёрным.
Чему равна при этом вероятность того, что шар вынут из пятой
урны?
7.11. На заводе, изготовляющем болты, на долю машин A, B
и C приходится соответственно 25, 35 и 40% всех изделий. В их
продукции брак составляет соответственно 5, 4 и 2%. Случай-
но выбранный из продукции болт оказался дефектным. Какова
вероятность, что он был изготовлен:
а) на машине A; в) на машине C?
б) на машине B;
7.12. Некоторое изделие выпускается двумя заводами, при-
чём объём продукции второго завода в k раз превосходит объём
продукции первого. Доля брака у первого завода p1 , у второго —
p2 . Изделия, выпущенные заводами за одинаковый промежуток
времени, перемешали и пустили в продажу. Какова вероятность
того, что вы приобрели изделие со второго завода, если оно ока-
залось бракованным?
7.13. Из урны, в которой было m > 3 белых шаров и n чёрных,
потеряли один шар неизвестного цвета. Для того чтобы опреде-
лить состав шаров в урне, из неё наудачу были вынуты два шара.
46 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

Найти вероятность того, что был потерян белый шар, если из-
вестно, что вынутые шары оказались белыми.
7.14. При некоторых условиях стрельбы стрелок A поражает
мишень с вероятностью p1 = 3/5, стрелок B — с вероятностью
p2 = 1/2, стрелок C — с вероятностью p3 = 2/5. Стрелки дали
залп по мишени, и две пули попали в цель. Что вероятнее, попал
C в мишень или нет?
7.15. По каналу связи может быть передана одна из трёх по-
следовательностей букв: AAAA, BBBB, CCCC, причём априорные
вероятности каждой из последовательностей есть соответствен-
но 3/10, 2/5 и 3/10. Известно, что под действием шумов веро-
ятность правильного приёма каждой из переданных букв рав-
на 3/5, а вероятности перевода каждой буквы в любую другую
одинаковы и равны 1/5. Предполагается, что буквы искажаются
независимо друг от друга. Найти вероятность того, что была пе-
редана последовательность AAAA, если на приёмном устройстве
получена последовательность ABCA.
7.16. Первое орудие двухорудийной батареи пристреляно та-
ким образом, что вероятность попадания для него равна 3/10, а
для второго орудия она равна 1/5. Батарея дала два залпа, при-
чём одно из орудий дало только один выстрел; было получено од-
но попадание и два промаха. Какова вероятность того, что один
выстрел дало первое орудие?
7.17. Изделия некоторого производства удовлетворяют стан-
дарту с вероятностью 0,96. Предлагается упрощённая система
испытаний, дающая положительный результат с вероятностью
0,98 для изделий, удовлетворяющих стандарту, а для изделий,
которые не удовлетворяют стандарту, с вероятностью 0,05. Ка-
кова вероятность того, что:
а) изделие будет забраковано;
б) изделие, выдержавшее испытание, удовлетворяет стандар-
ту?
7.18. Четыре грани игральной кости A красные и две — бе-
лые; у кости B две грани красные и четыре — белые. Один раз
бросают монету. Если выпал герб, то всё время бросают только
кость A, если решётка — только кость B.
а) Найти вероятность получить красную грань при одном бро-
сании кости.
§ 7. Формула полной вероятности 47

б) Найти вероятность того, что третье бросание кости даст


красную грань, если первые два бросания дали красные грани.
в) Первые n испытаний дали красные грани. Какова вероят-
ность того, что бросалась кость A?
7.19. Рассматривается электрическая цепь, составленная из
реле по следующей схеме:
A
r rB
@
@
@
- Er @ -
D
r
C r@
@

@
@
Каждое из реле A, B, C, D и E, работающих независимо, откры-
вается и закрывается с вероятностями p и 1 − p соответственно.
а) Какова вероятность того, что сигнал, поданный на вход,
будет получен на выходе?
б) Какова условная вероятность того, что реле E было откры-
то, если на выходе был получен сигнал?
7.20. В трёх урнах находятся белые и чёрные шары: в первой
урне — 2 белых и 3 чёрных шара, во второй — 2 белых и 2 чёрных
шара, в третьей — 3 белых и 1 чёрный шар. Из первой урны вы-
нут наудачу шар и переложен во вторую. Далее из второй урны
вынут наудачу шар и переложен в третью. Наконец, из третьей
урны шар переложен в первую.
а) Какова вероятность того, что в первую урну переложили
белый шар?
б) С какой вероятностью состав шаров во всех урнах не из-
менится?
7.21. В урне m белых и n чёрных шаров. Наудачу извлекается
шар; он возвращается обратно и, кроме того, в урну добавляется
k шаров одного с ним цвета. Чему равна вероятность того, что во
второй раз будет извлечён белый шар?
7.22. В урне лежат 12 шаров, из них 8 чёрных и 4 белых. Три
игрока A, B и C поочередно вынимают шары. Выигрывает тот, кто
первым вынет белый шар. Оценить шансы на успех каждого иг-
рока.
48 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

7.23. N стрелков стреляют поочередно по одной мишени. Ве-


роятность попасть в мишень для i-го стрелка равна pi . Выиграв-
шим считается тот стрелок, который первым попадёт в мишень.
У каждого стрелка имеется n патронов. Определить вероятность
того, что выиграет k-й стрелок.
7.24. A говорит правду в 3 случаях из 4, а B — в 4 случаях из
5. Из урны, в которой было 9 разноцветных шаров, в том числе
один белый, вынули один шар. A и B посмотрели на него и оба
сказали, что шар — белый. Найти вероятность того, что они ска-
зали правду.
7.25. Производится стрельба ракетами по некоторой наблю-
даемой цели. Вероятность попадания каждой ракеты в цель рав-
на p; попадания отдельных ракет независимы. Каждая попавшая
ракета поражает цель с вероятностью p0 . Стрельба ведётся до
поражения цели или до израсходования всего боезапаса; на ба-
зе имеется n, n > 2, ракет. Найти вероятность того, что не весь
боезапас будет израсходован.
7.26. Допустим, что вероятность попадания в цель при одном
выстреле равна p, а вероятность поражения цели при k попада-
ниях в неё равна 1 − rk . Какова вероятность того, что цель пора-
жена, если произведено n выстрелов?
7.27. Пусть некоторое насекомое откладывает r яиц с вероят-
λr
ностью e−λ . Вероятность развития насекомого из яйца равна
r!
p. Предполагая взаимную независимость развития насекомых из
яиц, найти вероятность появления k новых насекомых из одной
кладки яиц.
7.28. Подводная лодка атакует корабль, выпуская по нему
последовательно и независимо одну за другой n торпед. Каждая
торпеда попадает в корабль с вероятностью p и при попадании
— с одинаковой вероятностью в любой из k отсеков, на которые
разделена подводная часть корабля. Торпеда, попавшая в отсек,
приводит к его заполнению водой. Корабль идёт ко дну, если во-
дой заполнено не менее двух отсеков. С какой вероятностью ко-
рабль будет затоплен?
7.29. По резервуару с горючим производится n независимых
выстрелов зажигательными снарядами. Каждый снаряд попада-
ет в резервуар с вероятностью p. Если в резервуар попал один
§ 7. Формула полной вероятности 49

снаряд, горючее воспламеняется с вероятностью p0 , а если два


снаряда — с полной достоверностью. Найти вероятность того,
что при n выстрелах горючее воспламенится.
7.30. Три орудия производят стрельбу по трём целям. Для
каждого орудия выбирается цель случайным образом и незави-
симо от других. Цель, обстрелянная одним орудием, поражается
с вероятностью p. С какой вероятностью из трёх целей будут по-
ражены ровно две?
7.31. Пусть количество потомков некоторого насекомого слу-
чайно и имеет геометрическое распределение с параметром p.
Каждый потомок с равной вероятностью может оказаться муж-
ского или женского пола. Найти вероятность того, что в потом-
стве будет k самцов.
У к а з а н и е. Воспользоваться равенством

k 1
∑ Cn+k xn = .
n=0 (1 − x)n+1

7.32. Два игрока A и B, имеющие соответственно капиталы


a и b, играют в азартную игру, состоящую из отдельных партий.
Предположим, что каждую партию игрок A выигрывает с веро-
ятностью p и проигрывает с вероятностью 1 − p. После каж-
дой партии проигравший уплачивает 1 рубль выигравшему. Иг-
ра продолжается до разорения одного из игроков. Найти вероят-
ность того, что разорится второй игрок, если:
а) p = 1/2; б) p > 1/2.
7.33. Предположим, что в условиях предыдущей задачи игрок
A выигрывает с вероятностью p и проигрывает с вероятностью q;
кроме того, возможна ничья c вероятностью r = 1 − p − q. Найти
вероятность разорения второго игрока.
7.34. Считая, что при размножении бактерий делением (на
две бактерии) вероятность бактерии разделиться за промежу-
ток времени ∆ равна λ∆ + o(∆) при ∆ → 0 и не зависит от числа
предшествующих делений, а также от числа имеющихся бакте-
рий, найти вероятность того, что если в момент времени 0 была
одна бактерия, то в момент времени t окажется i бактерий.
7.35. К линии электропередачи подключено n механизмов.
Вероятность того, что механизм, потребляющий энергию в мо-
мент времени t, прекратит её потребление до момента t + ∆, равна
50 ОТДЕЛ II. УСЛОВНАЯ ВЕРОЯТНОСТЬ И НЕЗАВИСИМОСТЬ

α∆ + o(∆) при ∆ → 0. Если в момент времени t механизм не по-


требляет энергию, то вероятность того, что он станет её потреб-
лять до момента t + ∆, равна β∆ + o(∆). Составить дифференци-
альные уравнения, которым удовлетворяют вероятности Pr (t) то-
го, что в момент времени t энергию потребляют r механизмов.
7.36. Три самолёта-разведчика высылаются в район против-
ника с целью уточнить координаты объекта, который предпола-
гается подвергнуть обстрелу ракетами. Для поражения объек-
та выделено n ракет. При уточнённых координатах объекта ве-
роятность его поражения одной ракетой равна p1 , при неуточ-
нённых — p2 . Каждый разведчик перед выходом в район объек-
та может быть сбит противовоздушными средствами противника
с вероятностью p3 . Если разведчик не сбит, он сообщает коор-
динаты объекта по радио. Каждое сообщение принимается ко-
мандным пунктом с вероятностью p4 . Для уточнения координат
достаточно приёма сообщения от одного разведчика. Найти ве-
роятность поражения объекта с учётом деятельности разведки.
7.37. Из n стрелков можно выделить четыре группы: a1 от-
личных стрелков, a2 хороших, a3 посредственных и a4 плохих.
Вероятность попадания в мишень при одном выстреле для стрел-
ка i-й группы равна pi . Вызываются наугад два стрелка и стреля-
ют по одной и той же мишени. Найти вероятность хотя бы одного
попадания в мишень.
7.38. В автобусе едут n пассажиров. На следующей останов-
ке каждый из них выходит с вероятностью p независимо от дру-
гих; кроме того, в автобус с вероятностью p0 не входит ни один
пассажир; с вероятностью 1 − p0 входит один новый пассажир.
Найти вероятность того, что, когда автобус снова тронется в путь
после следующей остановки, в нём будет по-прежнему n пасса-
жиров.
7.39. Урна содержит два шара: один белый и один чёрный.
Производятся последовательные испытания с возвращением вы-
нутого шара в урну. Число испытаний неограниченно. Какова ве-
роятность вынуть когда-нибудь:
а) белый шар, если после каждого испытания в урну добав-
ляются ещё a чёрных шаров;
б) подряд два белых шара, если после каждого испытания в
урну добавляется ещё один чёрный шар?
О Т Д Е Л III

СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
И ИХ РАСПРЕДЕЛЕНИЯ

§ 8. Случайные величины
Пусть (Ω, F , P) — вероятностное пространство. Функция ξ : Ω → R
называется случайной величиной, если для любого x ∈ R множество
Ax = {ω ∈ Ω : ξ(ω) < x} является событием, т. е. Ax ∈ F .
σ-Алгеброй, порождённой случайной величиной ξ, называется
σ-алгебра, порождённая классом событий {Ax , x ∈ R}.

8.1. Пусть ξ и η — случайные величины. Доказать, что сле-


дующие множества являются событиями:
а) A = {ω ∈ Ω : ξ(ω) < η(ω)};
б) B = {ω ∈ Ω : ξ(ω) 6 η(ω)};
в) C = {ω ∈ Ω : ξ(ω) = η(ω)}.
8.2. Пусть функция ξ : Ω → R такова, что для каждого x ∈ R
множество Ax = {ω ∈ Ω : ξ(ω) = x} является событием. Верно ли,
что в этом случае ξ — случайная величина?
8.3. Построить вероятностное пространство (Ω, F , P) и функ-
цию ξ : Ω → R на нём такие, что ξ не является случайной величи-
ной.
Р е ш е н и е. Рассмотрим эксперимент с одной игральной костью. В
качестве пространства элементарных исходов рассмотрим Ω = {1, 2, 3,
4, 5, 6}; в качестве σ-алгебры — совокупность подмножеств F ={∅,
Ω, {1, 3, 5}, {2, 4, 6}}, на которой определим следующие вероятности:
P{1, 3, 5} = P{2, 4, 6} = 1/2.
Рассмотрим теперь следующую функцию ξ : Ω → R:

1, если ω простое,
ξ(ω) =
0, если ω составное.
52 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Эта функция не является случайной величиной, потому что множество


A0,5 = {ω ∈ Ω : ξ(ω) < 0, 5} = {4, 6} не принадлежит F , т. е. не является
событием.
8.4. Обязана ли функция ξ быть случайной величиной, если
случайной величиной является функция:
а) η = ξ2 ; в) η = |ξ|;
б) η = eξ ; г) η = ξ + 1.
8.5. Пусть вероятностное пространство (Ω, F , P) есть отре-
зок [0, 1] с σ-алгеброй борелевских множеств и мерой Лебега.
Описать σ-алгебру, порождённую случайной величиной:
а) ξ(ω) = 1/2; в) ξ(ω) = ω/2;
  1/4, ω ∈ [0, 1/4),
ω, ω ∈ [0, 1/2),
б) ξ(ω) = г) ξ(ω) = 1/2, ω ∈ [1/4, 3/4),
1, ω ∈ [1/2, 1];
1, ω ∈ [3/4, 1].

8.6. Пусть вероятностное пространство (Ω, F , P) есть пря-
мая R с σ-алгеброй борелевских множеств и некоторой вероят-
ностью. Описать σ-алгебру, порождённую случайной величиной:
а) ξ(ω) = ω2 ; б) ξ(ω) = cos ω.

§ 9. Функции распределения
Функцией распределения случайной величины ξ называется функ-
ция
F(x) = P{ξ < x} ≡ P{ω : ξ(ω) < x}
действительного аргумента x. Распределением случайной величины ξ
называется функция
F(B) = P{ξ ∈ B},
где аргумент B есть произвольное борелевское множество в R.
Распределение случайной величины ξ называется дискретным, ес-
ли существует не более чем счётное множество точек {xi } в R такое, что

∑ P{ξ = xi } = 1.
i=1

Рядом распределения дискретной случайной величины ξ называется


таблица
x1 x2 ...
P{ξ = x1 } P{ξ = x2 } . . .
§ 9. Функции распределения 53

Распределение случайной величины ξ называется абсолютно не-


прерывным, если существует неотрицательная измеримая функция p(x)
такая, что для любого борелевского множества B
Z
P{ξ ∈ B} = p(x)dx.
B

Функция p(x) называется плотностью распределения случайной ве-


личины ξ.
Если P{ξ = x} = 0 для любого действительного x, то распределение
случайной величины ξ называется непрерывным.
Медианой распределения случайной величины ξ называется любое
число a такое, что P{ξ 6 a} > 1/2 и P{ξ > a} > 1/2.

9.1. Какие из следующих функций являются функциями рас-


пределения:
а) I{x ∈ (0, 1]}; в) I{x ∈ (0, ∞)};
б) I{x ∈ (−∞,
 0]}; г) I{x = 0};
0 при x ∈ (−∞, 0],
д) F(x) =
1 − 1/n при x ∈ (n − 1, n], n ∈ N;

0 при x ∈ (−∞, 0],
е) F(x) =
1 + (−1)n /n при x ∈ (n − 1, n], n ∈ N?
9.2. Дискретная случайная величина ξ имеет функцию рас-
пределения 

 0 при x 6 2,
3/10 при 2 < x 6 3,

F(x) =

 1/2 при 3 < x 6 4,
1 при x > 4.

Найти ряд распределения случайной величины:


а) ξ; б) ξ2 − 2.
9.3. Дискретная случайная величина ξ имеет ряд распределе-
ния
xi −1 0 1
P{ξ = xi } 1/3 1/3 1/3

Построить ряды распределения следующих случайных величин:


а) |ξ|; г) 2ξ ;
б) 2ξ + 5; д) ξ(ξ2 − 1);
2
в) ξ + 1; е) min(ξ, 1).
54 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Р е ш е н и е. в) Если значения случайной величины ξ подставить в


выражение для новой случайной величины η = ξ2 + 1, то получим мно-
жество значений η из двух точек {1, 2}. Посчитаем вероятности этих зна-
чений:

P{η = 1} = P{ξ2 + 1 = 1} = P{ξ = 0} = 1/3;


P{η = 2} = P{ξ2 + 1 = 2} = P{{ξ = 1} ∪ {ξ = −1}} = 1/3 + 1/3 = 2/3.

Получили ряд распределения

xi 1 2
P{η = xi } 1/3 2/3

9.4. Дискретная случайная величина ξ имеет ряд распределе-


ния
xi −2 −1 0 1 2
P{ξ = xi } 1/10 1/5 3/10 3/10 1/10

Построить ряды распределения следующих случайных величин:


а) 3 − ξ; г) max(|ξ|, 1);
б) ξ2 − 1; д) min(ξ, 1);
в) |ξ|; е) 1/(3 − ξ).
9.5. Дискретная случайная величина ξ имеет ряд распределе-
ния
xi −2 0 1 5
P{ξ = xi } 1/4 1/3 1/6 1/4

Построить ряды распределения следующих случайных величин:


а) 1 − 2ξ; г) 2ξ ;
2
б) ξ + ξ − 2; д) max(ξ, 1);
в) ||ξ| − 3|; е) 1/(3 − ξ).
9.6. С целью привлечения покупателей компания «Кока-ко-
ла» проводит рекламную акцию, в которой каждая десятая бу-
тылка напитка, выпущенная фирмой, является призовой. Соста-
вить ряд распределения числа призовых из трёх приобретённых
покупателем бутылок. Построить функцию распределения этой
случайной величины.
9.7. Среди 7 купленных театральныx билетов 3 билета в пар-
тер. Наудачу взяли 4 билета. Составить ряд распределения числа
§ 9. Функции распределения 55

билетов в партер среди выбранных. Построить функцию распре-


деления этой случайной величины.
9.8. Технический контроль проверяет изделия, каждое из ко-
торых независимо от других изделий может с вероятностью p
оказаться дефектным. Найти ряд распределения числа обнару-
женных при проверке годных изделий между двумя последова-
тельными дефектными.
9.9. Пусть вероятностное пространство (Ω, F , P) есть отре-
зок [0, 1] с σ-алгеброй борелевских множеств и мерой Лебега.
Найти функцию распределения случайной величины ξ, если:
а) ξ(ω) = ω; в) ξ(ω) = ω2 ;
б) ξ(ω) =  α
ω , α < 0; г) ξ(ω) = sin(πω);
2ω, ω ∈ [0, 1/2),
д) ξ(ω) =
2(1 − ω), ω ∈ [1/2, 1];

 ω, ω ∈ [0, 1/3),
е) ξ(ω) = −1, ω ∈ [1/3, 2/3),
−ω3 , ω ∈ [2/3, 1];


 1/4, ω ∈ [0, 1/4),
ж) ξ(ω) = 1, ω ∈ [1/4, 3/4),
1/4, ω ∈ [3/4, 1].

Р е ш е н и е. г) По определению функции распределения

F(x) = P{ω : ξ(ω) < x}.

Нарисуем график функции ξ(ω) = sin(πω) и отметим на нём множество


точек ω таких, что ξ(ω) < x:

ξ 6

x
-
0 ωx 1 − ωx 1 ω
Искомые ω соответствуют точкам графика, оказавшимся ниже уровня
x. Если 0 6 x 6 1, то

{ω : ξ(ω) < x} = {ω ∈ [0, ωx ]} ∪ {ω ∈ [1 − ωx , 1]},


56 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

где ωx = π1 arcsin x. Последние два события несовместны, а вероятность


попадания в любой отрезок равна его длине, поэтому
2
Fξ (x) = P{ω : ξ(ω) < x} = P{ω ∈ [0, ωx ]} + P{ω ∈ [1 − ωx , 1]} = arcsin x.
π
Значения случайной величины ξ(ω) заключены между 0 и 1, поэтому
Fξ (x) = 0 при x 6 0 и Fξ (x) = 1 при x > 1. Таким образом, функция рас-
пределения величины ξ(ω) имеет вид

0 при x 6 0,
Fξ (x) = π2 arcsin x при 0 < x 6 1,
1 при x > 1.

9.10. Найти плотности распределения (если они существуют)


случайных величин, определённых в задаче 9.9.
Р е ш е н и е. г) Функция распределения, найденная в предыдущей
задаче, всюду непрерывна и дифференцируема во всех точках, кроме
x = 0 и x = 1. Следовательно, плотность распределения может быть най-
дена как производная от функции распределения. Поэтому в качестве
плотности можно взять функцию

0 p при x < 0,
p(x) = 2/π 1 − x2 при x ∈ [0, 1],
0 при x > 1.

9.11. Найти медиану распределения случайных величин, оп-


ределённых в задаче 9.9.
9.12. Точка ω = (ω1 , ω2 ) выбирается наудачу в треугольнике с
вершинами в точках (0, 0), (2, 1) и (2, 0). Найти функцию распре-
деления и плотность случайной величины ξ, если:
а) ξ(ω) = ω1 ; б) ξ(ω) = ω2 .
9.13. Равнобедренный треугольник образован единичным ве-
ктором в направлении оси абсцисс и единичным вектором в слу-
чайном направлении. Найти функцию распределения длины тре-
тьей стороны в:
а) R2 ; б) R3 .
9.14. Из точки (0, a) на плоскости проведена прямая под уг-
лом ϕ к оси ординат. Найти функцию распределения точки пе-
ресечения этой прямой с осью абсцисс, если угол ϕ равномерно
распределён в промежутке:
§ 9. Функции распределения 57

а) (0, π/2); б) (−π/2, π/2).


9.15. На окружность радиуса R с центром в начале координат
наудачу брошена точка. Найти:
а) плотность распределения абсциссы точки попадания;
б) плотность распределения длины хорды, соединяющей точ-
ку попадания с точкой (−R, 0).
9.16. На отрезок оси ординат между точками (0, 0) и (0, R) на-
удачу брошена точка. Через точку попадания проведена хорда
окружности x2 + y2 = R2 , перпендикулярная оси ординат. Найти
распределение длины этой хорды.
9.17. Диаметр круга измерен приближённо. Считая, что его
величина равномерно распределена на отрезке [a, b], найти рас-
пределение площади круга.
В задачах 9.18–9.21 под p(x) понимается плотность распре-
деления. Найти значение входящей в определение p(x) постоян-
ной c.  −αx
ce при x > 0,
9.18. p(x) = где α > 0.
0 при x 6 0,
Р е ш е н и е. Плотность распределения удовлетворяет равенству
Z
p(x) dx = 1.
R

Подставим заданную плотность


Z ∞
ce−αx dx = 1.
0

Интеграл равен c/α, следовательно, c = α.


c
9.19. p(x) = , α ∈ R.
1 + (x − α)2
cxβ e−αx при x > 0,

9.20. p(x) = α > 0, β > 0.
0 при x 6 0,
c
9.21. p(x) = −x x .
e +e
9.22. Плотность распределения случайной величины ξ имеет
вид 
0 при x < 1,
p(x) = 1/3 при 1 6 x 6 c,
0 при x > c.

Найти:
58 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) значение постоянной c;
б) функцию распределения случайной величины ξ;
в) вероятность P{ξ > 2}.
9.23. Плотность распределения случайной величины ξ имеет
вид 
 1/5 при − 1 6 x < 2,
p(x) = c при 2 6 x 6 3,
0 иначе.

Найти:
а) значение постоянной c;
б) функцию распределения случайной величины ξ;
в) вероятность P{0 6 ξ 6 2, 5}.
9.24. Можно ли подобрать постоянную c так, чтобы функция
cx−4 была плотностью распределения на множестве:
а) [1, ∞); в) [−2, −1];
б) [0, ∞); г) [−3, 0).
9.25. Построить графики плотности:
а) стандартного нормального распределения;
б) нормального распределения с параметрами a и σ2 ;
в) равномерного распределения на отрезке [a, b];
г) показательного распределения с параметром α;
д) распределения Коши с параметрами 0 и 1.
9.26. Что произойдёт с графиком функции распределения
случайной величины ξ, если:
а) прибавить к ξ число 3; б) умножить ξ на число 3?
9.27. Что произойдёт с графиком плотности абсолютно не-
прерывного распределения случайной величины ξ, если:
а) прибавить к ξ число 3; б) умножить ξ на число 3?
9.28. Пусть случайная величина ξ имеет нормальное распре-
деление с параметрами a и σ2 . Доказать, что случайная величина
ξ−a
η= имеет стандартное нормальное распределение.
σ
9.29. Пусть случайная величина ξ имеет нормальное распре-
деление. Известно, что P{ξ > 2} = 0, 5, а P{ξ < 3} = 0, 975. Найти
плотность распределения ξ и P{1 < ξ < 3}.
9.30. Найти математическое ожидание и дисперсию нормаль-
но распределённой случайной величины ξ, если известно, что
P{ξ < 0, 44} = 0, 1, а P{ξ > 3, 88} = 0, 33.
§ 9. Функции распределения 59

9.31. Пусть случайная величина ξ распределена равномер-


но на отрезке [0, 1]. Найти плотности распределения следующих
случайных величин:
а) − ln ξ; г) − ln(1 − ξ);
б) 2ξ + 1; д) ξ2 ;
в) ξ − 1/ξ; е) eξ−1 .
Р е ш е н и е. а) Так как ξ ∈ [0, 1] с вероятностью 1, то случайная ве-
личина η = − ln ξ принимает значения в [0, ∞). Поскольку функция − ln x
убывает, то для любого x > 0

1 − e−x
P{− ln ξ < x} = P{ξ > e−x } = = 1 − e−x .
1
Плотность равна (1 − e−x )0 = e−x , x > 0. Получили, что − ln ξ имеет по-
казательное распределение с параметром 1.
9.32. Пусть случайная величина ξ имеет показательное рас-
пределение с параметром α. Найти плотности распределения сле-
дующихp случайных величин:
а) ξ; г) ln(αξ);
2
б) ξ ; д) e−αξ ;
в) 2ξ; е) min(ξ, ξ2 ).
9.33. Пусть случайная величина ξ имеет стандартное распре-
деление Коши (a = 0, σ2 = 1). Найти плотности распределения
следующих случайных величин:
а) 2ξ + 1; в) 1/(1 + ξ2 );
б) 1/ξ; г) ξ2 /(1 + ξ2 ).
9.34. Пусть случайная величина ξ имеет стандартное норма-
льное распределение. Найти плотность распределения случай-
ной величины η = eξ (эта плотность называется логарифмиче-
ски нормальной).
9.35. Пусть случайная величина ξ имеет равномерное рас-
пределение на отрезке [0, 2π]. Найти плотность распределения
тангенса ξ.
9.36. Пусть случайная величина ξ имеет плотность распреде-
ления p(x). Найти плотности распределения следующих величин:
а) aξ + b, a, b ∈ R, a 6= 0; д) cos ξ;
б) ξ−1 ; е) дробной части ξ;
в) ξ2 ; ж) |ξ − 1|;
г) min(ξ, ξ2 ); з) max(ξ, ξ2 ).
60 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

9.37. Доказать, что для любой случайной величины ξ с непре-


рывной функцией распределения F выполняется равенство

P{F(ξ) < x} = x, x ∈ [0, 1].

9.38. Что можно сказать о распределении случайной величи-


ны F(ξ) в предыдущей задаче, если функция распределения F не
является непрерывной?
9.39. Пусть случайная величина ξ имеет равномерное рас-
пределение на отрезке [0, 1]. Доказать, что для любой функции
распределения F существует измеримая функция f такая, что
случайная величина η = f (ξ) имеет функцию распределения F.
9.40. Пусть случайная величина ξ имеет непрерывную функ-
цию распределения F. Найти функцию распределения случайной
величины η = − ln F(ξ).
9.41. Привести пример случайной величины ξ с абсолютно
непрерывным распределением и непрерывной функции g таких,
что g(ξ) имеет невырожденное дискретное распределение.
9.42. Случайная величина ξ имеет функцию распределения F.
Найти функцию распределения случайной величины η = |ξ|s , где
s > 0.
9.43. Пусть функция распределения F случайной величины
ξ непрерывна в нуле. Найти распределение случайной величины
η = ξ/|ξ|.
9.44. Случайная величина ξ имеет функцию распределения F.
Найти функции распределения случайных величин:
a) max(0, ξ); в) (ξ + |ξ|)/2;
б) min(0, ξ); г) 2 − 3ξ.
9.45. Доказать, что если случайная величина ξ имеет абсо-
лютно непрерывное распределение, то величина |ξ| также име-
ет абсолютно непрерывное распределение. Верно ли обратное
утверждение?
9.46. Доказать, что любая функция распределения F облада-
ет следующими свойствами:
Z ∞ Z ∞
1 1
а) lim x dF(z) = 0. б) lim x dF(z) = 0.
x→∞ x z x→+0 x z
9.47. Доказать, что для любой непрерывной функции распре-
деления F справедливы следующие равенства:
§ 10. Совместное распределение. Независимость 61
Z ∞ 1 ∞ Z
1
а) F(x)dF(x) = ; б) F 2 (x)dF(x) = .
−∞ 2 −∞ 3
9.48. Доказать, что если F(x) — функция распределения, то
при любом h > 0 функции:
1 x+h 1 x+h
Z Z
а) G(x) ≡ F(y)dy; б) H(x) ≡ F(y)dy
h x 2h x−h
также являются функциями распределения.
9.49. Доказать, что множество точек разрыва функции рас-
пределения не более чем счётно.
9.50. Доказать, что любое распределение F может быть пред-
ставлено в виде F = αFd (x) + (1 − α)Fa (x), где α ∈ [0, 1], Fd (x) —
некоторое дискретное распределение, а Fa (x) — непрерывное.
9.51. Доказать, что функция распределения однозначно опре-
деляется своими значениями не более чем в счётном числе точек.
9.52. Какова мощность множества всех функций распреде-
ления?

§ 10. Совместное распределение. Независимость


Совместным распределением случайных величин ξ1 , . . . , ξn назы-
вается функция
F(B) = P{(ξ1 , . . . , ξn ) ∈ B},
где аргумент B есть произвольное борелевское множество в Rn .
Совместной функцией распределения случайных величин ξ1 , . . . ,
ξn называется функция

F(x1 , . . . , xn ) = P{ξ1 < x1 , . . . , ξn < xn }

вещественных переменных x1 , . . . , xn .
Говорят, что распределение случайного вектора (ξ1 , . . . , ξn ) дискрет-
но, если существует не более чем счётный набор точек {xi } из Rn , для
которых

∑ P{(ξ1 , . . . , ξn ) = xi } = 1.
i=1
Говорят, что распределение случайного вектора (ξ1 , . . . , ξn ) абсо-
лютно непрерывно, если существует неотрицательная измеримая
функция p(x1 , . . . , xn ) такая, что для любого борелевского множества B в
Rn Z
P{(ξ1 , . . . , ξn ) ∈ B} = p(x1 , . . . , xn )dx1 . . . dxn .
B
62 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Функция p(x1 , . . . , xn ) называется совместной плотностью распре-


деления случайных величин ξ1 , . . . , ξn .
Случайные величины ξ1 , . . . , ξn называются независимыми, если
для любых борелевских множеств B1 , . . . , Bn в R выполняется равенство

P{ξ1 ∈ B1 , . . . , ξn ∈ Bn } = P{ξ1 ∈ B1 } · . . . · P{ξn ∈ Bn }.

Критерий независимости. Случайные величины ξ1 , . . . , ξn неза-


висимы тогда и только тогда, когда их совместная функция распределе-
ния представима в виде произведения функций распределения коорди-
нат:
Fξ1 ,...,ξn (x1 , . . . , xn ) = Fξ1 (x1 ) · . . . · Fξn (xn ).
Критерий независимости в дискретном случае. Случайные ве-
личины ξ1 , . . . , ξn с дискретным распределением независимы тогда и
только тогда, когда для любых вещественных x1 , . . . , xn

P{ξ1 = x1 , . . . , ξn = xn } = P{ξ1 = x1 } · . . . · P{ξn = xn }.

Критерий независимости для плотностей. Координаты слу-


чайного вектора (ξ1 , . . . , ξn ) с абсолютно непрерывным распределением
независимы тогда и только тогда, когда их совместная плотность рас-
пределения представима в виде произведения плотностей отдельных ко-
ординат:
pξ1 ,...,ξn (x1 , . . . , xn ) = pξ1 (x1 ) · . . . · pξn (xn ).

10.1. Двумерное распределение пары целочисленных случай-


ных величин ξ и η задаётся с помощью таблицы
H ξ
η HH H −1 0 1
−1 1/8 1/12 7/24
1 5/24 1/6 1/8
где в пересечении столбца ξ = i и строки η = j находится веро-
ятность P{ξ = i, η = j}. Выяснить, зависимы или нет случайные
величины ξ и η. Найти:
а) одномерные распределения P{ξ = i} и P{η = j};
б) условные вероятности P{η = 1|ξ = 0} и P{ξ = 1|η = 1};
в) совместное распределение величин ξ + η и ξη;
г) одномерные распределения величин ξ + η и ξη;
д) совместное распределение величин max(ξ, η) и min(ξ, η);
е) совместное распределение величин |ξ + 2η| и |ξ − η|.
§ 10. Совместное распределение. Независимость 63

Р е ш е н и е. а) Случайная величина ξ принимает три значения: −1, 0


и 1, поскольку только эти значения фигурируют в таблице совместного
распределения случайных величин ξ и η. Событие {ξ = −1} может быть
представлено в виде суммы двух несовместных событий {ξ=−1, η = −1}
и {ξ = −1, η = 1}. Поэтому

P{ξ = −1} = P{ξ = −1, η = −1} + P{ξ = −1, η = 1} = 1/8 + 5/24 = 1/3.

Аналогично находим вероятности двух других значений:

P{ξ = 0} = P{ξ = 0, η = −1} + P{ξ = 0, η = 1} = 1/12 + 1/6 = 1/4,


P{ξ = 1} = P{ξ = 1, η = −1} + P{ξ = 1, η = 1} = 7/24 + 1/8 = 5/12.

Получили ряд распределения случайной величины ξ:

xi −1 0 1
P{ξ = xi } 1/3 1/4 5/12

в) Сумма ξ + η может принимать значения −2, −1, 0, 1, 2, а произ-


ведение ξη — значения −1, 0 и 1. Имеем:
если (ξ, η) = (−1, −1), то (ξ + η, ξη) = (−2, 1);
если (ξ, η) = (−1, 1), то (ξ + η, ξη) = (0, −1);
если (ξ, η) = (0, −1), то (ξ + η, ξη) = (−1, 0);
если (ξ, η) = (0, 1), то (ξ + η, ξη) = (1, 0);
если (ξ, η) = (1, −1), то (ξ + η, ξη) = (0 − 1);
если (ξ, η) = (1, 1), то (ξ + η, ξη) = (2, 1).

Группируя одинаковые значения вектора (ξ + η, ξη) и суммируя соответ-


ствующие вероятности, получаем следующую таблицу совместного рас-
пределения:
PP ξ + η
ξη PPP −2 −1 0 1 2
−1 0 0 1/2 0 0
0 0 1/12 0 1/6 0
1 1/8 0 0 0 1/8

10.2. Решить задачу 10.1 для таблицы


H ξ
η HH H −2 0 1
1 1/6 1/6 1/6
2 1/6 1/6 1/6
10.3. Решить задачу 10.1 для таблицы
64 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

HH ξ
η HH −1 0 1
−2 1/8 1/12 7/24
0 1/12 1/12 1/16
1 1/8 1/12 1/16

10.4. Число ξ выбирается случайно среди чисел 1, 2 и 3; число


η выбирается случайно среди ξ, ξ + 1, . . . , ξ + 3. Найти:
а) совместное распределение чисел ξ и η;
б) одномерное распределение ξ;
в) одномерное распределение η.
10.5. Пусть случайные величины ξ и η независимы и одина-
ково распределены, причём P{ξ = 1} = p и P{ξ = 0} = 1 − p. Вве-
дём новую случайную величину ζ, положив

0, если ξ + η чётное число,
ζ=
1, если ξ + η нечётное число.

При каких значениях p случайные величины ξ и ζ независимы?


10.6. Пусть ξ1 и ξ2 — независимые случайные величины, при-
нимающие целые значения. При каких условиях события {ξ1 чёт-
но} и {ξ1 + ξ2 чётно} независимы?
10.7. Пусть независимые случайные величины ξ, η и ζ име-
ют одинаковое геометрическое распределение с параметром p.
Найти:
а) P{ξ = η}; в) P{ξ + η 6 ζ}.
б) P{ξ > 2η};
Р е ш е н и е. б) Событие {ξ > 2η} можно представить как сумму
бесконечного числа несовместных событий {ξ > 2η, η = k}, где k = 1,
2, 3, . . . Поэтому

n[ o ∞
P{ξ > 2η} = P {ξ > 2η, η = k} = ∑ P{ξ > 2η, η = k}.
k=0 k=0

Событие {ξ > 2η, η = k} равно событию {ξ > 2k, η = k}. В силу незави-
симости имеем равенство
∞ ∞
∑ P{ξ > 2η, η = k} = ∑ P{ξ > 2k}P{η = k}.
k=0 k=0
§ 10. Совместное распределение. Независимость 65

Согласно определению геометрического распределения


∞ ∞
P{ξ > 2k} = ∑ P{ξ = l} = ∑ p(1 − p)l = (1 − p)2k .
l=2k l=2k

Следовательно,

p 1
P{ξ > 2η} = ∑ (1 − p)2k p(1 − p)k = 1 − (1 − p)3 = 3 − 3p + p2 .
k=0

10.8. Точка ω = (ω1 , ω2 ) выбрана наудачу в квадрате [0, 1]2 .


Найти функцию распределения и плотность случайной величины
ξ + η, если:
а) ξ(ω) = ω1 + ω2 , η(ω) = ω1 − ω2 ;
б) ξ(ω) = ω1 , η(ω) = ω2 ;
в) ξ(ω) = 1 при ω1 = ω2 и ξ(ω) = 0 при ω1 6= ω2 ; η(ω) = ω1 ω2 .
10.9. Рассмотрим на плоскости область Ω, имеющую пло-
щадь 1/2 и являющуюся объединением четырехугольника с вер-
шинами (0,0), (1,1), (0,1/2), (1/2,1) и треугольника с вершинами
(1/2,0), (1,0), (1,1/2). Случайная точка (ξ, η) распределена рав-
номерно в Ω. Доказать, что:
а) ξ и η распределены равномерно на [0, 1];
б) сумма ξ + η имеет такую же плотность, как если бы ξ и η
были независимыми.
10.10. Для данной линии трамвая известна функция F(a, b),
равная вероятности того, что пассажир, едущий по этой линии,
вошёл в точке x < a и едет до точки y 6 b. Найти вероятность
того, что пассажир:
а) вошёл в трамвай до пункта z;
б) сошёл до пункта z;
в) проезжает через точку z.
10.11. Пусть F(x, y) обозначает двумерную функцию распре-
деления. Положим G(x, y) = 0 при x < 0 и y < 0; G(x, y) = F(x, y)
во всех других точках. Доказать, что G — монотонная функция
каждой переменной, но G не обязательно является функцией рас-
пределения.
10.12. Пусть ξ и η — случайные величины с функциями рас-
пределения F и G соответственно. Доказать, что если P{ξ6η}=1,
то F(x) > G(x) при любом x.
66 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

10.13. На отрезок [0, a] наудачу независимо брошены две точ-


ки. Найти функцию распределения расстояния между ними.
10.14. Пусть p(x, y) — плотность совместного распределения
случайных величин ξ и η. Найти:
а) P{ξ > η}; г) P{|ξ| > η};
б) P{ξ > |η|}; д) P{ξ − η > 1};
в) P{max(ξ, η) < a}; е) P{min(ξ, η) < a}.
Р е ш е н и е. г) Имеем равенство P{|ξ| > η} = 1 − P{|ξ| 6 η}. Выде-
лим на плоскости область G точек (x, y), удовлетворяющих неравенству
|x| 6 y, т. е. −y 6 x 6 y, на рисунке эта область заштрихована:
y
y = −x @ 6 y=x
@
@
@
@
@ x
-
0

Поскольку нам дана плотность совместного распределения, вероятность


любого события может быть найдена как интеграл от плотности по со-
ответствующему множеству, т. е.
Z
P{|ξ| 6 η} = P{(ξ, η) ∈ G} = p(x, y)dxdy.
G

Следовательно,
Z ∞Z y
P{|ξ| > η} = 1 − P{|ξ| 6 η} = 1 − p(x, y)dxdy.
0 −y

10.15. Пусть случайные величины ξ и η независимы и имеют


одинаковую непрерывную функцию распределения. Найти:
а) P{ξ = η}; б) P{ξ < η}.
10.16. Пусть независимые случайные величины ξ и η показа-
тельно распределены с параметрами α и β соответственно. Найти
P{ξ < η}.
Р е ш е н и е. Поскольку случайные величины ξ и η независимы, то
их совместная плотность равна произведению плотностей:

αβe−(αx+βy) при x > 0, y > 0,



pξ,η (x, y) = pξ (x)pη (y) =
0 иначе.
§ 10. Совместное распределение. Независимость 67

Имеем равенство P{ξ < η} = P{(ξ, η) ∈ B}, где область B = {x, y > 0:
x < y} заштрихована на рисунке:
y
6 y=x

-x
0
Таким образом, получаем выражение для вероятности
Z Z ∞Z y
P{ξ < η} = pξ,η (x, y)dxdy = αβe−(αx+βy) dxdy =
B 0 0
Z ∞ Z y Z ∞ Z ∞
= αβ e−βy e−αx dxdy = β e−βy dy − β e−(α+β)y dy =
0 0 0 0
α
= .
α+β

10.17. Совместное распределение случайных величин ξ и η


имеет плотность

c(x + y) при 0 6 x 6 1, 0 6 y 6 1,
p(x, y) =
0 иначе.

Найти:
а) постоянную c;
б) плотность распределения случайной величины ξ;
в) плотность распределения случайной величины η;
г) плотность распределения случайной величины max(ξ, η);
д) плотность распределения случайной величины min(ξ, η).
Р е ш е н и е. а) Имеем равенство
Z Z 1Z 1 Z 1
p(x, y)dxdy = c(x + y)dxdy = c (1/2 + y)dy = c.
R2 0 0 0

С другой стороны, интеграл от плотности по всему пространству равен


единице. Поэтому c = 1.
б) Вычислим распределение случайной величины ξ: для любого бо-
релевского множества B на прямой имеем
Z
P{ξ ∈ B} = P{(ξ, η) ∈ G} = p(x, y)dxdy,
G
68 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

где G = B × R. Поэтому для B ⊆ [0, 1]


Z Z Z Z 1
P{ξ ∈ B} = p(x, y)dydx = (x + y)dydx,
B R B 0

Следовательно, при x ∈ [0, 1]


Z 1
pξ (x) = (x + y)dy = x + 1/2.
0

г) Найдём вероятность события {max(ξ, η) < t}:


Z t Z t
P{max(ξ, η) < t} = P{{ξ < t} ∩ {η < t}} = p(x, y)dxdy.
∞ ∞

Если 0 < t 6 1, то получаем равенство


Z tZ t
P{max(ξ, η) < t} = (x + y)dxdy = t 3 .
0 0

Таким образом, функция распределения максимума равна



 0 при t 6 0,
Fmax(ξ,η) (t) = t 3 при t ∈ (0, 1],
1 при t > 1.

Продифференцируем полученную функцию по t и получим плотность


максимума  2
3t при t ∈ (0, 1],
pmax(ξ,η) (t) =
0 иначе.

10.18. Случайная величина ξ имеет плотность распределе-


ния p(x). Найти совместную функцию распределения случайного
вектора (ξ, ξ2 ).
10.19. Совместное распределение случайных величин ξ и η
имеет плотность

1, если x, y > 0 и x + 2y 6 2,
p(x, y) =
0 иначе.

Найти плотность распределения случайной величины ξ.


10.20. Совместное распределение случайных величин ξ и η
имеет плотность
c
p(x, y) = .
1 + x2 + x2 y2 + y2
§ 10. Совместное распределение. Независимость 69

Установить, зависимы или нет случайные величины ξ и η. Найти:


а) постоянную c;
б) плотность распределения ξ;
в) плотность распределения η;
г) вероятность P{|ξ| 6 1, |η| 6 1}.
10.21. Случайная точка (ξ, η) распределена равномерно вну-
три квадрата {(x, y) : |x| + |y| 6 1}. Установить, зависимы или нет
случайные величины ξ и η. Найти:
а) плотность распределения ξ;
б) плотность распределения η;
в) вероятность P{ξ > η}.
10.22. Совместное распределение случайных величин ξ и η
имеет плотность

2
при x2 + y2 > 1,

p(x, y) = π(x2 + y2 )3
0 иначе.

p
Найти плотность распределения случайной величины ξ2 + η2 .
10.23. Случайная точка (ξ, η) распределена на плоскости по
нормальному закону с плотностью
1 2 2
pξη (x, y) = √ e−(2(x−1) +(y+1) )/4 .
2π 2
Найти вероятность попадания случайной точки (ξ, η) в область,
ограниченную эллипсом
(y + 1)2
(x − 1)2 + = 1.
2
10.24. Случайные величины ξ и η независимы и имеют стан-
дартное нормальное распределение. Найти вероятность попада-
ния случайной точки (ξ, η) p
а) в кольцо {(x, y) : 2 6 x2 + √ y2 6 3};
б) в квадрат {(x, y) : |x| + |y| 6 2}.
10.25. Случайная точка (ξ, η) имеет равномерное распреде-
ление в круге {(x, y) : x2 + y2 < 1}. √ √
а) Найти вероятность P{|ξ| < 1/ 2, |η| < 1/ 2}.
б) Являются ли случайные величины ξ и η независимыми?
Р е ш е н и е. б) Из рисунка
70 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

y
'$
p
6
r
b
ap - x
0
&%

видно, что в выделенной точке совместная плотность равна нулю, в то


время как произведение плотностей координат в соответствующих точ-
ках a и b положительно. Нарушен критерий независимости для плотно-
стей, что означает зависимость координат.
10.26. Случайный вектор (ξ, η, ζ) имеет плотность распреде-
ления 
6
при x > 0, y > 0, z > 0,

p(x, y, z) = (1 + x + y + z)4
0 иначе.
Найти распределение величины ξ + η + ζ.
10.27. Две точки выбираются случайно и независимо на от-
резке [0, 1]; третья точка выбирается случайно между первыми
двумя. Доказать, что распределение координаты третьей точки
абсолютно непрерывно. Найти его плотность.
10.28. Показать, что если ξ1 , ξ2 , . . . — независимые случай-
ные величины, то случайные величины lim inf ξn и lim sup ξn вы-
n→∞ n→∞
рождены.
10.29. Пусть случайные величины ξ и η таковы, что выполня-
ется P{ξ > 0} = P{η > 0} = 3/4 и P{ξ + η > 0} = 1/2. Доказать,
что ξ и η зависимы.
10.30. Пусть ξ имеет стандартное нормальное распределе-
ние, а η = 1 при ξ > 0 и η = 0 при ξ 6 0. Доказать, что случайные
величины |ξ| и η независимы.
10.31. Пусть независимые случайные величины ξ и η име-
ют функции распределения F(x) и G(x) соответственно. Найти
функции распределения следующих величин:
а) max(ξ, η); в) max(3ξ, η);
б) min(ξ, η); г) min(ξ, η3 ).
10.32. К переговорному пункту с двумя кабинами подошли
три клиента: первый и второй клиенты заняли соответственно ка-
бины №1 и 2, а третий клиент остался ждать. Предполагая, что
§ 11. Преобразование независимых случайных величин 71

времена τ1 , τ2 и τ3 разговоров клиентов независимы и распреде-


лены показательно с параметром α, найти:
а) вероятность того, что третий клиент попадёт в кабину №1;
б) плотность распределения времени ожидания третьего кли-
ента;
в) вероятность, что третий клиент закончит разговор раньше
первого или второго клиента (т. е. раньше одного из них).
10.33. Когда случайная величина ξ не зависит сама от себя?
10.34. При каких условиях на ξ случайные величины ξ и sin ξ
независимы?
10.35. Доказать, что если случайные величины ξ и f (ξ) ( f —
борелевская функция) независимы, то f (ξ) равно некоторой кон-
станте с вероятностью 1.
10.36. Доказать, что если случайные величины ξ и η, а также
ξ и ξ − η независимы, то ξ равно некоторой константе с вероят-
ностью 1.
10.37. Пусть ξ и η — случайные величины. Обязаны ли они
быть независимыми, если случайные величины ξ2 и η2 независи-
мы?
10.38. Пусть независимые случайные величины ξ, η и ζ при-
нимают лишь значения 0, 1, 2, . . . , причём каждое с положи-
тельной вероятностью. Доказать, что не существует целого n > 2,
для которого равенство ξn + ηn = ζn выполнялось бы с вероятно-
стью 1.
10.39. Пусть ξ и η — независимые случайные величины, при-
чём ξ + η принимает значения 0, 1 и 2 с вероятностями 1/3 каж-
дое. Доказать, что одна из величин ξ или η имеет вырожденное
распределение.

§ 11. Преобразование независимых


случайных величин
Формула свёртки дискретных распределений. Если независи-
мые случайные величины ξ и η принимают целые значения, то распре-
деление суммы ξ + η равно свёртке их вероятностей:
∞ ∞
P{ξ+η = n} = ∑ P{ξ = k}P{η = n−k} = ∑ P{η = k}P{ξ = n−k}.
k=−∞ k=−∞
72 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Формула свёртки плотностей. Если независимые случайные ве-


личины ξ и η имеют абсолютно непрерывные распределения с плот-
ностями pξ (x) и pη (y), то плотность распределения суммы ξ + η равна
свёртке плотностей pξ (x) и pη (y):
Z Z
pξ+η (x) = pξ (y)pη (x − y)dy = pη (y)pξ (x − y)dy.
R R

11.1. Пусть дискретные случайные величины ξ и η независи-


мы и имеют распределения Пуассона с параметрами λ и µ соот-
ветственно. Найти распределение суммы ξ + η.
Р е ш е н и е. Случайные величины ξ и η, имеющие распределения
Пуассона с параметрами λ и µ, принимают значения из множества Z+ с
вероятностями

P{ξ = k} = λk e−λ /k! и P{η = k} = µk e−µ /k!.

Следовательно, их сумма ξ + η будет принимать значения также из мно-


жества Z+ с вероятностями, которые можно найти по формуле свёртки:
∞ n
P{ξ + η = n} = ∑ P{ξ = k}P{η = n − k} = ∑ P{ξ = k}P{η = n − k},
k=0 k=0

поскольку η не принимает отрицательных значений. Поэтому


n
λk −λ µn−k −µ
P{ξ + η = n} = ∑ e e =
k=0
k! (n − k)!
e−(λ+µ) n
e−(λ+µ)
=
n! ∑ Cnk λk µn−k = n!
(λ + µ)n .
k=0

Таким образом, сумма ξ + η имеет распределение Пуассона с парамет-


ром λ + µ.
11.2. Пусть дискретные случайные величины ξ1 , . . . , ξn неза-
висимы и имеют распределения Пуассона с параметрами λ1 , . . . ,
λn соответственно. Найти распределение суммы ξ1 + . . . + ξn .
11.3. Пусть случайные величины ξ и η независимы, причём ξ
имеет биномиальное распределение с параметрами p и n, а η —
биномиальное распределение с параметрами p и m. Найти рас-
пределение суммы ξ + η.
§ 11. Преобразование независимых случайных величин 73

11.4. Пусть ξ1 , . . . , ξn — независимые случайные величины,


каждая из которых принимает значения 0 и 1 с вероятностью 1/2.
n
Найти распределение произведения η = ∏ ξi .
i=1
11.5. Пусть независимые случайные величины ξ и η имеют
одинаковое геометрическое распределение с параметром p. По-
ложим U = min(ξ, η) и V = ξ − η. Доказать, что случайные вели-
чины U и V независимы.
11.6. Пусть ξ и η — независимые случайные величины, при-
чём ξ равномерно распределена на отрезке [0, a], а η равномерно
распределена на отрезке [0, b]. Найти распределение суммы ξ+η,
если:
а) a = b = 1; б) b > a.
Р е ш е н и е. а) Воспользуемся формулой свёртки для плотностей:
Z
pξ+η (x) = pξ (y)pη (x − y)dy.
R

Так как pξ (y) = 1 при y ∈ [0, 1] и pξ (y) = 0 при y 6∈ [0, 1], то


Z 1
pξ+η (x) = pη (x − y)dy.
0

Теперь заметим, что сумма ξ + η может принимать значения в отрез-


ке [0, 2], т. е. её плотность будет равна нулю для точек, лежащих вне
этого отрезка. Внутри же этого отрезка различаются два случая. Если
x ∈ [0, 1], то Z x
pξ+η (x) = 1dy = x.
0
Если же x ∈ [1, 2], то
Z 1
pξ+η (x) = 1dy = 2 − x.
x−1

Получили искомую плотность:



x при x ∈ [0, 1],
pξ+η (x) = 2 − x при x ∈ (1, 2],
0 при x ∈
6 [0, 2].

11.7. Пусть случайные величины ξ и η независимы и каждая


имеет равномерное распределение на отрезке [0, 2]. Найти функ-
ции распределения и плотности следующих величин:
74 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) |ξ − η|; г) max(2ξ, η2 );
3
б) min(ξ, η ); д) max(3ξ, η3 ).
в) ξ − 3η;
11.8. Решить задачу 11.7 в предположении, что случайные
величины ξ и η имеют показательное распределение с парамет-
ром α.
11.9. На отрезок [0, 1] брошены наудачу независимо друг от
друга n точек. Найти:
а) плотность распределения координаты самой правой точки;
б) плотность распределения координаты самой левой точки;
в) плотность распределения координаты k-й слева точки;
г) совместную плотность распределения координат самой ле-
вой и самой правой точек;
д) совместную плотность распределения k-й и m-й точек сле-
ва (k < m);
е) плотность распределения расстояния между самой левой и
самой правой точками.
Р е ш е н и е. г) Найдём совместную функцию распределения самой
левой и самой правой точек. Положение i-й точки на отрезке описы-
вается случайной величиной ξi , равномерно распределённой на отрезке
[0, 1], при этом случайные величины ξi , i = 1, . . . , n, независимы в со-
вокупности. В этих терминах самая левая точка — это min ξi , а самая
i
правая точка — это max ξi . Таким образом,
i

Fmin ξi ,max ξi (x, y) = P{min ξi < x, max ξi < y} при 0 6 x 6 y 6 1.


i i

Событие {min ξi < x, max ξi < y} представим в виде разности событий


i i
{max ξi < y} и {min ξi > x, max ξi < y}, при этом второе событие является
i i i
подмножеством первого. Следовательно,

P{min ξi < x, max ξi < y} = P{max ξi < y} − P{min ξi > x, max ξi < y}.
i i i i i

Событие {max ξi < y} состоит в том, что все точки оказались левее за-
i
данного y, поэтому
n
n\ o n
P{max ξi < y} = P {ξi < y} = ∏ P{ξi < y} = yn ,
i i=1
i=1
§ 11. Преобразование независимых случайных величин 75

поскольку события {ξi < y} независимы. Событие {min ξi > x, max ξi <y}
i i
состоит в том, что все точки оказались на отрезке [x, y]. Поэтому
( )
n
\
P{min ξi > x, max ξi < y} = P {x < ξi < y} =
i i
i=1
n
= ∏ P{x < ξi < y} = (x − y)n .
i=1

Итого, совместная функция распределения Fmin ξi ,max ξi (x, y) минимума и


максимума при 0 < x < y < 1 равна yn − (y − x)n . При 0 6 x 6 1 и y > 1
такие же вычисления дают значение 1 − (1 − x)n , а при 0 6 y 6 x — yn . В
остальных случаях Fmin ξi ,max ξi (x, y) = 0. Совместная плотность распре-
деления может быть найдена как смешанная производная от совместной
функции распределния по x и y:
∂2
pmin ξi ,max ξi (x, y) = F (x, y) =
∂x∂y min ξi ,max ξi
n(n − 1)(y − x)n−2 при 0 < x < y < 1,

=
0 иначе.

11.10. Пусть случайные величины ξ1 , . . . , ξn независимы и


каждая имеет симметричное распределение. Доказать, что сумма
ξ1 + . . . + ξn также имеет симметричное распределение.
11.11. Величину Qξ (y) = sup P{x 6 ξ 6 x + y} называют функ-
x
цией концентрации случайной величины ξ. Доказать, что для
любой случайной величины η, не зависящей от ξ, функция кон-
центрации суммы ξ + η удовлетворяет неравенству
Qξ+η (y) 6 Qξ (y).
11.12. Пусть случайные величины ξ и η независимы, причём
ξ имеет нормальное распределение с параметрами a и σ2 , а η —
нормальное распределение с параметрами b и θ2 . Найти распре-
деление суммы ξ + η.
11.13. Пусть случайные величины ξ1 , . . . , ξn независимы, при-
чём ξi имеет нормальное распределение с параметрами ai и σ2i .
Найти распределение суммы ξ1 + . . . + ξn .
11.14. Пусть независимые случайные величины ξ и η имеют
стандартное нормальное распределение. Доказать, что случай-
ные величины ξ + η и ξ − η независимы.
76 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

11.15. Совместное распределение случайных величин ξ и η


имеет плотность
1 −(5x2 −6xy+2y2 )/2
p(x, y) = e .

Найти плотности распределения:
а) ξ; в) ξ + η;
б) η; г) вектора (ξ + η, ξ − η).
11.16. Пусть случайные величины ξ1 , . . . , ξn независимы и
имеют стандартное нормальное распределение. Найти совмест-
n m
ную плотность распределения величин η = ∑ ξk и ζ = ∑ ξk при
k=1 k=1
m < n.
11.17. Пусть независимые случайные величины ξ и η име-
ют стандартное нормальное распределение. Найти распределе-
ние случайной величины ξ2 + η2 .
11.18. Пусть случайные величины ξ и η независимы и имеют
стандартное нормальное распределение. Доказать, что величины
ξ2 + η2 и ξ/η также независимы.
11.19. Пусть ξ и η — независимые случайные величины, при-
чём ξ имеет показательное распределение с параметром α, а η —
показательное распределение с параметром β. Найти распреде-
ление суммы ξ + η, если:
а) α = β; б) α < β.
11.20. Пусть ξ1 , . . . , ξn — независимые случайные величины,
каждая из которых имеет показательное распределение с пара-
метром α. Найти распределение суммы ξ1 + . . . + ξn .
11.21. Пусть случайные величины ξ и η независимы и имеют
распределение Лапласа с параметром α. Найти плотность рас-
пределения суммы ξ + η.
11.22. Пусть случайные величины ξ и η независимы и име-
ют распределения Коши с одним и тем же параметром масштаба
σ и параметрами сдвига a и b соответственно. Найти плотность
распределения суммы ξ + η.
11.23. Пусть случайные величины ξ1 , . . . , ξn независимы и
имеют распределения Коши с одним и тем же параметром мас-
штаба σ и с параметрами сдвига a1 , . . . , an соответственно. Найти
плотность распределения суммы ξ1 + . . . + ξn .
§ 11. Преобразование независимых случайных величин 77

11.24. Пусть случайные величины ξ и η независимы, причём ξ


имеет гамма-распределение с параметрами α и β1 , а η — гамма-
распределение с параметрами α и β2 . Найти распределение сум-
мы ξ + η.
11.25. Пусть случайные величины ξ1 , . . . , ξn независимы, при-
чём ξi имеет гамма-распределение с параметрами α и βi . Найти
распределение суммы ξ1 + . . . + ξn .
11.26. Пусть случайная величина имеет равномерное рас-
пределение на некотором отрезке. Выяснить, может ли она быть
представлена в виде суммы двух независимых случайных вели-
чин с невырожденными распределениями.
11.27. Пусть ξ и η — независимые случайные величины, при-
чём ξ имеет показательное распределение с параметром α, а η —
показательное распределение с параметром β. Найти распреде-
ление разности ξ − η, если:
а) α = β; б) α < β.
11.28. Пусть ξ, η и ζ — независимые случайные величины,
имеющие одинаковое показательное распределение с парамет-
ром α. Найти совместную плотность распределения случайного
вектора (η − ξ, ζ − ξ).
11.29. Найти плотность распределения частного ξ/η, если
числитель и знаменатель независимы и каждый имеет:
а) показательное распределение с параметром α;
б) равномерное распределение на отрезке [0, 1];
в) стандартное нормальное распределение.
11.30. Совместное распределение случайных величин ξ и η
имеет плотность p(x, y) = e−x−y , x, y > 0. Найти:
а) плотность совместного распределения случайных величин
ξ + η и ξ/η;
б) доказать, что величины ξ + η и ξ/η независимы.
11.31. Найти плотность распределения произведения ξη, ес-
ли сомножители независимы и каждый имеет равномерное рас-
пределение на отрезке [0, 1].
11.32. Частица единичной массы расщепляется случайным
образом на два осколка с массами ξ и 1 − ξ. Плотность f слу-
чайной величины ξ сосредоточена в [0, 1] и, из соображений сим-
метрии, f (x) = f (1 − x). Массу наименьшего осколка обозначим
через ξ1 , а наибольшего — ξ2 . Предположим, что эти два оскол-
78 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

ка независимо друг от друга расщепляются таким же образом и


дают в результате четыре осколка с массами ξ11 , ξ12 , ξ21 и ξ22 .
Найти плотность:
а) ξ1 ; б) ξ11 .
11.33. Пусть независимые случайные величины ξ1 , . . . , ξn
равномерно распределены на отрезке [0, 1]. Найти распределе-
n
ние произведения η = ∏ ξi .
i=1
11.34. Случайные величины ξ и η независимы и имеют оди-
наковое распределение с плотностью
c
pξ (x) = pη (x) = .
1 + x4
Найти постоянную c и доказать, что величина ξ/η распределена
по закону Коши.
11.35. Пусть ξ и η — независимые случайные величины, при-
чём P{ξ = 0} = P{ξ = 1} = 1/2, а P{η < x} = x при x ∈ [0, 1]. Найти
функции распределения следующих случайных величин:
а) ξ + η; г) ξη;
б) ξ/2 + η; д) ηξ ;
в) ξ + η/2; е) |ξ − η|.
Построить графики найденных функций распределения.
Р е ш е н и е. г) Так как случайная величина ξη принимает значения
на отрезке [0, 1], то функция распределения равна нулю при x 6 0 и еди-
нице при x > 1. Пусть x ∈ (0, 1]. Событие {ξη < x} представим в виде
суммы двух несовместных событий {ξη < x, ξ = 0} и {ξη < x, ξ = 1}.
Имеем
P{ξη < x} = P{ξη < x, ξ = 0} + P{ξη < x, ξ = 1} =
= P{0 < x, ξ = 0} + P{η < x, ξ = 1}.
Для любого x ∈ (0, 1] событие {0 < x, ξ = 0} эквивалентно событию
{ξ = 0}. Второе событие {η < x, ξ = 1} есть произведение двух незави-
симых событий {η < x} и {ξ = 1}. Поэтому
P{ξη < x} = P{ξ = 0} + P{η < x}P{ξ = 1} = 1/2 + x/2.
Таким образом, получили функцию распределения

0 при x 6 0,
Fξη (x) = (x + 1)/2 при 0 < x 6 1,
1 при x > 1.

§ 11. Преобразование независимых случайных величин 79

Особенность найденной функции состоит в том, что она имеет точку


разрыва в нуле, что хорошо видно на графике:

Fξη (x)
p p p p p p p p p p p p p
6 pppp
1  pppp
pp
pp


pp

pp
ppp -x
0 1
11.36. Пусть случайные величины ξ и η независимы, причём ξ
имеет показательное распределение с параметром α, а η — рав-
номерное на отрезке [0, h]. Найти плотности для:
а) суммы ξ + η, б) разности ξ − η.
11.37. Независимые случайные величины ξ, η и ζ имеют од-
но и то же показательное распределение с параметром α. Найти
плотности случайных величин:
ξ+η ξ+η
а) , б) .
ξ ζ
11.38. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-
лённые случайные величины, причём ξ1 принимает значения 0,
1, . . . , 9 с вероятностью 1/10 каждое. Найти распределение сум-
мы ряда

ξi
∑ 10i .
i=1

11.39. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-


лённые случайные величины, причём ξ1 принимает значения 0 и
1 с вероятностью 1/2 каждое. Найти распределения сумм следу-
ющих рядов:

ξi 2 ∞ ξi
а) ∑ i ; б) ∑ i−1 .
i=1 2 3 i=1 3
11.40. Пусть независимые случайные величины ξ и η имеют
одинаковое показательное распределение с параметром α. По-
ложим U = min(ξ, η) и:
а) V = ξ − η; б) V = I{ξ < η}.
Доказать, что случайные величины U и V независимы.
11.41. Обобщить результат пункта б задачи 11.40 на произ-
вольное непрерывное распределение.
80 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

11.42. Случайные величины ξ и η независимы и имеют пока-


зательное распределение с параметром 1. Доказать, что отноше-
ξ
ние распределено равномерно на отрезке [0, 1].
ξ+η
11.43. Пусть независимые случайные величины ξ и η имеют
нормальное распределение с параметрами α и σ2 . Найти плот-
ность распределения случайной величины

ξ + η − 2α
.
ξ−η

11.44. Пусть ξ1 , . . . , ξn — независимые одинаково распреде-


лённые случайные величины с непрерывной функцией распреде-
ления F. Обозначим через νn (x) число величин ξi , которые мень-
ше x. Доказать, что распределение случайной величины

νn (x)
Dn = sup − F(x)
x n

не зависит от F.
11.45. Доказать, что интегральное уравнение
Z ∞ x(t)dt 2
2
= e−y
−∞ (y − t) + 1

не имеет решения в классе неотрицательных функций.

§ 12. Моменты
Математическим ожиданием (средним значением) Eξ случай-
ной величины ξ с распределением F называется интеграл
Z ∞
Eξ = xF(dx),
−∞

при условии, что интеграл сходится абсолютно. Свойства математиче-


ского ожидания (c — константа):
1) если P{ξ = c} = 1, то Eξ = c;
2) E(cξ) = cEξ;
3) E(ξ + η) = Eξ + Eη для любых случайных величин ξ и η;
4) если ξ > 0, то Eξ > 0;
§ 12. Моменты 81

5) если ξ и η независимы, то E(ξη) = EξEη.


Для любой измеримой функции g(x) математическое ожидание g(ξ)
может быть вычислено по формуле
Z ∞
Eg(ξ) = g(x)F(dx),
−∞

Если случайная величина ξ имеет дискретное распределение со зна-


чениями x1 , x2 , . . . , то среднее значение g(ξ) может быть вычислено по
формуле

Eg(ξ = ∑ g(xi )P{ξ = xi }.
i=1

Если случайная величина ξ имеет абсолютно непрерывное распре-


деление с плотностью p(x), то среднее значение g(ξ) может быть вычи-
слено по формуле Z ∞
Eg(ξ) = g(x)p(x)dx.
−∞
Моментом порядка k случайной величины ξ называется число Eξk .
Если Eξ2 < ∞, то дисперсией случайной величины ξ называется
число Dξ = E(ξ − Eξ)2 = Eξ2 − (Eξ)2 . Свойства дисперсии (c — кон-
станта):
1) Dξ > 0;
2) D(ξ + c) = Dξ;
3) D(cξ) = c2 Dξ;
4) если ξ и η независимы, то D(ξ + η) = Dξ + Dη.

12.1. Пусть случайная величина имеет:


а) биномиальное распределение;
б) распределение Пуассона с параметром λ;
в) геометрическое распределение с параметром p;
г) равномерное распределение на отрезке [−a, a];
д) равномерное распределение на отрезке [a, b];
е) распределение Коши с параметром сдвига a;
ж) показательное распределение с параметром α;
з) распределение Лапласа;
и) нормальное распределение с параметрами a и σ2 .
Существует ли у неё математическое ожидание и дисперсия? Ес-
ли да, посчитать соответствующие значения.
Р е ш е н и е. б) Случайная величина ξ, распределённая по закону
Пуассона с параметром λ, принимает значения из множества {0, 1, 2, ...}
82 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

с вероятностями P{ξ = k} = λk e−λ /k!. Воспользуемся формулой для ма-


тематического ожидания дискретных случайных величин:
∞ ∞ ∞
λk λk−1
Eξ = ∑ kP{ξ = k} = ∑ k k! e−λ = λe−λ ∑ (k − 1)! .
k=0 k=0 k=1

В последнем равенстве мы выбросили нулевое слагаемое (при k = 0) и


вынесли общий множитель за знак суммы, чтобы получить ряд, сумма
которого равна eλ . Таким образом, Eξ = λ.
Для нахождения дисперсии вычислим Eξ2 . Выпишем ряд и прове-
дем те же преобразования, что и для математического ожидания:
∞ ∞ ∞
λk λk
Eξ2 = ∑ k2 P{ξ = k} = ∑ k2 k! e−λ = e−λ ∑ k (k − 1)! .
k=0 k=0 k=1

После простых преобразований получаем:


∞ ∞ ∞ ∞
λk λk λk λk
∑ k (k − 1)! = ∑ k (k − 1)! − ∑ (k − 1)! + ∑ (k − 1)! =
k=1 k=1 k=1 k=1
∞ ∞
λk−2 λk−1
= λ2 ∑ +λ ∑ = λ2 eλ + λeλ .
k=2
(k − 2)! k=1 (k − 1)!

Следовательно, Eξ2 = λ2 + λ. Теперь можем вычислить дисперсию:

Dξ = Eξ2 − (Eξ)2 = λ2 + λ − λ2 = λ.

и) Нормальное распределение с параметрами a и σ2 имеет плотность

1 2
/2σ2
p(x) = √ e−(x−a) .
2πσ2
Математическое ожидание равно
2 2
e−(x−a) /2σ
Z ∞ Z ∞
Eξ = xp(x) dx = x √ dx.
−∞ −∞ 2πσ2
Сделав замену переменной y = x − a, получаем равенство:
2 2 Z ∞ −y2 /2
e−y /2 e−y /2
Z ∞ Z ∞
e
Eξ = (y + a) √ dy = y √ dy + a √ dy.
−∞ 2πσ2 −∞ 2π −∞ 2π
Первый из получившихся интегралов равен нулю, поскольку по всей
числовой оси интегрируется нечётная функция. Второй интеграл равен
§ 12. Моменты 83

1, поскольку это есть интеграл от плотности по всему пространству. Та-


ким образом, Eξ = a.
Вычислим дисперсию. По определению Dξ = E(ξ − Eξ)2 = E(ξ − a)2 .
Поэтому
2 2 2 2
e−(x−a) /2σ e−z /2σ
Z ∞ Z ∞
Dξ = (x − a)2 √ dx = z2 √ dz.
−∞ 2πσ2 −∞ 2πσ2
Замена переменной z = yσ даёт равенство
2
e−y /2
Z ∞
Dξ = σ2 y2 √ dy.
−∞ 2π
Чтобы найти значение последнего интеграла, применим интегрирование
по частям:

Z ∞ −y2 /2 Z ∞ 2
e−y /2
2
e−y /2
Z ∞ −y2 /2
2 e√ e
y dy = yd √ = −y √ + √ dy = 1.
−∞ 2π −∞ 2π 2π −∞
−∞

Таким образом, Eξ2 = σ2 + a2 , и дисперсия равна

Dξ = Eξ2 − (Eξ)2 = σ2 + a2 − a2 = σ2 .

12.2. Дискретная случайная величина ξ имеет ряд распреде-


ления
xi −1 0 1 2
P{ξ = xi } 1/5 1/10 3/10 2/5

Найти математические ожидания и дисперсии случайных вели-


чин:
а) ξ; в) ξ2 ;
б) |ξ|; г) 2ξ .
Р е ш е н и е. в) Математическое ожидание

1 1 3 2 21
Eξ2 = (−1)2 + 02 + 12 + 22 = .
5 10 10 5 10
Второй момент

1 1 3 2 69
E(ξ2 )2 = (−1)4 + 04 + 14 + 24 = .
5 10 10 5 10
84 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Дисперсия
 2
69 21 249
Dξ = Eξ4 − (Eξ2 )2 = − = .
10 10 100

12.3. Решить задачу 12.2, если дискретная случайная вели-


чина ξ имеет ряд распределения

xi −1 0 1
P{ξ = xi } 1/3 1/6 1/2

12.4. Пусть случайная величина ξ принимает значения −2,


−1, 0, 1 и 2 с равными вероятностями. Найти математические
ожидания и дисперсии случайных величин:
а) ξ; в) |ξ|;
б) −ξ; г) ξ2 .
12.5. Двумерное распределение пары целочисленных случай-
ных величин ξ и η задаётся с помощью таблицы
H ξ
η HH H −1 0 1
−1 1/8 1/12 7/24
1 5/24 1/6 1/8
где в пересечении столбца ξ = i и строки η = j находится вероят-
ность P{ξ = i, η = j}. Найти:
а) Eξ, Dξ; в) Eξη;
б) Eη, Dη; г) E(ξ − 2η), D(ξ − 2η).
Р е ш е н и е. а) Чтобы посчитать Eξ и Eη выпишем их одномерные
законы распределения:
xi −1 0 1 yi −1 1
P{ξ = xi } 1/3 1/4 5/12 P{η = yi } 1/2 1/2
Поэтому
1 1 5 1 1 1
Eξ = (−1) · +0· +1· = , Eη = (−1) · + 1 · = 0.
3 4 12 12 2 2
в) Математическое ожидание произведения ξη равно:
1 5 1 1 7 1
(−1) · (−1) · + (−1) · 1 · + 0 · (−1) · + 0 · 1 · + 1 · (−1) · +1·1· ,
8 24 12 6 24 8
т. е. Eξη = −1/4.
§ 12. Моменты 85

12.6. Решить задачу 12.5, если двумерное распределение слу-


чайных величин ξ и η задаётся с помощью таблицы
H ξ
η HH H −2 0 1
−1 1/6 1/6 1/6
2 1/6 1/6 1/6
12.7. Вероятность поражения цели при каждом выстреле по-
стоянна и равна 3/5. Производится три выстрела. Вычислить ма-
тематическое ожидание и дисперсию числа попаданий.
12.8. Вероятность поражения цели при каждом выстреле по-
стоянна и равна 3/5. Стрельба ведётся до первого попадания.
Вычислить математическое ожидание и дисперсию числа произ-
ведённых выстрелов, если у стрелка всего 4 патрона.
12.9. Дискретная случайная величина ξ имеет ряд распреде-
ления
xi 0 1 x3
P{ξ = xi } p1 0,3 0,6
Найти вероятность p1 и значение x3 , если Eξ = 2, 7.
12.10. Случайная величина ξ может принимать только сле-
дующие значения: −2, −1, 0, 1 и 2. С какими вероятностями ξ
принимает эти значения, если:
а) Eξ = Eξ3 = 0, Eξ2 = 1 и Eξ4 = 2;
б) Eξ = Eξ3 = 0, Eξ2 = 2 и Eξ4 = 6?
12.11. Случайная величина ξ имеет биномиальное распреде-
ление. Определить параметры распределения, если Eξ = 3, 2, а
σ2 = 0, 64.
12.12. Вычислить E(1 + ξ)−1 , если случайная величина ξ име-
ет:
а) распределение Пуассона с параметром λ;
б) биномиальное распределение с параметрами n и p.
12.13. Находящийся в силовом поле электрон имеет энергию
V , принимающую значения vi = a(i + 1/2), i = 1, 2, . . . , с вероят-
ностями, пропорциональными e−bvi ; a и b — постоянные. Найти
EV и DV .
12.14. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,
принимающие значения 1 и 0 с вероятностями p и 1 − p соответ-
ственно. Найти среднее значение и дисперсию суммы
ζ = η1 + . . . + ηn , если:
86 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) ηi = ξi ξi+1 ;
0, если ξi + ξi+1 — число чётное,
б) ηi =
1, если ξi + ξi+1 = 1.
12.15. Бросают n игральных костей. Найти математическое
ожидание и дисперсию суммы очков на всех костях.
12.16. Для группы из n человек найти математическое ожи-
дание числа дней в году, на каждый из которых:
а) приходятся дни рождения ровно k человек;
б) приходятся дни рождения по крайней мере двух человек.
12.17. Доказать, что если случайная величина ξ принимает
лишь целые неотрицательные значения, то

Eξ = ∑ P{ξ > n}.
n=1

12.18. Пусть r занумерованных частиц случайно размещают-


ся в n ячейках. Найти среднее значение числа пустых ячеек.
12.19. Независимые случайные величины ξ1 , . . . , ξn равно-
мерно распределены в множестве {1, 2, . . . , J}. Определим слу-
чайную величину ν равной числу различных значений среди ξ1 ,
ξ2 , . . . , ξn . Найти Eν.
12.20. Доказать, что если случайная величина ξ принимает
лишь неотрицательные значения, то
∞ ∞
∑ P{ξ > n} 6 Eξ 6 ∑ P{ξ > n} + 1.
n=1 n=1

12.21. а) Доказать, что E|ξ| конечно тогда и только тогда, ко-


гда
∑ P{|ξ| > n} < ∞.
n

б) Доказать, что Eξ2 конечно тогда и только тогда, когда

∑ nP{|ξ| > n} < ∞.


n

12.22. а) Доказать, что если P{ξ > 0} = 1, то


Z ∞
Eξ = P{ξ > x}dx.
0
§ 12. Моменты 87

б) Доказать, что если E|ξ| < ∞, то


Z ∞ Z 0
Eξ = P{ξ > x}dx − P{ξ < x}dx.
0 −∞

12.23. Пусть независимые случайные величины ξ1 , ξ2 , . . .


имеют одну и ту же функцию распределения F. Пусть x — неко-
торое число такое, что 0 < F(x) < 1. Обозначим через ν(x) номер
первой случайной величины, значение которой больше или равно
x. Доказать, что Eν(x) = (1 − F(x))−1 .
12.24. (Тождество Вальда.) Пусть ξ1 , ξ2 , . . . — независимые
одинаково распределённые случайные величины со средним зна-
чением a и дисперсией σ2 . Пусть ν — положительная целочис-
ленная случайная величина, не зависящая от {ξn } и имеющая
среднее значение b и дисперсию θ2 . Найти среднее значение и
дисперсию случайной суммы ξ1 + . . . + ξν .
12.25. Распределение случайной величины ξ имеет плотность

2x при x ∈ [0, 1],
p(x) =
0 при x 6∈ [0, 1].

Найти математические ожидания и дисперсии следующих вели-


чин:
а) ξ; в) ξ2 ;
б) |ξ − 1/2|; г) ξ2 + ξ.
Р е ш е н и е. б) Воспользуемся формулой для математического ожи-
дания для абсолютно непрерывных распределений:
Z ∞
E|ξ − 1/2| = |x − 1/2|p(x)dx.
−∞

Плотность ξ отлична от нуля только для точек отрезка [0, 1], т. е. инте-
грал на самом деле берётся не по всей числовой оси, а по отрезку [0, 1].
На этом отрезке |x − 1/2| = 1/2 − x, если x ∈ [0, 1/2], и |x − 1/2| = x − 1/2,
если x ∈ (1/2, 1]. Получаем сумму двух интегралов:
Z 1/2 Z 1
E|ξ − 1/2| = 2x(1/2 − x)dx + 2x(x − 1/2)dx = 1/4.
0 1/2

Для вычисления дисперсии заметим, что


Z ∞ Z 1
E|ξ − 1/2|2 = (x − 1/2)2 p(x)dx = 2x(x − 1/2)2 dx = 1/12.
−∞ 0
88 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Итого, дисперсия равна

D|ξ − 1/2| = E|ξ − 1/2|2 − (E|ξ − 1/2|)2 = 1/12 − (1/4)2 = 1/48.

12.26. Распределение случайной величины ξ имеет плотность

1/x2 при x > 1,



p(x) =
0 при x < 1.

Найти математические ожидания и дисперсии следующих вели-


чин:
а) ξ; б) 1/ξ.
12.27. Диаметр круга измерен приближённо. Считая, что его
величина равномерно распределена на отрезке [a, b], найти сред-
нее значение и дисперсию площади круга.
12.28. Пусть случайная величина ξ имеет равномерное рас-
пределение на отрезке [0, 1]. Вычислить E sin2 πξ, D sin2 πξ.
12.29. Пусть случайная величина ξ имеет стандартное рас-
пределение Коши. Вычислить E min(|ξ|, 1).
12.30. Случайная величина ξ имеет показательное распреде-
ление с параметром α. Установить, при каких значениях α суще-
ствуют математическое ожидание и дисперсия случайной вели-
чины eξ .
12.31. Случайная величина ξ имеет стандартное нормальное
распределение. Найти:
а) E|ξ|; б) Eξn , n ∈ N.
12.32. Случайная величина ξ имеет нормальное распределе-
ние с параметрами a и σ2 . Найти E|ξ − Eξ|.
12.33. В дополнение к условиям задачи 6.22 предположим,
что организаторы матча учредили призовой фонд в 100 тугриков.
Какую сумму денег следует присудить игроку А?
12.34. Случайные величины ξ и η независимы, причём ξ имеет
нормальное распределение с параметрами 2 и 1/2, а η — равно-
мерное распределение на отрезке [0, 4]. Найти:
а) E(ξ + η); г) E(ξ − η2 );
б) Eξη; д) D(ξ + η);
в) Eξ ;2 е) D(ξ − η).
§ 12. Моменты 89

Р е ш е н и е. г) Ввиду линейности математического ожидания имеем


равенство
E(ξ − η2 ) = Eξ − Eη2 .
У нормально распределённой случайной величины с параметрами 2 и
1/2 математическое ожидание равно Eξ = 2. Для случайной величины η
с равномерным на отрезке [0, 4] распределением имеем
Z 4 2
x x3 4
Eη2 = dx = = 16/3.
0 4 12 0
Искомое математическое ожидание

E(ξ − η2 ) = Eξ − Eη2 = 2 − 16/3 = −10/3.

12.35. Случайные величины ξ и η независимы, причём Eξ = 2,


Dξ = 1, Eη = 1, Dη = 3. Найти среднее значение и дисперсию
случайной величины:
а) ξ − 2η; б) 2ξ − η.
12.36. Случайные величины ξ, η и ζ независимы и имеют стан-
дартное нормальное распределение. Найти среднее значение и
дисперсию случайной величины ξ + ξη + ξηζ.
12.37. Доказать, что если Eξ2 = Eξ3 = Eξ4 , то случайная ве-
личина ξ дискретна и может принимать лишь значения 0 и 1.
12.38. Выяснить, существует ли случайная величина ξ такая,
что Eξ = 1, Eξ2 = 2, Eξ3 = 3, Eξ4 = 4 и Eξ5 = 5?
12.39. Найти возможное распределение случайной величины
ξ, если Eξ2n , Eξ2n+1 и Eξ2n+2 при некотором натуральном n явля-
ются последовательными членами арифметической прогрессии.
12.40. Найти возможное распределение случайной величины
ξ, если Eξn , Eξn+1 и Eξn+2 при некотором натуральном n являют-
ся последовательными членами геометрической прогрессии.
12.41. Случайная точка (ξ, η) имеет равномерное распреде-
ление в квадрате {(x, y) : 0 6 x, y 6 1}. Найти средние значения и
дисперсии следующих величин:
а) ζ = ξη; б) ζ = max(ξ, η).
12.42. Пусть случайные величины ξ и η независимы, причём
ξ имеет равномерное распределение на отрезке [0, 1], а η — на
отрезке [1, 2]. Найти средние значения и дисперсии следующих
величин:
90 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) ζ = ξη; б) ζ = max(ξ, η).


12.43. Привести пример случайной величины ξ:
а) с дискретным; б) с абсолютно непрерывным
распределением, у которой не существует среднего значения.
12.44. Привести пример случайной величины ξ с:
а) с дискретным; б) с абсолютно непрерывным
распределением, у которой среднее значение существует, а дис-
персия не существует.
12.45. Привести пример случайной величины ξ:
а) с дискретным; б) с абсолютно непрерывным
распределением, у которой k-й момент существует, а (k + 1)-й не
существует.
12.46. Привести пример неотрицательной случайной величи-
ны ξ, у которой
а) Eξ является медианой;
б) Eξ строго больше медианы;
в) Eξ строго меньше медианы.
12.47. Найти:
а) inf E(ξ − a)2 ; б) inf E|ξ − a|.
a∈R a∈R
12.48. Привести пример зависимых случайных величин ξ и η,
для которых E(ξη) = EξEη.
12.49. В одной западной стране мальчик подрабатывает тем,
что торгует газетами; он закупает газету по 4 цента за штуку и
продает по 7 центов. При этом он не может возвращать обрат-
но непроданные газеты и несёт на них убыток. Предположим,
что число возможных продаж в один день случайно и имеет рас-
пределение Пуассона со средним значением 50. Сколько газет
должен закупать бедняга для того, чтобы максимизировать свою
среднюю прибыль?
12.50. Пусть случайные величины ξ и η имеют плотности f
и g соответственно; a — некоторое число. Доказать, что если
f (x) > g(x) при x < a и f (x) 6 g(x) при x > a, то Eξ 6 Eη.
12.51. Пусть случайные величины ξ1 и ξ2 положительны и
одинаково распределены. Верно ли, что

ξ1 ξ2
E =E ?
ξ1 + ξ2 ξ1 + ξ2
§ 12. Моменты 91

12.52. Доказать, что если случайные величины ξ1 , . . . , ξn неза-


висимы, положительны и одинаково распределены, то при k 6 n

ξ1 + . . . + ξk k
E = .
ξ1 + . . . + ξn n

12.53. Доказать, что если каждая из случайных величин ξ и


η принимает только два значения, то из равенства Eξη = EξEη
вытекает независимость ξ и η.
12.54. Пусть случайная величина ξ такова, что выполняется
P{0 < ξ < 1} = 1. Доказать, что Dξ < Eξ.
12.55. Какому условию должны удовлетворять независимые
случайные величины ξ и η, чтобы D(ξη) = DξDη?
12.56. Пусть ξ — случайная величина такая, что существует
E|ξ − 1|3 . Доказать, что существует E|ξ|3 .
12.57. Пусть ξ и η — независимые случайные величины та-
кие, что существует E|ξ + η|a , a > 0. Доказать, что существуют
E|ξ|a и E|η|a .
12.58. Пусть ξ — случайная величина и a > 1 — действитель-
ное число. Доказать, что если

P{|ξ| > ax}


lim = 0,
x→∞ P{|ξ| > x}

то E|ξ|k существует при любом k > 0.


12.59. Пусть случайная величина ξ принимает конечное чи-
сло неотрицательных значений x1 , . . . , xs . Доказать, что при
n → ∞:
Eξn+1 p
а) n
→ max(x1 , . . . , xs ); б) n Eξn → max(x1 , . . . , xs ).

12.60. Пусть ξ и η — случайные величины. Доказать, что ес-
ли существуют Eξ и Eη, то существует E max(ξ, η). Верно ли об-
ратное? Верно ли обратное для неотрицательных случайных ве-
личин ξ и η?
12.61. Пусть ξ и η — случайные величины. Доказать, что ес-
ли существуют E max(ξ, η) и E min(ξ, η), то существуют Eξ и Eη,
причём Eξ + Eη = E max(ξ, η) + E min(ξ, η).
12.62. Пусть положительные случайные величины ξ и η неза-
висимы и имеют плотности f и g соответственно. Доказать, что
92 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

если Eξ < ∞, то отношение ξ/η имеет конечное математическое


ожидание тогда и только тогда, когда
Z 1
g(y)
dy < ∞.
0 y

§ 13. Ковариация и коэффициент корреляции


Ковариацией случайных величин ξ и η называется число

Cov(ξ, η) = E(ξ − Eξ)(η − Eη) = E(ξη) − EξEη.

Свойства ковариации (c — константа):


1) Cov(ξ, ξ) = Dξ;
2) Cov(ξ, η) = Cov(η, ξ);
3) Cov(cξ, η) = cCov(ξ, η);
4) Cov(ξ + η, ζ) = Cov(ξ, ζ) + Cov(η, ζ).
Коэффициентом корреляции случайных величин ξ и η с ненуле-
выми дисперсиями называется число

Cov(ξ, η)
ρ(ξ, η) = p .
DξDη

Говорят, что ξ и η отрицательно коррелированы, если ρ(ξ, η) < 0, и


положительно коррелированы, если ρ(ξ, η) > 0.

13.1. Доказать, что


n
D(ξ1 + . . . + ξn ) = ∑ Dξi + ∑ Cov(ξi , ξ j ).
i=1 i6= j

13.2. Доказать, что независимость случайных величин ξ и η


влечёт равенство Cov(ξ, η) = 0.
13.3. Доказать, что:
а) |ρ(ξ, η)| 6 1;
б) |ρ(ξ, η)| = 1 тогда и только тогда, когда случайные величи-
ны ξ и η с вероятностью 1 линейно зависимы, т. е. существуют
константы a 6= 0 и b такие, что P{η = aξ + b} = 1.
13.4. Построить пример двух зависимых случайных величин,
у которых коэффициент корреляции равен нулю.
§ 13. Ковариация и коэффициент корреляции 93

13.5. Найти Cov(ξ, η) для случайных величин с таблицей рас-


пределения, приведённой в задаче:
а) 12.5; в) 12.6.
13.6. Пусть P{ξ = 0} = 1/3, P{ξ = 1} = 1/2 и P{ξ = −1} = 1/6.
Найти коэффициент корреляции между ξ и ξ2 .
13.7. Пусть случайные величины ξ и η независимы, причём
P{ξ = 1} = P{ξ = −1} = 1/2, P{η = 1} = P{η = −1} = 1/4 и
P{η = 0} = 1/2. Будут ли случайные величины ξη и η:
а) независимыми; б) некоррелированными?
13.8. Найти коэффициент корреляции между числом «еди-
ниц» и числом «шестёрок» при n бросаниях правильной играль-
ной кости.
13.9. Случайная точка (ξ, η) √ имеет равномерное распределе-
ние в квадрате {(x, y) : |x| + |y| 6 2}.
а) Найти среднее значение и дисперсию ξ.
б) Найти среднее значение и дисперсию η.
в) Найти Cov(ξ, η).
г) Проверить, зависимы или нет ξ и η.
13.10. Случайная точка (ξ, η) имеет равномерное распреде-
ление в треугольнике с вершинами в точках (0, 0), (2, 1), (2, 0).
а) Найти среднее значение и дисперсию ξ.
б) Найти среднее значение и дисперсию η.
в) Найти Cov(ξ, η).
г) Проверить, зависимы или нет ξ и η.
13.11. Случайная точка (ξ, η) распределена равномерно
внутри единичного круга с центром в начале координат.
а) Найти математическое ожидание и дисперсию ζ = ξη.
б) Найти Cov(ξ, η).
в) Проверить, зависимы или нет ξ и η.
13.12. Совместное распределение случайных величин ξ и η
имеет плотность

x + y при 0 6 x 6 1, 0 6 y 6 1,
p(x, y) =
0 иначе.

а) Найти среднее значение и дисперсию ξ.


б) Найти среднее значение и дисперсию η.
в) Найти Cov(ξ, η).
13.13. На отрезок [0, a] наудачу брошены две точки. Найти:
94 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) математическое ожидание и дисперсию расстояния между


ними;
б) ковариацию координат левой и правой точек.
13.14. Найти коэффициент корреляции между ξ и η = e−ξ , ес-
ли ξ имеет стандартное нормальное распределение.
13.15. Случайные величины ξ и η независимы и нормально
распределены с параметрами a и σ2 . Найти:
а) коэффициент корреляции величин αξ + βη и αξ − βη;
б) их совместное распределение.
13.16. Пусть ξ — случайная величина с симметричным рас-
пределением и конечной дисперсией. Найти коэффициент корре-
ляции случайных величин ξ и |ξ|.
13.17. Случайные величины ξ1 , . . . , ξn+m (n > m) независимы,
одинаково распределены и имеют конечную дисперсию. Найти
коэффициент корреляции между суммами ξ1 + . . . + ξn и
ξm+1 + . . . + ξm+n .
13.18. Привести пример двух случайных величин ξ и η таких,
что Eξ и Eη существуют, а Eξη не существует.
13.19. В урне a белых и b чёрных шаров. Из урны вынимают
одновременно k шаров (k 6 a + b). Найти математическое ожида-
ние и дисперсию числа вынутых белых шаров.
13.20. Для группы из n человек найти математическое ожи-
дание и дисперсию числа дней в году, на каждый из которых не
приходится ни одного дня рождения.
13.21. Написаны n писем, предназначенных разным адреса-
там. Имеется n конвертов с соответствующими адресами. Пись-
ма в случайном порядке вложены в конверты. Найти среднее зна-
чение и дисперсию числа писем, посланных по правильному ад-
ресу.
13.22. Доказать, что не существует трёх случайных величин
ξ, η и ζ таких, что коэффициент корреляции любых двух из них
равен −1.
13.23. Пусть ξ1 , . . . , ξn — случайные величины, причём ко-
эффициент корреляции любых двух из них равен одному и тому
же числу ρ. Доказать, что ρ > −1/(n − 1).
13.24. Пусть случайные величины ξ и η имеют нулевые сред-
ние значения, единичные дисперсии p и коэффициент корреляции
2 2
ρ. Показать, что E max(ξ , η ) 6 1 + 1 − ρ2 .
§ 14. Неравенства 95

13.25. Пусть случайные величины ξ и η имеют нулевые сред-


ние значения, единичные дисперсии и коэффициент корреляции
ρ, 0 < ρ < 1. Найти все значения a и b, при которых случайные
величины ξ − aη и η − bξ некоррелированы.

§ 14. Неравенства
Неравенство Маркова (Лемма Чебышёва). Если ξ > 0, то для
любого ε > 0 выполняется

P{ξ > ε} 6 .
ε
Неравенство Чебышёва. Пусть ξ — произвольная случайная ве-
личина с конечным вторым моментом. Тогда для любого ε > 0


P{|ξ − Eξ| > ε} 6 .
ε2
Для любых r > 1 и s > 1, связанных равенством 1/r + 1/s = 1, имеет
место неравенство Гёльдера:

E|ξη| 6 (E|ξ|r )1/r (E|η|s )1/s .

Неравенство Минковского. Для любого r > 1

(E|ξ + η|r )1/r 6 (E|ξ|r )1/r + (E|η|r )1/r .

Неравенство Йенсена. Если у случайной величины ξ существует


математическое ожидание Eξ, а функция g(x) выпукла, то

Eg(ξ) > g(Eξ).

14.1. Пусть g(x) — неотрицательная возрастающая функция


и ξ — произвольная случайная величина. Доказать, что для лю-
бого x справедливо неравенство

Eg(ξ)
P{ξ > x} 6 .
g(x)

14.2. Пусть Eξ2 < ∞. Доказать, что


96 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ
p
P{|ξ − Eξ| > 3 Dξ} 6 1/9.
14.3. (Неравенство Коши — Буняковского.) Доказать, что
для произвольных случайных величин ξ и η
q
E|ξη| 6 Eξ2 Eη2 .

14.4. Пусть E|ξ|r < ∞. Доказать, что:


а) (E|ξ|s )r 6 (E|ξ|r )s для любого s ∈ (0, r);
б) (E|ξ|s )1/s 6 (E|ξ|r )1/r дляpлюбого s ∈ (0, r).
14.5. Доказать, что E|ξ| 6 r E|ξ|r при r > 1,.
14.6. (Неравенство Кантелли.) Доказать, что для случайной
величины ξ с конечной дисперсией и для любого x > 0

2Dξ
P{|ξ − Eξ| > x} 6 .
x2 + Dξ

14.7. Пусть ξ — случайная величина, Eehξ < ∞, h > 0. Дока-


зать, что для любого x

P{ξ > x} 6 Eehξ /ehx .

14.8. Пусть случайная величина ξ имеет распределение Пуас-


сона с параметром λ. Доказать, что для любого x > 0:
а) P{ξ > x} 6 λ/x; в) P{ξ > 2λ} 6 1/ max(2, λ).
б) P{ξ > x} 6 eλ /2x ;
14.9. Пусть случайная величина ξ имеет:
а) распределение Пуассона с параметром λ;
б) показательное распределение с параметром α;
в) стандартное нормальное распределение.
Определить значение параметра h, доставляющее минимум вы-
ражению в правой части неравенства в задаче 14.7. Найти зна-
чение этого минимума.
14.10. Доказать следующие неравенства:
а) Eξ4 > (Eξ)4 ; б) Eξ2 Eξ4 > (Eξ3 )2 .
Когда в этих неравенствах возможен знак равенства?
14.11. Правомерно ли следующее рассуждение: «От дома до
работы 1 км, хожу я в среднем со скоростью 5 км/ч, следова-
тельно, в среднем на дорогу у меня уходит 12 мин»?
§ 15. Характеристические функции 97

14.12. Доказать, что если случайная величина ξ имеет момент


порядка k, то её функция распределения F удовлетворяет соот-
ношению
lim xk (1 − F(x) + F(−x)) = 0.
x→∞

14.13. Доказать, что Eξ2 = 0 равносильно P{ξ = 0} = 1.


14.14. Предположим, что E|ξ| p = 0 для некоторого p > 0. Что
можно сказать про случайную величину ξ?
14.15. Пусть случайная величина ξ имеет конечное матема-
тическое ожидание, причём E{ξIA } = 0 для любого события A.
Доказать, что P{ξ = 0} = 1.
14.16. Доказать, что для любой неотрицательной случайной
величины ξ с конечной дисперсией выполняется неравенство

P{ξ = 0} 6 .
Dξ + (Eξ)2

§ 15. Характеристические функции


Всюду в настоящем и последующем параграфах i — это мнимая еди-
ница. Для любого комплексного числа ϕ через Re ϕ обозначается веще-
ственная, а через Im ϕ — мнимая часть этого числа; ϕ — комплексно
сопряжённое число.
Характеристической функцией ϕ(t) распределения F называет-
ся функция действительного аргумента t, определяемая равенством
Z Z Z
ϕ(t) = eitx F(dx) = cos(tx)F(dx) + i sin(tx)F(dx).
R R R

Соответственно, характеристической функцией случайной величи-


ны ξ называется характеристическая функция её распределения, т. е.
ϕ(t) = Eeitξ .
Если характеристическая функция ϕ(t) абсолютно интегрируема на
всей числовой прямой, то соответствующее распределение абсолютно
непрерывно, и его плотность p(x) можно найти по формуле обращения
Z ∞
1
p(x) = e−itx ϕ(t)dt.
2π −∞

Задачи 15.1–15.4 содержат основные свойства характери-


стических функций.
98 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

15.1. Доказать, что для любой случайной величины ξ:


а) ϕξ (0) = 1 и |ϕξ (t)| 6 1;
б) ϕξ (t) = ϕξ (−t) = ϕ−ξ (t);
в) ϕaξ+b (t) = eitb ϕξ (at) для любых констант a и b;
г) ϕξ+η (t) = ϕξ (t)ϕη (t), если случайные величины ξ и η неза-
висимы;
д) характеристическая функция ϕξ (t) равномерно непрерыв-
на, т. е.
sup |ϕξ (t + h) − ϕξ (t)| → 0 при h → 0.
t∈R

15.2. Пусть у случайной величины ξ существует абсолютный


момент порядка k, т. е. E|ξ|k < ∞. Доказать, что её характеристи-
ческая функция ϕξ (t):
а) непрерывно дифференцируема k раз, и её k-я производная
в нуле выражается через k-й момент:
(k)
ϕξ (0) = ik Eξk ;

б) в окрестности точки t = 0 разлагается в ряд Тейлора:

t2 2 ik t k k
ϕξ (t) = 1 + itEξ − Eξ + . . . + Eξ + o(|t|k ) при t → 0.
2 k!
15.3. Доказать, что характеристическая функция чётна тогда
и только тогда, когда распределение случайной величины сим-
метрично.
15.4. Доказать, что характеристическая функция веществен-
на тогда и только тогда, когда она чётна.
15.5. Вычислить характеристическую функцию случайной ве-
личины ξ, которая имеет:
а) вырожденное распределение в точке a;
б) распределение Бернулли с параметром p;
в) биномиальное распределение с параметрами p и n;
г) распределение Пуассона с параметром λ;
д) геометрическое распределение с параметром p.
Р е ш е н и е. б) Рассматриваемая случайная величина дискретна, по-
этому математическое ожидание Eeitξ вычисляется в виде суммы

eit·0 P{ξ = 0} + eit·1 P{ξ = 1} = 1 · (1 − p) + eit p = 1 + (eit − 1)p.


§ 15. Характеристические функции 99

15.6. Вычислить характеристическую функцию абсолютно


непрерывного распределения:
а) равномерного на отрезке [0, 1];
б) равномерного на отрезке [−a, a];
в) равномерного на отрезке [a, b];
г) показательного с параметром α;
д) Лапласа с параметром α;
е) стандартного нормального;
ж) нормального с параметрами a и σ2 ;
з) Коши с параметрами сдвига a и масштаба 1;
и) Γ-распределения с параметрами α и β.
Р е ш е н и е. б) Рассматриваемое распределение имеет плотность

1/2a при x ∈ [−a, a],
p(x) =
0 при x 6∈ [−a, a].
Поэтому
a
1 eitx eita − e−ita sin at
Z a
1
ϕ(t) = eitx dx = = = .
2a −a 2a it −a 2iat at

15.7. Найти закон распределения со следующей характери-


стической функцией:
а) cost;
∞ ∞
б) ∑ ak cos(kt), где ak > 0 и ∑ ak = 1;
k=0 k=0
в) cos2 t; ж) 1/(1 + t 2 );
1 cost i sint
г) + + ; з) 1/(1 − it);
2 2 6
2
д) e−t ; и) (sint)/t;
е) e−|t| ; к) e−|t| cost.
Р е ш е н и е. Очень часто задачи такого типа не могут быть реше-
ны чисто аналитически, они требуют знания основных свойств характе-
ристических функций, а также характеристических функций основных
распределений.
а) Выразим заданную характеристическую функцию через экспо-
ненты с помощью формулы Эйлера:
eit + e−it 1 1
cost = = eit·1 + eit·(−1) .
2 2 2
100 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

Последнее представление помогает заметить, что cost будет характе-


ристической функцией для дискретной случайной величины, принима-
ющей два значения −1 и 1 с вероятностью
√ 1/2 каждое.
2 2
д) Имеем равенство e−t = e−( 2t) /2 , поэтому эта функция являет-
ся характеристической для случайной величины, имеющей нормальное
распределение с нулевым средним и дисперсией 2.
15.8. Пусть в качестве вероятностного пространства взят от-
резок [0, 1] с борелевской σ-алгеброй подмножеств и мерой Ле-
бега. Найти характеристическую функцию случайной величины
ξ, если:
а) ξ(ω) = ln
 ω, ξ(0) = 0;
2ω при 0 6 ω 6 1/2,
б) ξ(ω) =
 2ω − 1 при 1/2 < ω 6 1;
 1 при 0 6 ω 6 1/3,
в) ξ(ω) = 0 при 1/3 < ω 6 2/3,
1 при 2/3 < ω 6 1.

15.9. Пусть ξ и η — независимые одинаково распределённые
случайные величины с характеристической функцией ϕ. Найти
характеристическую функцию случайной величины ξ − η.
В задачах 15.10–15.20 выяснить, являются ли функции ха-
рактеристическими.
15.10. sin t.
15.11. sin t + 1.
4
15.12. e−t .
15.13. cos (t 2 ).
15.14. cos5 t.
15.15. e−i|t| .
1
15.16. .
1 − |t|i p

1 − t 2 , |t| < 1,
15.17. ϕ(t) =
0, |t| > 1.
1 − t 2 , |t| < 1,

15.18. ϕ(t) =
0, |t| > 1.

1 − |t|, |t| < 1,
15.19. ϕ(t) =
0, |t| > 1.
15.20. Вещественная функция, не являющаяся чётной.
15.21. Доказать, что из равенства ϕξ+η (t) = ϕξ (t)ϕη (t) не сле-
дует, вообще говоря, независимость случайных величин ξ и η.
§ 15. Характеристические функции 101

15.22. Пусть ϕ(t) — чётная непрерывная функция, выпуклая


при t > 0 и такая, что 0 6 ϕ(t) 6 1 и ϕ(0) = 1. Доказать, что ϕ(t)
является характеристической функцией.
15.23. Существуют ли различные характеристические функ-
ции, совпадающие на некотором отрезке, содержащем начало ко-
ординат?
15.24. Пусть случайная величина ξ не зависит от η и ζ, при-
чём суммы ξ + η и ξ + ζ имеют одинаковое распределение. Верно
ли, что случайные величины η и ζ имеют одинаковое распреде-
ление?
15.25. Пусть ϕ1 , ϕ2 , . . . — характеристические функции и a1 ,
a2 , . . . — неотрицательные числа такие, что a1 + a2 + . . . = 1. До-

казать, что функция ∑ ai ϕi также является характеристической.
i=1
В задачах 15.26–15.31 доказать, что если ϕ является харак-
теристической функцией, то характеристическими являются так-
же и функции, приведённые в задачах 15.26–15.31.
15.26. eϕ−1 .
2
15.27. − 1.
2−ϕ
15.28. ϕ2 .
15.29. ReZϕ.
1 t
15.30. ϕ(z)dz.
t 0
2
15.31. |ϕ| .
Р е ш е н и е. Имеем равенство |ϕ(t)|2 = ϕ(t) · ϕ(t). Поэтому это яв-
ляется характеристической функцией свёртки двух распределений: рас-
пределения исходной случайной величины ξ и распределения случайной
величины −ξ.
15.32. Пусть ξ и η — независимые случайные величины с
функциями распределения F и G и характеристическими функ-
циями ϕ и ψ соответственно. Доказать, что произведение ξη име-
ет характеристическую функцию
Z ∞ Z ∞
ϕ(tz)dG(z) = ψ(tz)dF(z).
−∞ −∞

15.33. Пусть ϕ — характеристическая функция. Доказать,


что:
102 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ
p
а) |ϕ(t + h) − ϕ(t)| 6 2[1 − Re ϕ(h)];
б) 1 − Re ϕ(2t) 6 4(1 − Re ϕ(t)).
15.34. Доказать, что для любой случайной величины ξ, соот-
ветствующей характеристической функции ϕ и любого x > 0
Z x
1
P{|ξ| > 2/x} 6 (1 − ϕ(u))du.
x −x

15.35. Рассмотрим распределение, симметричное относи-


тельно 0. Пусть F(x) — соответствующая функция распределе-
ния, а ϕ(t) — характеристическая функция. Доказать, что если

x(1 − F(x)) → c > 0 при x → ∞,

то
ϕ(t) = 1 − cπ|t| + o(t) при t → 0.
15.36. Доказать, что если величины ξ и η независимы, одина-
ково распределены и их сумма нормально распределена, то ξ и η
также нормально распределены.

§ 16. Производящие функции


Производящей функцией абсолютно суммируемой числовой по-
следовательности {an }∞ n=0 называется функция ψ(z) комплексного ар-
гумента z, |z| 6 1, определяемая равенством

ψ(z) = ∑ zn an .
n=0

Справедлива формула обращения

1
Z
ψ(z)
ak = dz.
2πi |z|=1 zk+1

Производящей функцией целочисленной случайной величины ξ


называется производящая функция последовательности {P{ξ = n}}∞
n=0 :

ψξ (z) = ∑ zn P{ξ = n} = Ezξ .
n=0
§ 16. Производящие функции 103

16.1. Пусть случайная величина ξ принимает лишь целые не-


отрицательные значения и пусть ψ(z), |z| 6 1, — ее производящая
функция. Определяет ли производящая функция ψ(z) однознач-
ным образом распределение случайной величины ξ?
16.2. Для любых двух независимых случайных величин ξ и η
доказать, что ψξ+η (z) = ψξ (z)ψη (z).
16.3. Пусть ξ — неотрицательная целочисленная случайная
величина с производящей функцией ψ(z). Найти производящие
функции величин:
а) ξ + 1, в) 3ξ + 5.
б) 2ξ,
16.4. Найти производящие функции случайных величин, ко-
торые имеют:
а) распределение Бернулли с параметром p;
б) биномиальное распределение с параметрами p и n;
в) распределение Пуассона с параметром λ;
г) геометрическое распределение с параметром p.
16.5. Пусть ξ — неотрицательная целочисленная случайная
величина с производящей функцией ψξ . В терминах ψξ выразить
производящие функции следующих последовательностей:
а) P{ξ 6 n}; в) P{ξ < n};
б) P{ξ > n}; г) P{ξ > n}.
Р е ш е н и е. а) Случайная величина ξ неотрицательна и целочислен-
на, поэтому
n
[
{ξ 6 n} = {ξ = k},
k=0
Следовательно, производящую функцию можно вычислить следующим
образом:
∞ ∞ n
ψ(z) = ∑ zn P{ξ 6 n} = ∑ zn ∑ P{ξ = k}.
n=0 n=0 k=0
Меняя порядок суммирования, получаем:
∞ ∞ ∞ ∞
ψ(z) = ∑ ∑ zn P{ξ = k} = ∑ zk P{ξ = k} ∑ zn−k .
k=0 n=k k=0 n=k

Получили две независимые суммы, первая из которых равна произво-


дящей функции ψξ (z) случайной величины ξ, а вторая — сумма бес-
конечной геометрической прогрессии со знаменателем z, которая рав-
на (1 − z)−1 при |z| < 1. Таким образом, искомая производящая функция
104 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

последовательности P{ξ 6 n} равна

ψξ (z)
ψ(z) = .
1−z

16.6. Пусть {ξn } — последовательность целочисленных неот-


рицательных независимых одинаково распределённых случайных
величин с производящей функцией ψξ . Пусть ν — положитель-
ная целочисленная случайная величина, не зависящая от {ξn }
и имеющая производящую функцию ψν . Найти производящую
функцию суммы случайного числа слагаемых ξ1 + . . . + ξν .
16.7. Найти законы распределения, которым соответствуют
следующие производящие функции:
(1 + z)2 1
а) ; в) ;
4 2(1 − z/2)
б) e5(z−1) ; г) (1/3 + 2z/3)n , n ∈ N.
Р е ш е н и е. а) Разложим заданную производящую функцию в ряд
по степеням z:
(1 + z)2 1 0 1 1 1 2
= z + z + z .
4 4 2 4
Отсюда выписываем ряд распределения:

xi 0 1 2
P{ξ = xi } 1/4 1/2 1/4

16.8. Пусть случайная величина ξ имеет производящую функ-


цию ψ. Найти распределение ξ, если ψ(1/2n ) = 1/2n для любо-
го n.
16.9. Доказать, что функция ψ(z) = |z| не может быть произ-
водящей функцией вероятностного распределения.
16.10. Пусть случайная величина ξ принимает значения 0,
1, . . . , n − 1 с вероятностью 1/n каждое. Доказать, что если число
n — составное, то ξ можно представить в виде суммы независи-
мых целочисленных случайных величин.
16.11. Пусть случайная величина ξ принимает значения 0 и
1 с вероятностью 1/2 каждое, а η — 0, 1, 2 и 3 с вероятностями
1/8, 1/4, 1/2 и 1/8 соответственно. Доказать, что не существует
случайной величины ζ, не зависящей от ξ и такой, что ξ + ζ = η.
§ 17. Безгранично делимые распределения 105

16.12. Решить задачу 10.39, используя производящие функ-


ции.
16.13. Пусть {ξn } — последовательность независимых оди-
наково распределённых случайных величин с общей функцией
распределения F. Пусть ν — положительная целочисленная слу-
чайная величина, не зависящая от {ξn } и имеющая производя-
щую функцию ψ. Доказать, что функция распределения случай-
ной величины max (ξ1 , . . . , ξν ) равна ψ(F(x)).

§ 17. Безгранично делимые распределения


Говорят, что случайная величина ξ имеет безгранично делимое рас-
пределение, если для любого натурального n найдутся независимые оди-
наково распределённые случайные величины ξ1 , . . . , ξn такие, что рас-
пределение суммы ξ1 + . . . + ξn совпадает с распределением ξ.

17.1. Пусть случайная величина ξ имеет безгранично дели-


мое распределение. Доказать, что при любых вещественных a и
b распределение случайной величины aξ + b также безгранично
делимое.
17.2. Доказать, что случайная величина ξ с характеристиче-
ской функцией ϕ(t) имеет безгранично делимое распределение
тогда и только тогда, когда для любого n > 0 функция ϕ1/n (t) яв-
ляется характеристической какого-либо распределения.
17.3. Пусть ϕ(t) — характеристическая функция безгранично
делимого распределения. Доказать, что для любого c > 0 функ-
ция ϕc (t) также является характеристической функцией безгра-
нично делимого распределения.
17.4. Доказать, что характеристическая функция безгранич-
но делимого распределения нигде не обращается в нуль.
17.5. Пусть ξ и η — независимые случайные величины с без-
гранично делимыми распределениями. Доказать, что распреде-
ление случайной величины ξ + η также безгранично делимое.
17.6. Пусть ϕ(t) — характеристическая функция безгранич-
но делимого распределения. Доказать, что функция |ϕ(t)| так-
же является характеристической функцией безгранично делимо-
го распределения.
17.7. Доказать безграничную делимость:
106 ОТДЕЛ III. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ И ИХ РАСПРЕДЕЛЕНИЯ

а) распределения Пуассона;
б) нормального распределения;
в) распределения Коши;
г) Γ-распределения;
д) показательного распределения;
е) распределения хи-квадрат.
17.8. Пусть ϕ(t) — характеристическая функция. Доказать,
что для любого λ > 0 функция eλ(ϕ(t)−1) является характеристи-
ческой функцией безгранично делимого распределения.
17.9. Доказать, что если сумма двух независимых безгранич-
но делимых случайных величин распределена по закону Пуассо-
на, то каждое из слагаемых также распределено по закону Пуас-
сона.
17.10. Доказать, что если сумма двух независимых безгра-
нично делимых случайных величин распределена по нормально-
му закону, то каждое из слагаемых также распределено по нор-
мальному закону.
17.11. Доказать, что равномерное на отрезке распределение
не может быть безгранично делимым.
17.12. Доказать, что никакое невырожденное безгранично де-
лимое распределение не может быть сосредоточено на конечном
отрезке.
17.13. Пусть ξ и η — независимые случайные величины, при-
чём ξ имеет равномерное на некотором отрезке распределение.
Доказать, что случайная величина ξ + η не может иметь безгра-
нично делимое распределение.
О Т Д Е Л IV
СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН
И РАСПРЕДЕЛЕНИЙ

§ 18. Сходимость почти наверное


Говорят, что последовательность случайных величин {ξn } сходится
почти наверное (с вероятностью 1) к случайной величине ξ и пишут
ξn → ξ п. н., если

P{ω : ξn (ω) → ξ(ω) при n → ∞} = 1.

Говорят, что последовательность ξn является фундаментальной


с вероятностью 1, если

P{ω : ξn (ω) — фундаментальная последовательность} = 1.

Пусть A1 , A2 , . . . — произвольная последовательность событий. Для


любого элементарного исхода ω положим

ν(ω) = ∑ I{ω ∈ An }.
n=1

Другими словами, случайная величина ν подсчитывает, сколько раз про-


изошли события из числа {An }. Справедлива следующая лемма Боре-
ля — Кантелли. Если

∑ P{An } < ∞,
n=1
то ν < ∞ с вероятностью 1. Если события {An } независимы и

∑ P{An } = ∞,
n=1

то ν = ∞ с вероятностью 1.
18.1. Пусть ξn → ξ и ξn → η п. н. Доказать, что P{ξ = η} = 1.
108 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

Р е ш е н и е. Рассмотрим события

A = {ω : ξn (ω) → ξ(ω) при n → ∞}

и
B = {ω : ξn (ω) → η(ω) при n → ∞}.
В силу условия задачи оба события имеют единичную вероятность. Сле-
довательно, P{A ∩ B} = 1. С другой стороны, для любого элементарного
исхода ω из пересечения A∩B значение ξ(ω) как предел числовой после-
довательности ξn (ω) совпадает с η(ω). Таким образом, имеем включение
A ∩ B ⊆ {ξ(ω) = η(ω)} и утверждение доказано.
18.2. Пусть последовательность независимых случайных ве-
личин ξn сходится почти наверное. Доказать, что дисперсия пре-
дела равна нулю.
18.3. Доказать, что ξn → ξ п. н. тогда и только тогда, когда
для любого ε > 0

P{|ξn − ξ| > ε для бесконечно многих n} = 0.

18.4. Доказать, что последовательность случайных величин


сходится почти наверное к некоторой случайной величине тогда
и только тогда, когда она фундаментальна с вероятностью 1.
18.5. Доказать, что ξn → ξ п. н. тогда и только тогда, когда
для любого ε > 0
n o
P sup |ξi − ξ| > ε → 0 при n → ∞.
i>n

18.6. Доказать, что последовательность случайных величин


{ξn } фундаментальна с вероятностью 1 тогда и только тогда, ко-
гда для любого ε > 0
n o
P sup |ξn+i − ξn | > ε → 0 при n → ∞.
i>1

18.7. Пусть независимые случайные величины ξn принимают


значения 1 и 0 с вероятностями pn и 1 − pn соответственно. При
каких условиях на pn для последовательности случайных вели-
чин {ξn } имеет место сходимость п. н.:
а) к нулю; б) к единице?
§ 18. Сходимость почти наверное 109

18.8. Пусть Ω = [0, 1], F — σ-алгебра борелевских множеств,


P — мера Лебега. Доказать, что последовательность случайных
величин  n
e при ω ∈ [0, 1/n],
ξn (ω) =
0 при ω ∈ (1/n, 1]
сходится п. н. и найти предел.
18.9. Пусть ξn → ξ п. н. Доказать, что:
а) |ξn | → |ξ| п. н.; б) ξ2n → ξ2 п. н.
Р е ш е н и е. а) Из неравенства ||ξn | − |ξ|| 6 |ξn − ξ| вытекает, что
событие
{ω : ξn (ω) → ξ(ω) при n → ∞}
содержится в событии

{ω : |ξn (ω)| → |ξ(ω)| при n → ∞},

откуда имеем требуемое утверждение.


18.10. Пусть ξn → 1 и ηn → 1 п. н. Доказать, что:
1 1
а) → п. н.; в) ξn + ηn → 2 п. н.
ξn + ηn 2
б) ξn ηn → 1 п. н.;
18.11. Пусть (ξn − ξ)2 → 0 п. н. Доказать, что ξ2n → ξ2 п. н.
18.12. Пусть ξn → ξ п. н. и g(x) — непрерывная функция. До-
казать, что g(ξn ) → g(ξ) п. н.
18.13. Пусть ξn → ξ, ηn → η п. н. и g(x, y) — непрерывная
функция. Доказать, что g(ξn , ηn ) → g(ξ, η) п. н.
18.14. Пусть {ξn } — последовательность случайных величин
такая, что для любого ε > 0

∑ P{|ξn − ξ| > ε} < ∞.
n=1

Доказать, что ξn → ξ п. н.
18.15. Пусть {ξn } и {ηn } — две последовательности случай-
ных величин такие, что для любого ε > 0

∑ P{|ξn − ηn | > ε} < ∞.
n=1

Доказать, что если ηn → a п. н., то ξn → a п. н.


110 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

18.16. Пусть случайные величины ξ1 , ξ2 , . . . независимы и



ξn → 0 п. н. Доказать, что ряд ∑ P{|ξn | > 1} сходится.
n=1
18.17. Пусть {ξn } — последовательность случайных вели-
чин. Доказать, что если для некоторой суммируемой последова-
тельности положительных чисел {εn }

∑ P{|ξn+1 − ξn | > εn } < ∞,
n=1

то последовательность {ξn } с вероятностью 1 сходится к неко-


торой случайной величине.
18.18. Пусть {ξn } — последовательность случайных вели-

чин. Доказать, что если ряд ∑ Eξ2n сходится, то ξn → 0 п. н.
n=1
18.19. Пусть ξ, ξ1 , ξ2 , . . . — случайные величины такие, что

ряд ∑ E|ξn − ξ|a сходится при некотором a > 0. Доказать, что
n=1
ξn → ξ п. н.
18.20. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин таких, что Eξ2n < σ2 и Eξn = 0. Доказать, что

ξn
ряд ∑ n сходится п. н.
n=1 2
18.21. Доказать, что радиус сходимости R случайного сте-

пенного ряда ∑ ξi zi , коэффициенты ξi которого независимы, есть
i=0
константа (почти наверное).
18.22. Доказать, что радиус сходимости R случайного степен-

ного ряда ∑ ξi zi , коэффициенты ξi которого независимы и имеют
i=0
одинаковое невырожденное распределение, равен 1 или 0 в зави-
симости от того, конечен или бесконечен момент E ln(1 + |ξ0 |).
18.23. Пусть ξ1 , ξ2 . . . — независимые случайные величины,
имеющие распределение Коши. Доказать, что

ξ1 + . . . + ξn
lim sup = ∞ п. н.,
n→∞ n
§ 19. Сходимость по вероятности 111

а при α > 0
ξ1 + . . . + ξn
lim sup = 0 п. н.
n→∞ n1+α
18.24. Пусть случайные величины ξ1 , ξ2 , . . . независимы и
имеют равномерное распределение на отрезке [0, 1]. Доказать,
∞ n
что ряд ∑ ∏ ξi сходится п. н.
n=1 i=1
18.25. Пусть независимые одинаково распределённые слу-
чайные величины ξ1 , ξ2 , . . . принимают значения в множестве
{1, . . . , J}, причём p(k) = P{ξ1 = k} > 0 при любом k ∈ {1, . . . , J}.
Обозначим через
n
Nn (k) = ∑ I{ξi = k},
i=1

число элементов ξ1 , . . . , ξn равных k; положим


J
ηn = ∏ (p(k))Nn (k) .
k=1

ln ηn
Доказать, что последовательность сходится п. н. и найти её
n
предел.

§ 19. Сходимость по вероятности


Говорят, что последовательность случайных величин {ξn } сходит-
p
ся по вероятности к случайной величине ξ и пишут ξn → ξ, если для
любого ε > 0 имеет место сходимость

P{ω : |ξn (ω) − ξ(ω)| > ε} → 0 при n → ∞.

p p
19.1. Пусть ξn → ξ и ξn → η. Доказать, что P{ξ = η} = 1.
p p
19.2. Пусть ξn → ξ, ηn → η и P{ξ = η} = 1. Доказать, что
p
(ξn − ηn ) → 0 при n → ∞.
19.3. Доказать, что из сходимости почти наверное вытекает
сходимость по вероятности.
112 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

19.4. Доказать, что из сходимости по вероятности не вытека-


ет, вообще говоря, сходимость почти наверное.
Р е ш е н и е. Пусть Ω = [0, 1], F —h борелевская
i σ-алгебра, P —
i i−1 i
мера Лебега. Рассмотрим отрезки An = n , n и случайные величины
ξin = I{Ain }. Тогда последовательность ξ11 , ξ12 , ξ22 , ξ13 , ξ23 , ξ33 , . . . сходится
по вероятности к нулю, поскольку
P{ξin > 0} = 1/n → 0 при n → ∞.
С другой стороны, указанная последовательность не сходится ни в од-
ной точке ω ∈ [0, 1]: над каждой точкой бесконечно много раз пробегает
ступенька высотой 1.

ξ11 : 6 ξ12 : 6 ξ22 : 6


1 pp 1 pp 1 pp pp
ppp ppp ppp ppp
pp pp pp pp
pp pp pp pp
ppp -
pp
p -
pp
p ppp -
1 1
0 1 0 2 1 0 2 1

ξ13 : 6 ξ23 : 6 ξ33 : 6


pp 1 p
pp pp 1 pp pp
ppp pp ppp ppp ppp
pp ppp pp pp pp
pp pp pp pp
pp ppp pp pp pp
p - p p - p p -
1 1 2 2
0 3 1 0 3 3 1 0 3 1
19.5. Пусть Ω — единичная окружность, F — σ-алгебра бо-
релевских множеств, P — равномерное распределение на окруж-
ности. Пусть ξ(ω) ≡ 1, а

2 на дуге [r(n), r(n) + 1/n],
ξn (ω) =
1 иначе,
n
1
где r(n) = ∑ k . Выяснить, сходится ли последовательность {ξn }
k=1
к случайной величине ξ:
а) по вероятности, б) с вероятностью 1?
19.6. Доказать, что если последовательность ξn сходится по
вероятности к ξ, то существует подпоследовательность индексов
nk такая, что ξnk → ξ п. н. при k → ∞.
§ 19. Сходимость по вероятности 113

19.7. Доказать, что если ξ1 6 ξ2 6 . . . и ξn сходятся по веро-


ятности к ξ, то ξn сходятся к ξ п. н.
19.8. Пусть случайные величины ξ1 , ξ2 , . . . независимы. До-

казать, что если ряд ∑ ξn сходится по вероятности, то он схо-
n=1
дится и п. н.
19.9. Пусть {ξn } — последовательность случайных величин,
причём ξn принимает значения e−αn и eαn с вероятностями 1−e−βn
и e−βn соответственно. При каких значениях α и β имеет место
p
сходимость ξn → 0?
19.10. Пусть случайные величины ξ1 , ξ2 , . . . независимы, при-
чём ξn имеет:
а) распределение Бернулли с параметром pn ;
б) биномиальное распределение с параметрами n и pn .
При каких условиях на pn для последовательности случайных
величин {ξn } имеет место сходимость по вероятности?
19.11. Доказать, что ξn сходятся по вероятности к ξ и ηn схо-
дятся по вероятности к η тогда и только тогда, когда последова-
тельность случайных векторов (ξn , ηn ) сходится по вероятности
к (ξ, η).
p
19.12. Пусть ξn → ξ. Доказать, что:
p p
а) |ξn | → |ξ|, б) ξ2n → ξ2 .
Р е ш е н и е. а) Ввиду неравенства ||ξn | − |ξ|| 6 |ξn − ξ| для любого
ε > 0 имеем оценку

P{||ξn | − |ξ|| > ε} 6 P{|ξn − ξ| > ε}.

Следовательно, сходимость к нулю при n → ∞ вероятности справа вле-


чёт сходимость к нулю вероятности слева. Утверждение доказано.
p
19.13. Пусть ξn → ξ и g(x) — равномерно непрерывная функ-
p
ция. Доказать, что g(ξn ) → g(ξ).
p
19.14. Пусть ξn → ξ и g(x) — непрерывная функция. Дока-
p
зать, что g(ξn ) → g(ξ).
p
19.15. Пусть ξn → ξ, причём P{ξ = 0} = 0. Доказать, что

1 p 1
→ .
ξn ξ
114 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

p
19.16. Пусть ξn → ξ и A — множество точек на прямой такое,
что P{ξ ∈ A} = 0. Рассмотрим функцию g(x), для которой множе-
p
ство точек разрыва содержится в A. Доказать, что g(ξn ) → g(ξ).
p p
19.17. Пусть ξn → 1 и ηn → 1. Доказать, что:
1 p 1 p
а) → ; в) ξn + ηn → 2.
ξn + ηn 2
p
б) ξn ηn → 1;
p p
19.18. Пусть ξn → ξ и ηn → η. Доказать, что:
p
а) ξn ηn → ξη;
p
б) aξn + bηn → aξ + bη, где a и b — произвольные числа.
p p
19.19. Пусть ξn → ξ, ηn → η и g(x, y) — равномерно непре-
p
рывная ограниченная функция. Доказать, что g(ξn , ηn ) → g(ξ, η).
p p
19.20. Пусть ξn → ξ, ηn → η и g(x, y) — непрерывная функция.
p
Доказать, что g(ξn , ηn ) → g(ξ, η).
p p
19.21. Пусть (ξn − ξ)2 → 0. Доказать, что ξ2n → ξ2 . Верно ли
обратное?
p
19.22. Доказать, что если ξn → ξ при n → ∞ и g(x) — непре-
рывная и ограниченная функция, то Eg(ξn ) → Eg(ξ).
19.23. Привести пример, подтверждающий, что в условиях
задачи 19.22, вообще говоря, нельзя отказаться от требования
непрерывности и ограниченности функции f .
19.24. Пусть g — непрерывная, монотонно возрастающая и
ограниченная на полупрямой [0, ∞) функция, причём g(0) = 0.
Доказать, что условие lim Eg(|ξn |) = 0 необходимо и достаточно
n→∞
p
для того, чтобы ξn → 0.
19.25. Доказать, что ξn сходятся по вероятности к ξ тогда и
только тогда, когда
|ξn − ξ|
E → 0.
1 + |ξn − ξ|
19.26. Пусть {ξn } — последовательность случайных величин
с нулевыми математическими ожиданиями. Вытекает ли из схо-
p
димости ξn → 0 при n → ∞ сходимость
ξ1 + . . . + ξn p
→ 0?
n
§ 20. Слабая сходимость 115

§ 20. Слабая сходимость


Говорят, что последовательность распределений {Fn } слабо схо-
дится к распределению F и пишут Fn ⇒ F, если для любой ограничен-
ной непрерывной функции g : R → R имеет место сходимость
Z Z
g(x)Fn (dx) → g(x)F(dx) при n → ∞.
R R

Если при каждом n случайная величина ξn имеет распределение Fn ,


случайная величина ξ — распределение F, то используется также за-
пись ξn ⇒ ξ. При этом условие слабой сходимости может быть записано
в виде Eg(ξn ) → Eg(ξ).
Критерий слабой сходимости в терминах функций распреде-
ления. Определим функции распределения Fn (x) = Fn (−∞, x) и
F(x) = F(−∞, x). Обозначим через B множество всех точек, в которых
функция F(x) непрерывна. Тогда Fn ⇒ F в том и только в том случае,
когда Fn (x) → F(x) для любого x ∈ B.
20.1. Доказать, что сходимость по вероятности последова-
тельности случайных величин влечёт слабую сходимость после-
довательности соответствующих распределений.
20.2. Привести пример, подтверждающий, что из слабой схо-
димости распределений не вытекает, вообще говоря, сходимость
по вероятности последовательности случайных величин.
Р е ш е н и е. Достаточно рассмотреть последовательность незави-
симых одинаково распределённых случайных величин.
20.3. Пусть последовательность распределений Fn слабо схо-
дится к распределению F. На одном вероятностном простран-
стве построить случайную величину ξ с распределением F и каж-
дую из ξn с распределением Fn так, чтобы имела место сходи-
p
мость ξn → ξ.
20.4. Пусть ξn слабо сходится к некоторой константе c. До-
p
казать, что тогда ξn → c.
20.5. Пусть {Fn } — последовательность вырожденных рас-
пределений, причём Fn сосредоточено в точке xn . Доказать, что
слабая сходимость Fn ⇒ F эквивалентна существованию преде-
ла lim xn = x и вырожденности распределения F в точке x.
n→∞
20.6. Построить пример последовательности распределений
{Fn } и ограниченной функции g таких, что Fn ⇒ F, но не выпол-
116 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

няется соотношение
Z ∞ Z ∞
g(x)Fn (dx) → g(x)F(dx).
−∞ −∞

20.7. Построить пример последовательности распределений


{Fn } и непрерывной функции g таких, что Fn ⇒ F, но не выпол-
няется соотношение
Z ∞ Z ∞
g(x)Fn (dx) → g(x)F(dx).
−∞ −∞

20.8. Пусть для любой ограниченной равномерно непрерыв-


ной функции g имеет место сходимость интегралов
Z ∞ Z ∞
lim g(x)Fn (dx) = g(x)F(dx).
n→∞ −∞ −∞

Доказать, что Fn ⇒ F.
20.9. Пусть для любой финитной бесконечно дифференциру-
емой функции g имеет место сходимость интегралов
Z ∞ Z ∞
lim g(x)Fn (dx) = g(x)F(dx).
n→∞ −∞ −∞

Доказать, что Fn ⇒ F.
20.10. Пусть {Fn } — последовательность распределений в R.
Доказать, что следующие три условия эквивалентны:
1) Fn ⇒ F;
2) lim sup Fn (B) 6 F(B) для любого замкнутого множества B;
n→∞
3) lim inf Fn (B) > F(B) для любого открытого множества B.
n→∞
20.11. Пусть {Fn } — последовательность целочисленных
распределений. Доказать, что Fn ⇒ F тогда и только тогда, ко-
гда Fn ({i}) → F({i}) для каждого целого i.
20.12. Пусть F, F1 , F2 , . . . — абсолютно непрерывные рас-
пределения с плотностями p, p1 , p2 , . . . соответственно. Дока-
зать, что если pn (x) → p(x) при n → ∞ равномерно на любом ком-
пакте, то Fn ⇒ F. Верно ли обратное?
20.13. Рассмотрим последовательность функций распреде-
ления 
0 при x 6 −n,
Fn (x) = 1/2 при x ∈ (−n, n],
1 при x > n.

§ 20. Слабая сходимость 117

Выяснить, существует ли у данной последовательности слабый


предел.
20.14. Пусть F — мера Лебега на отрезке [0, 1], а распреде-
ление Fn приписывает вероятность 1/n точкам,  выбранным
 про-
i−1 i
извольным образом по одной в интервалах , , i = 1, . . . , n.
n n
Доказать, что Fn ⇒ F.
20.15. Пусть случайная√величина ξn имеет равномерное рас-
пределение в интервале [− n, n]. Имеет ли место слабая сходи-
мость последовательности распределений случайных величин:
ξ2
а) ξn при n → ∞; в) n2 при n → ∞;
n
p
ξn ξn
б) √ при n → ∞; г) при n → ∞?
n n
20.16. Пусть ξn ⇒ ξ и f (x) — непрерывная функция. Дока-
зать, что f (ξn ) ⇒ f (ξ).
20.17. Пусть ξn ⇒ ξ. Верно ли, что ξn − ξ ⇒ 0?
20.18. Пусть ξn ⇒ ξ и an → a, где {an } — числовая последо-
вательность, a ∈ R. Доказать, что an ξn ⇒ aξ.
20.19. Пусть ξn ⇒ ξ и ηn ⇒ η, причём, во-первых, ξn и ηn
независимы при каждом n и, во-вторых, ξ и η также независимы.
Доказать, что:
а) ξn + ηn ⇒ ξ + η;
б) ξn ηn ⇒ ξη;
в) f (ξn , ηn ) ⇒ f (ξ, η) для любой непрерывной функции f (x, y).
p
20.20. Пусть ξn ⇒ ξ и ηn → 0. Доказать, что:
а) ξn + ηn ⇒ ξ; б) ξn ηn ⇒ 0.
20.21. Пусть ξn — независимые одинаково распределённые
случайные величины с конечным вторым моментом. Доказать,
что
max(ξ1 , . . . , ξn )
√ ⇒ 0.
n
20.22. Пусть ξ1 , ξn , . . . — независимые случайные величины,
каждая из которых имеет показательное распределение с пара-
метром 1. Положим ζn = max(ξ1 , . . . , ξn ).
а) Найти предельное распределение nγ ζn при γ < 0.
б) Найти такие постоянные an , что законы распределения
ζn − an стремятся к невырожденному предельному закону.
118 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

20.23. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,


каждая из которых имеет равномерное распределение на отрезке
[0, 1]. Положим ζn = min(ξ1 , . . . , ξn ). Найти предельное распреде-
ление nγ ζn при γ ∈ R.
20.24. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-
лённые случайные величины с непрерывной функцией распреде-
ления F. Положим Mn = max(ξ1 , . . . , ξn ) и ζn = n(1 − F(Mn )). Най-
ти предельное распределение ζn .
20.25. Доказать, что слабый предел последовательности без-
гранично делимых распределений безгранично делим.

§ 21. Сходимость средних и в среднем


Говорят, что последовательность случайных величин {ξn } сходится
в среднем порядка α > 0 к случайной величине ξ, если
E|ξn − ξ|α → 0 при n → ∞.
Сходимость в среднем порядка 2 называется сходимостью в сред-
нем квадратическом.
Семейство случайных величин {ξn } называется равномерно инте-
грируемым, если
sup E{|ξn |; |ξn | > x} → 0 при x → ∞.
n

21.1. Доказать, что из сходимости в среднем порядка α > 0


следует сходимость в среднем порядка β для любого β ∈ (0, α).
21.2. Доказать, что из сходимости в среднем какого-либо по-
рядка вытекает сходимость по вероятности.
21.3. Привести пример, подтверждающий, что из сходимости
в среднем порядка α не вытекает, вообще говоря, сходимость по-
чти наверное.
21.4. Привести пример, подтверждающий, что из сходимости
по вероятности не вытекает, вообще говоря, сходимость в сред-
нем порядка α.
Р е ш е н и е. Пусть Ω = [0, 1], F — борелевская σ-алгебра, P — ме-
ра Лебега. Пусть
 n
e при ω ∈ [0, 1/n],
ξn (ω) =
0 при ω ∈ (1/n, 1].
§ 21. Сходимость средних и в среднем 119

Заметим, что
P{|ξn | > 0} = 1/n → 0 при n → ∞,
т. е. последовательность {ξn } сходится по вероятности к 0. С другой сто-
роны, для любого α > 0

E|ξn |α = enα /n → ∞ при n → ∞,

что свидетельствует об отсутствии сходимости в среднем порядка α.


21.5. Привести пример, подтверждающий, что из сходимости
почти наверное не вытекает, вообще говоря, сходимость в сред-
нем порядка α.
21.6. Доказать, что последовательность случайных величин
ξn сходится в среднем порядка α тогда и только тогда, когда по-
p
следовательность |ξn |α равномерно интегрируема и ξn → ξ.
21.7. Пусть

∑ E|ξn − ξ|α < ∞.
n=1

Доказать, что ξn → ξ п. н.
21.8. Пусть |ξn | 6 c < ∞ п. н. при всех n и ξn → ξ по вероят-
ности при n → ∞. Доказать, что E|ξn − ξ|α → 0 при любом α > 0.
21.9. Пусть ξ, ξ1 , ξ2 , . . . — неотрицательные случайные ве-
личины такие, что ξn → ξ по вероятности и Eξn → Eξ < ∞ при
n → ∞. Доказать, что E|ξn − ξ| → 0.
21.10. Пусть α > 0 и E|ξn |α < ∞ при всех n. Доказать, что
следующие утверждения эквивалентны:
1) ξn → ξ по вероятности и E|ξn |α → E|ξ|α < ∞ при n → ∞;
2) E|ξn − ξ|α → 0 при n → ∞.
21.11. Пусть семейство {ξn } случайных величин равномерно
интегрируемо. Доказать, что sup E|ξn | < ∞.
n
21.12. Пусть последовательность {ξn } случайных величин та-
кова, что sup E|ξn |1+δ < ∞ при некотором δ > 0. Доказать, что эта
n
последовательность равномерно интегрируема.
21.13. Пусть {ξn } — последовательность случайных вели-
чин. Доказать, что следующие условия эквивалентны:
1) семейство {ξn } равномерно интегрируемо;
2) найдётся такая неотрицательная функция g(x), что g(x) → ∞
при x → ∞ и sup E|ξn |g(|ξn |) < ∞.
n
120 ОТДЕЛ IV. СХОДИМОСТЬ СЛУЧАЙНЫХ ВЕЛИЧИН

21.14. Пусть последовательность {ξn } случайных величин та-


кова, что P{|ξn | > x} 6 P{|η| > x} для любого x > 0, причём
E|η| < ∞. Доказать, что {ξn } равномерно интегрируема.
21.15. Пусть {ξn } — последовательность неотрицательных
случайных величин с конечными средними значениями такая, что
распределение ξn слабо сходится к распределению случайной ве-
личины ξ и Eξn → Eξ < ∞ при n → ∞. Доказать, что эта после-
довательность равномерно интегрируема.
21.16. Пусть ξn ⇒ ξ при n → ∞. Доказать, что следующие
утверждения эквивалентны:
1) последовательность {ξn } равномерно интегрируема;
2) E|ξn | < ∞, E|ξ| < ∞ и при n → ∞

E max(0, ξn ) → E max(0, ξ), E min(0, ξn ) → E min(0, ξ).

21.17. Пусть последовательности ξn и ηn равномерно инте-


грируемы. Доказать, что равномерно интегрируемы последова-
тельности:
а) cξn ; в) ξn + ηn .
б) ξn − ηn ;
21.18. Пусть независимые случайные величины ξ1 , ξ2 , . . . оди-
наково распределены и имеют конечное среднее значение; поло-
жим Sn = ξ1 + . . . + ξn . Доказать, что последовательность случай-
ных величин {Sn /n, n > 1} равномерно интегрируема.
21.19. Пусть x ∈ R и {ξn } — последовательность случайных
величин с конечными средними значениями, причём E|ξn | → E|ξ|
при n → ∞. Выяснить, следует ли отсюда сходимость E|ξn + x| →
E|ξ + x|?
21.20. Пусть ξ, ξ1 , ξ2 , . . . — неотрицательные случайные ве-
личины такие, что Eξn → Eξ и P{ξ > ξn + ε} → 0 при n → ∞ для
любого ε > 0. Доказать, что E|ξn − ξ| → 0.
21.21. Пусть |ξn − ξ| 6 ηn для любого n, E|ξ| < ∞ и Eηn → 0
при n → ∞. Доказать, что ξn → ξ по вероятности и Eξn → Eξ.
21.22. Пусть случайные величины ξ, ξ1 , ξ2 , . . . таковы, что
ξn ⇒ ξ и Dξn → Dξ. Доказать, что Eξn → Eξ.
21.23. Пусть {ξn } — равномерно интегрируемая последова-
тельность случайных величин такая, что распределение ξn слабо
сходится к распределению случайной величины ξ. Доказать, что
существует Eξ и Eξn → Eξ при n → ∞.
§ 21. Сходимость средних и в среднем 121

21.24. Пусть ξn ⇒ ξ. Доказать, что lim inf Dξn > Dξ.


n→∞
p
21.25. Пусть ξn → ξ, причём E|ξn | < ∞ при всех n и выполня-
ется
lim sup E|ξn | 6 E|ξ| < ∞.
n→∞

Доказать, что последовательность случайных величин {ξn } рав-


номерно интегрируема и E|ξn − ξ| → 0 при n → ∞.
p
21.26. Пусть ξn → ξ, причём E|ξn | < ∞ при всех n и выполня-
ется
lim sup Eξ2n 6 Eξ2 < ∞.
n→∞

Доказать, что последовательность случайных величин {ξn } рав-


номерно интегрируема и E(ξn − ξ)2 → 0 при n → ∞.

21.27. Доказать, что ряд ∑ ξn из некоррелированных слу-
n=1
чайных величин сходится в среднеквадратичном тогда и только
∞ ∞
тогда, когда сходятся ряды ∑ Eξn и ∑ Dξn .
n=1 n=1
ОТДЕЛ V
ЗАКОН БОЛЬШИХ ЧИСЕЛ

Пусть ξ1 , ξ2 , . . . — последовательность случайных величин. Через


Sn = ξ1 + . . . + ξn обозначим частичную сумму первых n элементов после-
довательности.
Будем говорить, что для последовательности ξ1 , ξ2 , . . . выполнен
закон больших чисел (ЗБЧ), если Eξn существует при любом n и
Sn − ESn p
→ 0 при n → ∞.
n

§ 22. Независимые одинаково распределённые


слагаемые
Пусть ξ1 , ξ2 , . . . — последовательность независимых одинаково рас-
пределённых случайных величин с E|ξ1 | < ∞. Тогда имеет место ЗБЧ:
Sn p
→ Eξ1 при n → ∞.
n

22.1. Пусть νn — число успехов в n испытаниях Бернулли с


вероятностью успеха p. Доказать, что для всякой непрерывной
на отрезке [0, 1] функции f (x) имеет место сходимость
ν 
n
sup E f − f (p) → 0 при n → ∞.

p∈[0,1] n

22.2. Пусть f : [0, 1] → R — непрерывная функция. Доказать,


что полиномы Бернштейна
n  
i
Bn (x) = ∑ f Cni xi (1 − x)n−i
i=0
n
§ 22. Независимые одинаково распределённые слагаемые 123

стремятся к f (x) при n → ∞ равномерно по x ∈ [0, 1]:


sup |Bn (x) − x| → 0 при n → ∞.
x∈[0,1]

Р е ш е н и е. Пусть ξ1 , ξ2 , . . . — последовательность независимых


случайных величин, имеющих распределение Бернулли с параметром x.
Тогда для числа успехов νn в серии из n испытаний выполнен ЗБЧ и для
любой непрерывной и ограниченной функции f (x) (см. задачу 22.1)
sup |E f (νn /n) − f (x)| → 0.
x∈[0,1]

С другой стороны, νn — это случайная величина с биномиальным рас-


пределением:
P{νn = i} = Cni xi (1 − x)n−i .
В такой интерпретации полином Бернштейна есть не что иное, как ма-
тематическое ожидание E f (νn /n). Доказательство завершено.
22.3. Пусть f : R+ → R — непрерывная ограниченная функ-
ция, K — компакт в [0, ∞). Доказать, что полиномы
∞  
i (nx)i −nx
Bn (x) = ∑ f e
i=0
n i!
стремятся к f (x) при n → ∞ равномерно по x ∈ K.
22.4. Пусть f : R+ → R — непрерывная ограниченная функ-
ция, K — компакт в [0, ∞). Доказать, что полиномы
∞ 
xi

i i
Bn (x) = ∑ f Cn+i
i=0
n+1 (1 + x)n+i+1
стремятся к f (x) при n → ∞ равномерно по x ∈ K.
22.5. В условиях задачи
а) 22.2; в) 22.4
б) 22.3;
доказать, что если функция f имеет непрерывную производную
f 0 , то производные полиномов Bn (x) равномерно стремятся к f 0 (x)
при n → ∞.
22.6. Пусть f (x, y) — непрерывная в треугольнике x > 0, y > 0,
x + y 6 1 функция. Доказать, что полиномы Бернштейна в R2
n  
i j n!
Bn (x, y) = ∑ f , xi y j (1 − x − y)n−i− j
i, j=0
n n i! j!(n − i − j)!
124 ОТДЕЛ V. ЗАКОН БОЛЬШИХ ЧИСЕЛ

стремятся к f (x, y) при n → ∞ равномерно по x, y.


22.7. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин со стандартным распределением Коши. Бу-
дет ли выполнен ЗБЧ для последовательности {ξn }?
22.8. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин, имеющих стан-
дартное нормальное распределение. Положим
n
ξn+1
χ2n = ∑ ξ2i и τn = p .
i=1 χ2n /n

Найти предельное при n → ∞ распределение величины τn .


22.9. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин, причём Eξ1 = a,
Dξ1 = σ2 . Доказать, что последовательность случайных величин
ηn , определяемых равенствами

ξ1 + . . . + ξn
ηn = ,
ξ21 + . . . + ξ2n

сходится по вероятности. Найти предел.


22.10. Пусть случайная величина ηn имеет:
а) распределение Пуассона с параметром n;
б) биномиальное распределение с параметрами n и p;
в) нормальное распределение с параметрами 0 и n.
Выяснить, существует ли предел по вероятности отношения ηn /n
при n → ∞.

§ 23. Независимые разнораспределённые


слагаемые
В настоящем параграфе всюду предполагается, что случайные ве-
личины ξ1 , ξ2 , . . . независимы в совокупности.
23.1. Пусть Dξn < ∞ для всех n и DSn = o(n2 ) при n → ∞.
Доказать, что для последовательности {ξ
√ n } выполнен
√ ЗБЧ.
23.2. Пусть ξn принимает значения n, − n и 0 с вероятно-
стями 1/2n, 1/2n и 1 − 1/n соответственно. Будет ли выполнен
ЗБЧ для последовательности {ξn }?
§ 23. Независимые разнораспределённые слагаемые 125

Р е ш е н и е. Математическое ожидание и дисперсия ξn равны:

√ 1 √ 1
 
1
Eξn = − n + 0 1 − + n = 0,
2n n 2n
√ √
 
1 1 1
Dξn = (− n)2 + 02 1 − + ( n)2 = 1.
2n n 2n

Поэтому ESn = 0 и в силу независимости случайных величин ξn

DSn = Dξ1 + . . . + Dξn = n.

Согласно результату предыдущей задачи, последовательность {ξn } удо-


влетворяет ЗБЧ.
23.3. Пусть ξn принимает значения 2n и −2n с вероятностью
1/2 каждое. Выполнен ли ЗБЧ для последовательности {ξn }?
Р е ш е н и е. Минимально возможное значение суммы ξ1 + . . . + ξn−2
равно −(1 + 2 + . . . + 2n−2 ) > −2n−1 . С вероятностью 1/4 сумма ξn−1 + ξn
равна 2n−1 + 2n . Поэтому

P{ξ1 + . . . + ξn > −2n−1 + 2n−1 + 2n } > 1/4.

Следовательно,
P{Sn /n > 2n /n} > 1/4
и последовательность {ξn } не удовлетворяет ЗБЧ.
23.4. Пусть ξn принимает значения n, −n и 0 с вероятностями:
а) 1/2n2 , 1/2n2 и 1 − 1/n2 ;
б) 1/4, 1/4 и 1/2;
√ √ √
в) 1/2 n, 1/2 n и 1 − 1/ n;
г) 2−n , 2−n и 1 − 2−n+1 .
Выполнен ли ЗБЧ для последовательности {ξn }?
23.5. Пусть ξn принимает значения 2n , −2n и 0 с вероятно-
стями 2−(2n+1) , 2−(2n+1) и 1 − 2−2n соответственно. Выполнен ли
ЗБЧ для последовательности {ξn }?
23.6. Пусть ξn принимает значения 3n , −3n и 0 с вероятностя-
ми 3−(2n+2) , 3−(2n+2) и 1 − 2 · 3−(2n+2) соответственно. Выполнен
ли ЗБЧ для последовательности {ξn }?
23.7. Пусть ξn принимает значения 1 и −1 с вероятностями
(1−2−n )/2 и значения 2n и −2n с вероятностями 2−n−1 . Доказать,
что для последовательности {ξn } выполнен ЗБЧ.
126 ОТДЕЛ V. ЗАКОН БОЛЬШИХ ЧИСЕЛ

23.8. Пусть ξn принимает значения nλ и −nλ с вероятностями


1/2. Выяснить, при каких значениях λ для последовательности
{ξn } выполнен ЗБЧ.
23.9. Пусть ξn принимает 2n + 1 значений 0, ±Ln , ±2Ln , . . . ,
±nLn с вероятностью 1/(2n + 1) каждое. Найти условия для кон-
стант Ln , обеспечивающие выполнение ЗБЧ для последователь-
ности {ξn }.
23.10. Пусть ξn принимает значения an , −an , и 0 с вероят-
ностями pn , pn и 1 − 2pn соответственно. Найти условия на кон-
станты an и pn , обеспечивающие выполнение ЗБЧ для последо-
вательности {ξn }.
23.11. Если n — точный
√ квадрат, то случайная величина ξn

принимает значения − n и n с вероятностью 1/2 каждое; в
остальных случаях ξn принимает значения −1 и 1 с вероятностью
1/2 каждое. Выполнен ли ЗБЧ для последовательности {ξn }?
23.12. Пусть ξn имеет распределение Пуассона с параметром
αn , причём
1 n
∑ αi → α < ∞, n → ∞.
n i=1

Выполнен ли ЗБЧ для последовательности {ξn }?


23.13. Пусть {ξn } — последовательность независимых оди-
наково распределённых случайных величин, {an } — ограничен-
ная последовательность неотрицательных чисел. Можно ли ут-
верждать, что если ЗБЧ выполнен для последовательности {ξn },
то он выполнен и для последовательности {ηn }, где ηn = an ξn ?
23.14. Пусть ξn равномерно распределена на отрезке [−n, n].
Выполнен ли ЗБЧ для последовательности {ξn }?
23.15. Пусть ξn имеет равномерное распределение на отрезке
[−nα , nα ], α ∈ R. Выяснить, при каких значениях α для последо-
вательности {ξn } будет выполнен ЗБЧ.
23.16. Пусть ξn имеет биномиальное распределение с пара-
метрами n и 1/nα , где α > 0. Выяснить, при каких значениях α
для последовательности {ξn } будет выполнен ЗБЧ.
23.17. Пусть {ξn } и {ηn } — две последовательности, в каж-
дой из которых случайные величины независимы. Предположим,

что ряд ∑ P{ξn 6= ηn } сходится. Доказать, что если Eξn = Eηn
n=1
§ 24. Зависимые слагаемые 127

при каждом n и ЗБЧ выполнен для последовательности {ξn }, то


он выполнен и для последовательности {ηn }.

§ 24. Зависимые слагаемые


24.1. Пусть ξ — случайная величина. Определим случайную
последовательность ξn равенствами ξn = ξ. Удовлетворяет ли
последовательность {ξn } ЗБЧ?
Р е ш е н и е. Рассмотрим частичную сумму
n
Sn = ∑ ξi = nξ
i=1
и её математическое ожидание
n n
ESn = E ∑ ξi = ∑ Eξn = nEξ.
i=1 i=1
Таким образом, дробь
Sn − ESn nξ − nEξ
= = ξ − Eξ
n n
не зависит от n и является случайной величиной. Если случайная ве-
личина ξ имеет невырожденное распределение, то разность (ξ − Eξ) не
сходится по вероятности к нулю. Поэтому заданная последовательность,
вообще говоря, не удовлетворяет ЗБЧ.
24.2. Проводятся испытания Бернулли с вероятностью успе-
ха p. Положим ξn = 1, если n-е и (n+1)-е испытания закончились
успехом, и ξn = 0 иначе. Выполнен ли для последовательности
{ξn } ЗБЧ?
24.3. Пусть {ξn } — последовательность случайных величин
такая, что Dξn 6 c < ∞, и ξn не зависит от ξm , если |n − m| > 1.
Доказать, что для последовательности {ξn } выполнен ЗБЧ.
Р е ш е н и е. Оценим дисперсию суммы: по условию
n n−1
DSn = ∑ Dξi + 2 ∑ Cov(ξi , ξi+1 ).
i=1 i=1
Поскольку дисперсии случайных величин ξi ограничены константой c,
для первой суммы получаем оценку
n
∑ Dξi 6 nc.
i=1
128 ОТДЕЛ V. ЗАКОН БОЛЬШИХ ЧИСЕЛ

p
Так как Cov(ξi , ξi+1 ) 6 Dξi Dξi+1 6 c, то

n−1
∑ Cov(ξi , ξi+1 ) 6 (n − 1)c,
i=1

что даёт оценку для дисперсии частичной суммы

DSn 6 nc + 2(n − 1)c.

В силу неравенства Чебышёва для произвольного ε > 0 имеем оценку


 
Sn − ESn
P > ε = P {|Sn − ESn | > nε} 6 DSn 6 nc + 2(n + 1)c .
n n2 ε2 n2 ε2

Правая часть неравенства стремится к нулю при n → ∞. Следователь-


но, выполнен ЗБЧ.
24.4. Пусть {ξn } — последовательность случайных величин
такая, что Dξn 6 c < ∞, а ковариации отрицательны. Доказать,
что для последовательности {ξn } выполнен ЗБЧ.
24.5. Пусть {ξn } — последовательность случайных величин
такая, что Dξn 6 c < ∞, а ковариации ri j = cov(ξi , ξ j ) удовлетво-
ряют условию ri j → 0 равномерно при |i − j| → ∞. Доказать, что
для последовательности {ξn } выполнен ЗБЧ.
24.6. Доказать, что если |Sn | < cn, а DSn > αn2 , то ЗБЧ для
последовательности {ξn } не выполнен.
24.7. Пусть {ξn } — последовательность независимых одина-
ково распределённых случайных величин с конечной ненулевой
дисперсией. Доказать, что для последовательности {Sn } ЗБЧ не
выполнен.
24.8. Пусть {ξn } — последовательность независимых одина-
ково распределённых случайных величин с конечной дисперсией.
Доказать
√ выполнение ЗБЧ для последовательности {an Sn }, если
an n → 0 при n → ∞.
24.9. Игральная кость А имеет четыре красных и две белых
грани, а кость В — две красных и четыре белых грани. Один раз
бросают монету. Если выпал герб, то далее все время бросают
кость А, если решка — только кость В. Положим ξn = 1, если
при n-м бросании кости выпала красная грань, и ξn = 0 — в про-
тивном случае. Доказать, что ЗБЧ для последовательности {ξn }
не выполнен.
§ 24. Зависимые слагаемые 129

24.10. Урна содержит b чёрных и r красных шаров. Случайно


извлекается шар. Он возвращается обратно, и, кроме того, до-
бавляется c шаров одного с ним цвета. Производится новое слу-
чайное извлечение из урны (теперь содержащей b + r + c) шаров,
и описанная процедура повторяется. Положим случайную вели-
чину ξn равной 1 или 0 в зависимости от того, был ли n-й извле-
чённый шар чёрным или красным. Доказать, что ЗБЧ для после-
довательности {ξn } не выполнен.
24.11. Пусть {ξn } — последовательность случайных вели-
чин, для которой выполнен закон больших чисел. Обязан ли вы-
полняться ЗБЧ для последовательности {|ξn |}?
24.12. Пусть {ξn } — последовательность случайных величин
с нулевыми математическими ожиданиями. Вытекает ли из схо-
p
димости ξn → 0 выполнение ЗБЧ для последовательности {ξn }?
24.13. Пусть случайная величина ξ1 равномерно распреде-
лена на множестве S = {1, 2, . . . , s} и f : S → S — взаимно-одно-
значная функция. Случайная последовательность ξn определя-
ется равенствами ξn = f (ξn−1 ). Выяснить, при каких условиях на
f последовательность {ξn } удовлетворяет ЗБЧ.
О Т Д Е Л VI
ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

§ 25. Центральная предельная теорема


Пусть ξ1 , ξ2 , . . . — последовательность случайных величин и Eξ2n
существует при любом n. Пусть Sn = ξ1 + . . . + ξn — частичная сумма
первых n элементов последовательности.
Говорят, что для последовательности {ξn } выполнена централь-
ная предельная теорема (ЦПТ), если распределение центрированной
и нормированной суммы
Sn − ESn

DSn
слабо сходится при n → ∞ к стандартному нормальному закону, т. е.
равномерно по x ∈ R
  Z x −y2 /2
Sn − ESn e
P √ <x → √ dy ≡ Φ(x) при n → ∞.
DSn −∞ 2π
ЦПТ для независимых одинаково распределённых случайных
величин. Пусть ξ1 , ξ2 , . . . — последовательность независимых одина-
ково распределённых (невырожденных) случайных величин с конечны-
ми вторыми моментами. Обозначим a = Eξ1 и σ2 = Dξ1 . Тогда равно-
мерно по x ∈ R
 
Sn − na
P √ < x → Φ(x) при n → ∞.
nσ2
Теорема Ляпунова. Пусть ξ1 , ξ2 , . . . — последовательность неза-
висимых случайных величин с конечными вторыми моментами. Обозна-
n
чим ak = Eξk , σ2k = Dξk , Sn = ξ1 + . . . + ξn и B2n = ∑ σ2k . Пусть выполнено
k=1
условие Ляпунова, т. е. существует δ > 0 такое, что
n
1
B2+δ
∑ E|ξk − ak |2+δ → 0 при n → ∞.
n k=1
§ 25. Центральная предельная теорема 131

Тогда для последовательности {ξn } выполнена ЦПТ.


25.1. Пусть для последовательности {ξn } выполнена ЦПТ,
причём DSn = o(n2 ) при n → ∞. Доказать, что тогда справедлив и
ЗБЧ.
25.2. Привести пример, подтверждающий, что условие Ляпу-
нова не является необходимым для выполнения ЦПТ.
25.3. Пусть ξ1 , ξ2 , . . . — равномерно ограниченная после-
довательность независимых случайных величин, т. е. существует
константа A < ∞ такая, что для всех n выполнено неравенство
|ξn | < A. Пусть Sn = ξ1 + . . . + ξn . Доказать, что последователь-
ность {ξn } удовлетворяет ЦПТ, если DSn → ∞.
25.4. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин с конечной нену-
левой дисперсией. Доказать, что для любых a и b
lim P{a 6 Sn 6 b} = 0.
n→∞

Р е ш е н и е. Имеет место ЦПТ, т. е. равномерно по x и y ∈ R


 
Sn − ESn
P x6 √ 6 y → Φ(y) − Φ(x) при n → ∞.
DSn
Рассмотрим вероятность
 
a − ESn Sn − ESn b − ESn
P{a 6 Sn 6 b} = P √ 6 √ 6 √ .
DSn DSn DSn
Поскольку DSn → ∞, то расстояние между границами, равное
b − ESn a − ESn b−a
√ − √ = √ ,
DSn DSn DSn
стремится к нулю при n → ∞. Следовательно, P{a 6 Sn 6 b} → 0, что и
требовалось доказать.
25.5. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин с конечной дис-
персией. Доказать, что для любого b предел
lim P{Sn < b}
n→∞

равен либо 0, либо 1, либо 1/2. Найти условия, при которых име-
ет место каждая из указанных ситуаций.
132 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

25.6. Пусть ξ1 , ξ2 , . . . — последовательность независимых


одинаково распределённых (невырожденных) случайных вели-
чин с нулевым средним значением и с конечной дисперсией. До-
казать, что для любого b > 0 предел
 
Sn
lim P α < b

n→∞ n

равен 0 при α < 1/2 и 1 при α > 1/2.


25.7. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых (невырожденных) случайных вели-
чин с нулевым средним значением и с конечной дисперсией. Най-
ти предел  
Sn
lim P √ < b .

n→∞ n
25.8. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин с нулевым сред-
ним значением
 и с конечной
 дисперсией. Найти
 Dξ1 ,если:
Sn 1 Sn 1
а) lim P √ > 1 = ; б) lim P √ > 1 = .
n→∞ n 3 n→∞ n 5
25.9. Случайная величина ηn имеет распределение Пуассона
с параметром
√ n. Существует ли предел при n → ∞ отношения
(ηn − n)/ n?
25.10. Доказать, что при n → ∞
n
nk 1
e−n ∑ → .
k=0
k! 2

25.11. Случайная величина ηn имеет биномиальное распре-


деление с параметрами √n и 1/2. Существует ли предел при n → ∞
отношения (2ηn − n)/ n?
25.12. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин. Пусть ξn принимает значения n и −n с рав-
ными вероятностями. Сходится ли к нормальному закону рас-
пределение отношения: √

а) Sn / n; б) Sn / DSn ?
У к а з а н и е. а) Проверить, имеет ли место ЗБЧ.
б) Воспользоваться теоремой Ляпунова.
§ 25. Центральная предельная теорема 133

25.13. Пусть ξ1 , ξ2 , . . . — последовательность независимых


случайных величин. Пусть ξn принимает значения n, −n и 0 с ве-
роятностями:
а) 1/2n2 , 1/2n2 и 1 − 1/n2 ;
√ √ √
б) 1/2 n, 1/2 n и 1 − 1/ n;
в) 1/4, 1/4 и 1/2;
г) 2−n , 2−n и 1 − 2−n+1 .
Выполнена ли ЦПТ для последовательности {ξn }?
Р е ш е н и е. а) Математическое ожидание и дисперсия ξn равны:
 
1 1 1
Eξn = −n 2 + 0 1 − 2 + n 2 = 0,
2n n 2n
 
1 1 1
Dξn = (−n)2 2 + 02 1 − 2 + n2 2 = 1.
2n n 2n

Поэтому ESn = 0 и, в силу независимости случайных величин ξn , DSn = n.


Так как
∞ ∞
1
∑ P{ξk 6= 0} = ∑ k2 < ∞,
k=1 k=1
то согласно лемме Бореля — Кантелли среди величин ξk с вероятностью

1 лишь конечное число отлично от нуля. Поэтому ряд ∑ ξk сходится с
k=1
вероятностью 1 и
Sn − ESn 1 ∞
√ = √ ∑ ξk → 0.
DSn n k=1
Таким образом, ЦПТ для заданной последовательности не выполнена.
25.14. Пусть ξ1 , ξ2 , . . . — последовательность √
независимых

случайных величин. Пусть ξn принимает значения n, − n и 0
с вероятностями 1/2n, 1/2n и 1 − 1/n соответственно. Будет ли
выполнена ЦПТ для последовательности {ξn }?
25.15. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин. Пусть ξn принимает значения 2n и −2n с ве-
роятностью 1/2 каждое. Выполнена ли ЦПТ для последователь-
ности {ξn }?
25.16. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин. Пусть ξn принимает значения 2n , −2n и 0 с
вероятностями 2−(2n+1) , 2−(2n+1) и 1 − 2−2n соответственно. Вы-
полнена ли ЦПТ для последовательности {ξn }?
134 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

25.17. Пусть ξ1 , ξ2 , . . . — последовательность независимых


случайных величин. Пусть ξn равномерно распределена на от-
резке [an − 1, an + 1], причём ∑ |an | < ∞. Найти
n
 
Sn
lim P 0 < √ < 1 .
n→∞ n

25.18. Пусть ξ1 , ξ2 , . . . — последовательность независимых


случайных величин. Пусть ξn принимает значения 1 и −1 с ве-
роятностью (1 − 2−n )/2 каждое и значения 2n и −2n с вероятно-
стью 2−n−1 каждое. Доказать, что для последовательности {ξn }
выполнена ЦПТ.
25.19. Пусть ξ1 , ξ2 , . . . имеют распределение Пуассона с па-
раметром λ. Существует ли слабый предел при n → ∞ выраже-
ния
1 n
√ ∑ (ξ2i−1 − ξ2i )?
n i=1

25.20. Пусть ξ и η — независимые одинаково распределён-


ные случайные величины с конечной дисперсией. Доказать, что
если величины ξ + η и ξ − η независимы, то ξ и η имеют нормаль-
ное распределение, возможно вырожденное.
25.21. Пусть ξ и η — независимые одинаково распределён-
ные случайные величины с нулевым средним значением и конеч-
ной дисперсией.
√ Используя ЦПТ доказать, что если величины ξ
и (ξ + η)/ 2 имеют одинаковое невырожденное распределение,
то это распределение — нормальное.
25.22. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных величин. Пусть ξn принимает значения an , −an , и 0 с
вероятностями pn , pn и 1 − 2pn соответственно. Найти условия
для констант an и pn , обеспечивающие выполнение ЦПТ для по-
следовательности {ξn }.
25.23. Пусть ξ1 , ξ2 , . . . — последовательность независимых
случайных √ √ Когда n — точный квадрат, ξn принимает
величин.
значения − n и n с вероятностью 1/2 каждое, при остальных n
величина ξn принимает значения −1 и 1 с вероятностью 1/2 каж-
дое. Выполнена ли ЦПТ для последовательности {ξn }?
§ 26. Численные задачи 135

25.24. Пусть ξ1 , ξ2 , . . . — независимые одинаково распре-


делёные случайные величины, причём Eξ1 = 0 и Dξ1 = 1. Найти
предельное распределение случайных величин
√ ξ1 + . . . + ξn ξ1 + . . . + ξn
ηn = n 2 2
и ζn = q .
ξ1 + . . . + ξn ξ2 + . . . + ξ2
1 n
25.25. Пусть ξ1 , ξ2 , . . . — последовательность независимых
одинаково распределённых случайных величин, причём Eξ1 = 0
и Dξ1 = σ2 > 0. Сходятся ли по вероятности при n → ∞ величины
ξ1 + . . . + ξn
√ ?
n

§ 26. Численные задачи на использование


центральной предельной теоремы
и теоремы Пуассона
Рассмотрим схему Бернулли с общим числом испытаний n и веро-
ятностью успеха p. Пусть νn — число успехов в n испытаниях.
Теорема Муавра — Лапласа. Для любых вещественных x < y при
n → ∞ имеет место сходимость
( ) Z y
νn − np 1 2
P x6 p 6y → √ e−t /2 dt = Φ(y) − Φ(x).
np(1 − p) 2π x

Предположим, что вероятность успеха p является функцией от n.


Теорема Пуассона. Пусть n → ∞ и pn → 0 так, что npn → λ > 0.
Тогда для любого k > 0
λk −λ
P{νn = k} → e .
k!
Приближение Пуассона обычно используется в ситуации, когда n
достаточно велико и np не менее 10.
26.1. Известно, что левши составляют в среднем 1%. Оце-
нить вероятность того, что по меньшей мере четверо левшей ока-
жется среди:
а) 200 человек; б) 10 000 человек.
Р е ш е н и е. а) Имеем схему Бернулли с числом независимых ис-
пытаний n = 200 и вероятностью успеха (человек — левша) p = 0, 01.
136 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

Пусть νn — число левшей. Необходимо найти вероятность P{νn > 4}.


Поскольку n велико и произведение λ ≡ np = 2 мало, то можно исполь-
зовать аппроксимацию Пуассона, в силу которой

2k −2
P{νn > 4} ≈ ∑ e = 0, 143.
k=4 k!

Численное значение взято из таблицы распределения Пуассона.


б) Теперь число независимых испытаний сильно выросло и равно
n = 10 000. Соответственно, произведение np = 100 весьма велико и сле-
дует воспользоваться нормальным приближением. Имеем
( )
νn − 10 000 · 0, 01 4 − 10 000 · 0, 01
P{νn > 4} = P p >p ≈
10 000 · 0, 01 · 0, 99 10 000 · 0, 01 · 0, 99
( )
νn − 10 000 · 0, 01
≈ P p > −9, 6 ≈
10 000 · 0, 01 · 0, 99
≈ Φ(−9, 6) ≈ 1.

26.2. Вероятность попадания в цель при одном выстреле рав-


на 0,001. Для поражения цели необходимо не менее двух попада-
ний. Произведено 5000 независимых выстрелов. Найти вероят-
ность поражения цели.
26.3. В некоторой группе людей дальтоники составляют 1%.
Найти вероятность того, что среди 100 человек:
а) нет дальтоников; б) дальтоников два или больше.
26.4. Известно, что вероятность рождения мальчика прибли-
зительно равна 0,515. Какова вероятность того, что среди 10 ты-
сяч новорожденных число мальчиков будет не больше, чем дево-
чек?
26.5. В стране насчитывается 10 млн избирателей, из кото-
рых 5,5 млн принадлежат к партии А, и 4,5 млн принадлежат
к партии В. Назначаются жребием 20 000 выборщиков. Какова
вероятность того, что большинство выборщиков окажется сто-
ронниками партии В?
26.6. Среди семян пшеницы 0,6% семян сорняков. Какова
вероятность при случайном отборе 1 000 семян обнаружить:
а) не менее 3 семян сорняков;
б) не более 16 семян сорняков;
§ 26. Численные задачи 137

в) ровно 6 семян сорняков?


26.7. Книга в 500 страниц содержит 50 опечаток. Оценить ве-
роятность того, что на случайно выбранной странице не менее 3
опечаток.
26.8. Для лица, дожившего до 20-летнего возраста, вероят-
ность смерти на 21-м году жизни равна 0,006. Застрахована груп-
па в 10 000 человек 20-летнего возраста, причём каждый застра-
хованный внес 1 рубль 20 копеек страховых взносов за год. В
случае смерти застрахованного страховое учреждение выплачи-
вает наследникам 100 рублей. Какова вероятность того, что к
концу года страховое учреждение:
а) окажется в убытке;
б) его доход превысит 6 000 рублей;
в) его доход превысит 4 000 рублей?
26.9. Вероятность выпуска отдельного сверла повышенной
хрупкости (брак) равна 0,02. Свёрла укладываются в коробки по
100 штук. Чему равна вероятность того, что:
а) в коробке не окажется бракованных свёрл;
б) число бракованных свёрл окажется не более 2?
в) Какое наименьшее количество свёрл нужно класть в ко-
робку для того, чтобы с вероятностью, не меньшей 0,9, в ней бы-
ло не менее 100 исправных?
26.10. Сколько изюминок в среднем должны содержать ка-
лорийные булочки для того, чтобы вероятность наличия в булоч-
ке хотя бы одной изюминки была не менее 0,99?
26.11. Театр, вмещающий 1000 человек, имеет два отдель-
ных входа. Около каждого входа имеется свой гардероб. Сколь-
ко мест должно быть в каждом гардеробе для того, чтобы в сред-
нем в 99 случаях из 100 все зрители могли раздеться в гардеробе
того входа, через который они вошли? Предполагается, что зри-
тели приходят парами и каждая пара независимо от других вы-
бирает с вероятностью 1/2 любой из входов. На сколько можно
будет сократить число мест в гардеробе, если зрители будут при-
ходить поодиночке и также независимо друг от друга с равной
вероятностью выбирать любой из входов?
26.12. В посёлке 2500 жителей. Каждый из них примерно 6
раз в месяц ездит на поезде в город, выбирая дни поездок по слу-
чайным мотивам независимо от остальных. Какой наименьшей
138 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

вместимостью должен обладать поезд, чтобы он переполнялся в


среднем не чаще одного раза в 100 дней (поезд ходит раз в сут-
ки)?
26.13. Некоторая машина состоит из 10 тысяч деталей. Каж-
дая деталь независимо от других деталей может оказаться неис-
правной с вероятностью pi , причём для n1 = 1000 деталей
p1 = 0, 0003, для n2 = 2000 деталей p2 = 0, 0002 и для n3 = 7000
деталей p3 = 0, 0001. Машина не работает, если в ней неисправ-
ны хотя бы две детали. Найти вероятность того, что машина не
будет работать.
26.14. Для проверки влияния нового лекарства на кровяное
давление у 100 пациентов было измерено давление до и после
приёма лекарства. При этом оказалось, что в 32 случаях давле-
ние после приёма лекарства повысилось, а в 68 случаях понизи-
лось. Можно ли считать установленным, что это лекарство вли-
яет на кровяное давление? Какова вероятность, что чисто слу-
чайные колебания давления вызовут не меньшее отклонение от
50?
26.15. Игральная кость брошена 1000 раз. Найти пределы, в
которых с вероятностью не менее 0,99 лежит суммарное число
очков.
26.16. Игральная кость подбрасывается до тех пор, пока об-
щая сумма выпавших очков не превысит 700. Оценить вероят-
ность того, что для этого потребуется:
а) более 210 бросаний; в) от 180 до 210 бросаний?
б) менее 180 бросаний;
26.17. Оценить вероятность того, что число выпадений еди-
ницы при 12 000 бросаний игральной кости заключено в преде-
лах между 1900 и 2150.
26.18. При выстреле по мишени стрелок попадает в десятку с
вероятностью 0,5; в девятку — 0,3; в восьмёрку — 0,1; в семёр-
ку — 0,05; в шестёрку — 0,05. Стрелок сделал 100 выстрелов.
Какова вероятность того, что он набрал:
а) более 980 очков; б) более 920 очков?
26.19. При составлении статистического отчета надо сложить
104 чисел, каждое из которых округлено с точностью до 10−m .
Предположим, что ошибки, возникающие при округлении чисел,
взаимно независимы и имеют равномерное распределение в ин-
§ 26. Численные задачи 139

тервале (−0, 5 · 10−m , 0, 5 · 10−m ). Найти пределы, в которых с ве-


роятностью не менее 0,997 будет лежать суммарная ошибка.
26.20. Урожайность куста картофеля равна 0 кг с вероятно-
стью 0,1; 1 кг с вероятностью 0,2; 1,5 кг с вероятностью 0,2; 2 кг
с вероятностью 0,3; 2,5 кг с вероятностью 0,2. На участке по-
сажено 900 кустов. В каких пределах с вероятностью 0,95 будет
находиться урожай? Какое наименьшее число кустов надо поса-
дить, чтобы с вероятностью не менее 0,975 урожай был не менее
тонны?
Р е ш е н и е. Имеем последовательность независимых испытаний.
Общее число испытаний n = 900, результат каждого отдельного испы-
тания — урожайность куста картофеля — это дискретная случайная ве-
личина с таблицей распределения

xi 0 1 1,5 2 2,5
P{ξ1 = xi } 0,1 0,2 0,2 0,3 0,2

Математическое ожидание и дисперсия для такой случайной величины


равны Eξ1 = 1, 6 и Dξ1 = 0, 54 соответственно. Урожай — это случайная
величина, которая равна сумме урожайностей отдельных кустов
n
Sn = ∑ ξk .
k=1

Имеем ESn = 900 · 1, 6 = 1440 и DSn = 900 · 0, 54 = 486. В силу ЦПТ име-
ем  
Sn − ESn
P √ < x ≈ Φ(x).
DSn
Поскольку в качестве приближения используется стандартное нормаль-
ное распределение, плотность которого симметрична относительно ну-
ля, из всех интервалов (a, b) таких, что P{a < ξ < b} = 0, 95, наименьшей
длиной обладает интервал, симметричный относительно нуля. В связи с
этим будем искать интервал, симметричный относительно математиче-
ского ожидания Sn , т. е. будем искать число x > 0 такое, что

P{1440 − x 6 Sn 6 1440 + x} ≈ 0, 95.

Последняя вероятность равна


     
−x Sn − 1440 x x −x
P √ 6 √ 6√ ≈ Φ √ −Φ √ .
486 486 486 486 486
140 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

Отсюда в силу симметрии нормальной плотности получаем уравнение



1 − 2Φ(x/ 486) = 0, 95.

Следовательно,
√ Φ(x/ 486) = 0, 025, откуда согласно таблице имеем ра-
венство x/ 486 = 1, 96. Следовательно x ≈ 42, 92. Таким образом, с ве-
роятностью 0,95 урожай будет находиться в пределах от 1397 до 1482 кг.
Чтобы ответить на второй вопрос задачи, надо найти n такое, что
P{Sn > 1000} > 0, 975. Оценим вероятность согласно ЦПТ:
( ) !
Sn − 1, 6n 1000 − 1, 6n 1000 − 1, 6n
P{Sn > 1000} = P p > p ≈Φ p ,
0, 54n 0, 54n 0, 54n
что позволяет выписать равенство
!
1000 − 1, 6n
Φ p = 0, 975.
0, 54n

Из таблицы
1, 6n − 1000
p ≈ −1, 96.
0, 54n
Число n должно быть (первое приближение) порядка 1000:1,6=625. По-
этому знаменатель имеет порядок 18,37. Отсюда 1000 − 1, 6 · n ≈ −36 и
n ≈ 648.
26.21. Мера длины фут, как видно из названия, — длина ступ-
ни. Но, как известно, размеры ног бывают разные. Немцы в XVI
веке выходили из положения следующим способом. В воскрест-
ный день ставили рядом 16 первых вышедших из церкви муж-
чин. Сумма длин их левых ступней делилась на 16. Средняя дли-
на и была «правильным и законным» футом. Известно, что раз-
мер стопы взрослого мужчины — случайная величина, имеющая
нормальное распределение со средним значением 262,5 мм и ква-
дратичным отклонением σ = 12 мм. Найти вероятность того, что
два «правильных и законных» значения фута, определённых по
двум различным группам мужчин, отличаются более чем на 5 мм.
Сколько нужно было бы взять мужчин для того, чтобы с веро-
ятностью не менее 0,99 средний размер их ступней отличался от
262,5 мм менее чем на 0,5 мм?
26.22. Студент получает на экзамене 5 с вероятностью 0,2;
4 с вероятностью 0,4; 3 с вероятностью 0,3 и 2 с вероятностью
§ 26. Численные задачи 141

0,1. За время обучения он сдаёт 40 экзаменов. Найти пределы, в


которых с вероятностью 0,95 лежит средний балл студента.
26.23. Имеется 1 000 прямоугольных параллелепипедов, у
каждого из которых длина каждой стороны принимает значения
1/2 и 1 с вероятностями 0,3 и 0,7 соответственно. Пусть V —
суммарный объём этих параллелепипедов. Оценить вероятность
того, что 590 < V < 605.
26.24. Рыбак забросил спиннинг 80 раз. Какова вероятность
того, что он поймал хотя бы одну рыбу, если одна рыба приходит-
ся в среднем на 200 забрасываний?
26.25. Предположим, что при наборе книги существует по-
стоянная вероятность p = 0, 0001 того, что любая буква будет
набрана неправильно. После набора гранки прочитывает кор-
ректор, который обнаруживает каждую опечатку с вероятностью
q = 0, 9. После корректора — автор, обнаруживающий каждую
из оставшихся опечаток с вероятностью r = 0, 5. Найти вероят-
ность того, что в книге с миллионом печатных знаков останется
после этого менее 10 незамеченных опечаток.
26.26. Найти вероятность того, что среди 10 000 случайных
цифр цифра 7 появится не более 968 раз.
26.27. Сколько случайных цифр нужно взять, чтобы вероят-
ность появления среди них цифры 7 была не меньше 9/10?
26.28. Монета брошена 1000 раз. При каком k число выпа-
дений герба лежит между 490 и k с вероятностью 1/2.
26.29. При n = 14 400 бросаниях монеты герб выпал 7377 раз.
Как вероятно столь большое или большее уклонение числа вы-
падений герба от n/2?
26.30. В некоторой группе людей дальтоники составляют 1%.
Как велика должна быть случайная выборка, чтобы вероятность
присутствия в ней хотя бы одного дальтоника была не меньше
0,95?
26.31. В жюри, состоящем из нечётного числа n = 2m + 1 чле-
нов, каждый независимо от других принимает правильное реше-
ние с вероятностью p = 0, 7. Каково минимальное число членов
жюри, при котором решение, принятое большинством голосов,
будет справедливым с вероятностью не меньшей, чем 0,99?
26.32. Берутся два сосуда A и B, каждый из которых имеет
объём 1 дм3 и содержит 2, 7 · 1022 молекул газа. Эти сосуды при-
142 ОТДЕЛ VI. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ

ведены в соприкосновение так, что между ними происходит сво-


бодный обмен молекулами. Чему равна вероятность того, что че-
рез одни сутки в одном из сосудов молекул окажется по меньшей
мере на одну десятимиллиардную часть больше, чем в другом?
26.33. Сколько раз надо бросить игральную кость, чтобы с
вероятностью 1/2 сумма выпавших очков превысила 100?
26.34. На фабрике имеется 300 одинаковых станков. Еже-
дневно в среднем 70% станков работают, а остальные находятся
в ремонте. Каким количеством энергии нужно обеспечить фаб-
рику, чтобы с вероятностью 0,999 все исправные станки могли
работать?
26.35. Маршрут перехода состоит из 10 отдельных этапов.
Длина каждого этапа измеряется по карте с точностью до целых
километров. Какова вероятность того, что ошибка в определении
всей длины маршрута вследствие этих округлений будет не более
1,5 км?
26.36. На улице стоит человек и продает газеты. Предполо-
жим, что каждый из проходящих мимо людей покупает газету с
вероятностью 1/3. Пусть ξ означает число людей, прошедших
мимо продавца за время, пока он продавал первые 100 экзем-
пляров газет. Найти приближённое распределение ξ.
О Т Д Е Л VII
ЦЕПИ МАРКОВА

§ 27. Переходные вероятности


Пусть каждая из случайных величин ξ0 , ξ1 , . . . принимает не бо-
лее чем счётное число значений {x1 , x2 , . . .}, называемых состояниями.
Последовательность ξ0 , ξ1 , . . . называется цепью Маркова, если для
любого момента времени n и для любых состояний xi0 , . . . , xin выполня-
ется равенство
P{ξn = xin | ξn−1 = xin−1 , . . . , ξ0 = xi0 } = P{ξn = xin | ξn−1 = xin−1 }.
Цепь Маркова {ξn } называется однородной по времени с матрицей
переходных вероятностей ||pi j ||, если для любого n и для любых xi
и xj
P{ξn = x j | ξn−1 = xi } = pi j .
Матрица переходных вероятностей ||pi j || является стохастической,

т. е. её элементы неотрицательны и ∑ pi j = 1 для любого i.
j=1

В задачах 27.1–27.6 найти матрицы переходных вероятно-


стей для марковских цепей, описывающих следующие процессы.
27.1. Пусть бросают монету, причём вероятность выпадения
решётки равна p. Определим ξn как разность между числом вы-
падений решётки и числом выпадений герба после n бросаний
монеты.
27.2. Бросают игральную кость. Положим ξn равной наиболь-
шему из чисел, выпавших в первых n бросаниях.
27.3. В двух урнах размещены N чёрных и N белых шаров так,
что каждая содержит по N шаров. В каждый момент времени n
случайно выбирают по одному шару из каждой урны и меняют
их местами. Через ξn обозначается число белых шаров в первой
урне в момент времени n.
144 ОТДЕЛ VII. ЦЕПИ МАРКОВА

27.4. Находящаяся на прямой частица движется по этой пря-


мой под влиянием случайных толчков, происходящих в целочи-
сленные моменты времени. Частица может находится в точках с
целочисленными координатами 0, 1, . . . , N; в точках 0 и N на-
ходятся отражающие стенки. Каждый толчок переводит части-
цу вправо с вероятностью p и влево с вероятностью 1 − p, ес-
ли только частица не находится у стенки. Если же частица на-
ходится у стенки, любой толчок переводит её на единицу внутрь
промежутка между стенками. Через ξn обозначается координата
частицы после n-го толчка.
27.5. Находящаяся на прямой частица движется по этой пря-
мой под влиянием случайных толчков, происходящих в целочи-
сленные моменты времени. Частица может находится в точках с
целочисленными координатами 0, 1, . . . , N; в точках 0 и N на-
ходятся поглощающие стенки. Каждый толчок переводит части-
цу вправо с вероятностью p и влево с вероятностью 1 − p, если
только частица не находится у стенки. Если же частица находит-
ся у стенки, она навсегда остается там. Через ξn обозначается
координата частицы после n-го толчка.
27.6. Белую крысу помещают в лабиринт, изображённый на
рисунке. Крыса передвигается из ячейки в ячейку случайным об-
разом, т. е. если ячейка имеет k выходов, то крыса выбирает каж-
дый из них с вероятностью 1/k. В каждый момент времени крыса
обязательно переходит в одну из соседних ячеек. Через ξn обо-
значается номер ячейки, в которой находится крыса после n-го
перехода.

1 2 3

4 5 6

7 8 9

27.7. К рабочему, стоящему на контроле, через минуту посту-


пают изделия, причём каждое из них независимо от других мо-
§ 27. Переходные вероятности 145

жет оказаться дефектным с вероятностью p. Поступившие из-


делия рабочий одно за другим проверяет, затрачивая на провер-
ку каждого изделия одну минуту. Если же изделие оказывается
дефектным, то рабочий прекращает проверку других изделий и
исправляет дефектное. На это он тратит ещё 5 минут. Является
ли цепью Маркова величина ξn — число изделий, скопившихся у
рабочего через n минут после начала работы?
27.8. Пусть ξn определено как в предыдущей задаче, а νn —
время, уже затраченное рабочим на проверку и ремонт изделия,
которое в данный момент обслуживает рабочий. Является ли це-
пью Маркова вектор (ξn , νn )?
27.9. Пусть точки A1 , . . . , An представляют собой вершины
правильного n-угольника. Некоторая частица совершает случай-
ное блуждание по точкам A1 , . . . , An . Является ли цепью Маркова
последовательность положений частицы, если частица:
а) совершает детерминированное движение по часовой стрел-
ке;
б) в начальный момент случайно выбирает направление по
или против часовой стрелки и далее постоянно движется в вы-
бранном направлении;
в) из любой точки Ai , i 6= 1, с вероятностью p сдвигается по
часовой стрелке, а с вероятностью 1− p — против часовой стрел-
ки в соседнюю точку. Попадая в точку A1 , частица возвращается
в ту точку, из которой она пришла в A1 .
27.10. Частица совершает случайное блуждание в плоскости
по целочисленным точкам (i, j) таким, что 0 6 i, j 6 N. Из любой
внутренней точки указанного квадрата частица с равными веро-
ятностями, независимо от её предыдущего движения, переходит
в одну из соседних точек. Является ли цепью Маркова после-
довательность положений частицы, если при выходе на границу
дальнейшее движение частицы подчиняется правилу:
а) движение частицы по границе квадрата детерминированно
по часовой стрелке;
б) частица возвращается в ту точку, из которой она вышла на
границу;
в) частица выбирает случайным образом направление на гра-
нице и движется по границе в выбранном направлении.
27.11. В начальный момент времени в урне имеется n0 бе-
146 ОТДЕЛ VII. ЦЕПИ МАРКОВА

лых и m0 чёрных шаров. Через каждую единицу времени из урны


по схеме выбора без возвращения извлекается один шар. Пусть
nk — число белых и mk — число чёрных шаров в урне в момент
времени k. Какие из указанных ниже последовательностей обра-
зуют цепь Маркова, а какие нет:
а) nk ; г) пара (nk , mk );
1
б) nk − mk ; д) nk − mk + .
nk + mk + 2
в) nk + mk ;
27.12. Пусть {ξn } — простое случайное блуждание в Z, т. е.
цепь Маркова с переходными вероятностями pi,i+1 = p и
pi,i−1 = 1 − p. Найти вероятности перехода за n шагов.
27.13. Пусть {ξn }∞
n=−∞ — стационарная последовательность,
члены которой принимают лишь значения 0 и 1. Положим


ξn−i
ηn = ∑ .
i=0
2i+1

Доказать, что {ηn } является цепью Маркова. Найти её переход-


ные вероятности, если случайные величины {ξn } независимы.
27.14. Пусть ξ0 , ξ1 , . . . — независимые случайные величины,
принимающие значения 1 и −1 с вероятностью 1/2 каждое. До-
ξn + ξn+1
казать, что случайные величины ηn = не образуют цепь
2
Маркова.
27.15. Пусть независимые случайные величины ξ0 , ξ1 , . . . при-
нимают значения 1 и −1 с вероятностями p и 1 − p соответствен-
но. Будут ли цепями Маркова следующие последовательности
случайных величин:
n
а) ηn = max ξi ; в) ηn = ∏ ξi ;
06i6n i=0
б) ηn = ξn ξn+1 ; г) ηn = ξ1 + . . . + ξn ?
27.16. Рассмотрим последовательность испытаний Бернул-
ли. Положим ξn = 1, если испытания с номерами n − 1 и n приве-
ли к успеху, и ξn = 0 иначе. Доказать, что случайные величины ξn
не образуют цепь Маркова.
27.17. Пусть {ξn } — стационарная цепь Маркова, принима-
§ 28. Классификация состояний 147

ющая лишь значения 0 и 1, с матрицей переходных вероятностей


 
pq
P= , 0 < p < q < 1, q = 1 − p.
q p

Положим ηn = 1, если (ξn , ξn−1 ) = (1, 1) или (0, 0), и ηn = 0 иначе.


Доказать, что случайные величины {ηn } независимы и одинаково
распределены.
27.18. Всякая ли стохастическая матрица может быть матри-
цей вероятностей перехода за два шага некоторой цепи Марко-
ва?

§ 28. Классификация состояний.


Эргодичность цепей
Состояние xi называется несущественным, если найдётся такое
состояние x j 6= xi и время n, что вероятность перехода из состояния xi
в x j за время n больше нуля, но при этом нельзя перейти обратно из со-
стояния x j в xi .
Состояние называется существенным, если оно не является несу-
щественным.
Существенные состояния xi и x j называется сообщающимися, если
вероятность перехода из состояния xi в x j за некоторое время больше
нуля, и одновременно вероятность перехода обратно из состояния x j в
xi за некоторое время также больше нуля.
Некоторое множество S попарно сообщающихся состояний назы-
вается классом эквивалентности, если оно включает в себя все со-
стояния, сообщающиеся с состояниями из S.
Если класс эквивалентности S состоит из одного состояния, то по-
следнее называется поглощающим состоянием.
Цепь Маркова называется неразложимой, если все её состояния
образуют один класс эквивалентности.
Цепь Маркова называется разложимой, если все её состояния об-
разуют как минимум два класса эквивалентности.
Состояние xi цепи Маркова называется возвратным, если цепь,
стартующая из этого состояния, возвращается в него когда-нибудь с ве-
роятностью 1.
Состояние xi цепи Маркова называется положительно возврат-
ным, если математическое ожидание времени возвращения в это состо-
яние конечно.
148 ОТДЕЛ VII. ЦЕПИ МАРКОВА

Состояние xi цепи Маркова называется периодическим с периодом


di , если возвращение с положительной вероятностью в это состояние
возможно лишь за число шагов, кратное di , и di есть наибольшее число,
обладающее этим свойством.
Цепь Маркова называется непериодической, если все состояния
имеют период, равный 1.
Цепь Маркова называется эргодической, если существует распре-
деление {π j } на множестве состояний {x j } такое, что для любого на-
чального состояния xi вероятность перехода за n шагов в состояние x j
стремится к π j при n → ∞.
Вероятности {π j } называются стационарными или финальными.
Эргодическая теорема. Конечная цепь Маркова эргодична тогда и
только тогда, когда она неразложима и непериодична.

Определить число состояний цепи Маркова, классы эквива-


лентности и периодичность различных состояний, если матрица
переходных вероятностей равна:
 
1/2 1/3 1/6
28.1.  1/2 1/3 1/6 .
1/2 1/3 1/6
 
0 1/2 1/2
28.2.  1/2 0 1/2 .
1/2 1/2 0
 
0 0 1 0
 1 0 0 0
 1/2 1/2 0 0 .
28.3.  

1/3 1/3 1/3 0


 
0 1 0 0
 0 0 0 1
 0 1 0 0 .
28.4.  

1/3 0 2/3 0
 
1/3 2/3 0 0 0 0
 2/3 1/3 0 0 0 0 
 
 0 0 1/4 3/4 0 0 
 0 0 1/5 4/5 0 0 .
28.5.  
 
 1/4 0 1/4 0 1/4 1/4 
1/6 1/6 1/6 1/6 1/6 1/6
§ 28. Классификация состояний 149
 
1 0 0 0 0 0
 0 3/4 1/4 0 0 0 
 
 0 1/8 7/8 0 0 0 
28.6. 
 .
 1/4 1/4 0 1/8 3/8 0 

 1/3 0 1/6 1/6 1/3 0 
0 0 0 0 0 1
28.7. Дать классификацию состояний цепи Маркова с мат-
рицей переходных вероятностей
 
p 1− p 0 0
 0 0 p 1− p 
 p 1− p 0 0 .
 

0 0 p 1− p

Эргодичны ли цепи Маркова со следующими матрицами ве-


роятностей
 перехода
 за один шаг?
01
28.8. .
10
 
10
28.9. .
10
 
10
28.10. .
01
 
1/2 1/2
28.11. .
0 1
 
1/2 1/2
28.12. .
1 0
28.13. Пусть {ξn } — цепь Маркова со значениями в Z+ и с
переходными вероятностями

λ j−i e−λ /( j − i)!, если j > i,



pi j =
0 иначе.

Доказать, что цепь {ξn } не имеет инвариантного распределения.


28.14. Пусть {ξn } — случайное блуждание с отражением в
точках 0 и N, т. е. цепь Маркова со значениями в {0, . . . , N} и с
переходными вероятностями pi,i+1 = pi,i−1 = 1/2 если 0 < i < N,
p0,1 = pN,N−1 = 1. Доказать, что цепь {ξn } эргодична и найти её
инвариантное распределение.
150 ОТДЕЛ VII. ЦЕПИ МАРКОВА

28.15. Рассмотрим процесс случайного блуждания на цело-


численном отрезке [0, N], где pi,i+1 = 1 − pi,i−1 = p при i = 1, . . . ,
N − 1 и p0,0 = pN,N = 1. Найти вероятность поглощения состоя-
ниями 0 или N, если начальным состоянием является k.
28.16. Пусть P = ||pi j || — матрица переходных вероятностей
неприводимой цепи Маркова. Доказать, что если матрица P
идемпотентна (т. е. P = P2 ), то pi j = p j j для всех i и j и цепь непе-
риодична.
28.17. Доказать, что если число N состояний цепи Маркова
конечно и состояние j достижимо из состояния i, то оно дости-
жимо не более чем за N − 1 шаг.
28.18. Доказать, что неприводимая цепь Маркова, у которой
положителен хотя бы один диагональный элемент матрицы пе-
реходов, не может быть периодической.
28.19. Могут ли все состояния цепи Маркова с конечным чи-
слом состояний быть несущественными?
28.20. Могут ли все состояния цепи Маркова со счётным чи-
слом состояний быть несущественными?
28.21. Показать, что у неэргодичной цепи Маркова может су-
ществовать инвариантное распределение, причём единственное.
28.22. Рассмотрим неразложимую цепь Маркова со множе-
ством состояний {0, 1, 2, . . .}. Доказать, что для невозвратности
цепи необходимо и достаточно, чтобы система уравнений

ui = ∑ pi j u j , i > 1,
j=0

имела ограниченное решение, не равное тождественно постоян-


ной.
28.23. Рассмотрим неразложимую цепь Маркова со множе-
ством состояний {0, 1, 2, . . .}. Доказать, что для возвратности це-
пи достаточно существования последовательности u1 , u2 , . . . та-
кой, что ui → ∞ при i → ∞ и для всех i 6= 0

ui > ∑ pi j u j .
j=0

28.24. Рассмотрим неразложимую цепь Маркова со множе-


ством состояний {0, 1, 2, . . .}. Доказать, что для положительной
§ 28. Классификация состояний 151

возвратности цепи необходимо и достаточно, чтобы система урав-


нений

u j = ∑ ui pi j , j = 0, 1, . . . ,
i=0

имела не равное тождественно постоянной решение, для кото-


рого

∑ |ui | < ∞.
i=0

28.25. Рассмотрим цепь Маркова ξn со значениями 0, 1, 2, . . . ,


m − 1 и с матрицей вероятностей перехода за один шаг
 
p0 p1 . . . pm−1
 pm−1
 p0 . . . pm−2 
,
 .. .. .. .. 
p1 p2 . . . p0

где 0 6 pi < 1, ∑ pi = 1. Доказать, что при любом i вероятность


P{ξn = i} сходится к 1/m при n → ∞.
28.26. Рассмотрим цепь Маркова ξn со значениями 0, 1, 2, . . .
и с матрицей вероятностей перехода за один шаг
 
p0 p1 p2 ...
 1 0 0 ... 
 
 0 1 0 ... 
 .
 0 0 1 ... 
... ... ... ...

Выяснить условия возвратности и положительной возвратности


состояния 0.
28.27. В условиях задачи 28.26 выяснить условия на вероят-
ности {pi } и функцию f : {0, 1, 2, . . .} → R, при которых для по-
следовательности f (ξn ):
а) выполнен закон больших чисел;
б) выполнена центральная предельная теорема.
28.28. Рассмотрим цепь Маркова ξn со значениями 0, 1, 2, . . .
152 ОТДЕЛ VII. ЦЕПИ МАРКОВА

и с матрицей вероятностей перехода за один шаг


 
p0 1 − p0 0 0 0 ...
 p1
 0 1 − p1 0 0 ... 
.
 p2 0 0 1 − p2 0 . . . 
... ... ... ... ... ...

Выяснить условия возвратности и положительной возвратности


состояния 0.
28.29. В условиях задачи 28.28 выяснить условия на вероят-
ности {pi } и функцию f : {0, 1, 2, . . .} → R, при которых для по-
следовательности f (ξn ):
а) выполнен закон больших чисел;
б) выполнена центральная предельная теорема.
28.30. Доказать, что если собственное значение√λ конечной
стохастической матрицы по модулю равно 1, то λ = n 1, где n —
натуральное число.
28.31. Доказать, что если конечная стохастическая матрица
имеет два различных собственных значения, по модулю равных
единице, то соответствующая цепь Маркова неэргодична.
28.32. Пусть ξn — эргодическая цепь Маркова со значения-
ми 0, 1, 2, . . . и с финальными вероятностями {πi }∞ i=0 . Положим

n
ζn = ∑ I{ξi = k}.
i=1

Доказать, что ζn /n → πk по вероятности.


28.33. Пусть ξn — эргодическая цепь Маркова со значени-
ями 0, 1, 2, . . . Доказать, что для любых множеств A и B при
|n − m| → ∞ имеет место сходимость

|P{ξn ∈ A, ξm ∈ B} − P{ξn ∈ A}P{ξm ∈ B}| → 0.


О Т Д Е Л VIII

УСЛОВНОЕ МАТЕМАТИЧЕСКОЕ ОЖИДАНИЕ.


МАРТИНГАЛЫ

§ 29. Условное математическое ожидание


Пусть (Ω, F , P) — вероятностное пространство, ξ — случайная ве-
личина с конечным математическим ожиданием и A ⊆ F — некото-
рая σ-алгебра. Условным математическим ожиданием (условным
средним значением) E{ξ|A } случайной величины ξ относительно σ-
алгебры A называется A -измеримая случайная величина ζ такая, что
E{ζ; A} = E{ξ; A} для любого A ∈ A .
Условным математическим ожиданием E{ξ|η} случайной ве-
личины ξ относительно случайной величины η называется E{ξ|σ(η)},
где σ(η) — σ-алгебра, порождённая случайной величиной η.

29.1. Пусть A — алгебра, состоящая из двух элементов: ∅ и


всего пространства Ω. Найти E{ξ|A }.
29.2. Двумерное распределение пары целочисленных случай-
ных величин ξ и η задаётся с помощью таблицы

H ξ
η HH H −1 0 1
−1 1/8 1/12 7/24
1 5/24 1/6 1/8

где в пересечении столбца ξ = i и строки η = j находится вероят-


ность P{ξ = i, η = j}. Найти:
а) E{ξ|η}; г) E{ξ|η3 };
б) E{η|ξ}; д) E{η|ξ2 };
2
в) E{ξ|η }; е) E{η|ξ3 }.
29.3. Решить задачу 29.2 для таблицы
154 ОТДЕЛ VIII. УСЛОВНОЕ МАТЕМАТИЧЕСКОЕ ОЖИДАНИЕ

HH ξ
η HH −2 0 1
−1 1/6 1/6 1/6
2 1/6 1/6 1/6
29.4. Решить задачу 29.2 для таблицы
H ξ
η HH H −1 0 1
−2 1/8 1/12 7/24
0 1/12 1/12 1/8
1 1/8 1/12 0
29.5. На вероятностном пространстве (Ω, F , P), где Ω = [0, 1],
F — σ-алгебра борелевских подмножеств и P — мера Лебега,
задана случайная величина ξ. Пусть A — σ-алгебра, порождён-
ная множествами [0, 1/3), {1/3} и (1/3, 1/2). Найти E{ξ|A }, ес-
ли:
а) ξ(ω) = ω; г) ξ(ω) = 1 − ω;
б) ξ(ω) = 
sin πω; ω2 ;
д) ξ(ω) = 
1, ω ∈ [0, 1/3], 0, ω ∈ [0, 2/3],
в) ξ(ω) = е) ξ(ω) =
2, ω ∈ (1/3, 1]; 1, ω ∈ (2/3, 1].
29.6. На вероятностном пространстве (Ω, F , P), где Ω = [0, 1],
F — σ-алгебра борелевских подмножеств и P — мера Лебега,
задана случайная величина ξ(ω) = ω. Найти E{ξ|A }, если A —
σ-алгебра:
а) всех борелевских подмножеств отрезка [0, 1], симметрич-
ных относительно точки 1/2;
б) порождённая множествами [0, 1/3] и [1/3, 2/3];
в) порождённая случайной величиной η = min{2ω, 1).
29.7. На вероятностном пространстве (Ω, F , P), где Ω = [0, 1],
F — σ-алгебра борелевских подмножеств и P — мера Лебега,
заданы случайные величины ξ(ω) = ω2 и

−1, ω < 1/2,
η(ω) =
1, ω > 1/2.
Построить графики:
а) E{ξ|η}; б) E{ξ|η2 }.
29.8. Пусть случайная величина ξ принимает не более n зна-
чений. Верно ли, что E{ξ|A } также принимает не более n значе-
ний?
§ 29. Условное математическое ожидание 155

29.9. Обязана ли случайная величина E{ξ|A } быть измери-


мой относительно σ(ξ)?
29.10. Пусть ξ и η — независимые одинаково распределён-
ные случайные величины с конечным математическим ожидани-
ем. Найти E{ξ|ξ + η}.
29.11. Верно ли следующее утверждение: если ξn → ξ почти
p
наверное, то E{η|ξn } → E{η|ξ} для любой случайной величины
η?
29.12. Пусть случайная величина ξ имеет показательное рас-
пределение с параметром 1, а t > 0. Найти:
а) E{ξ| min(ξ,t)}; б) E{ξ| max(ξ,t)}.
29.13. Решить задачу 29.12, если случайная величина ξ имеет
равномерное распределение в отрезке [0, 2].
29.14. Пусть случайная величина ξ имеет стандартное нор-
мальное распределение. Найти E{ξ|ξ2 }.
29.15. Пусть независимые случайные величины ξ и η имеют
стандартное нормальное распределение. Найти E{ξ2 + η2 |ξ + η}.
29.16. Пусть независимые случайные величины ξ и η имеют
геометрическое распределение с параметром p каждая. Найти
условное распределение P{ξ = k|ξ + η = n}.
29.17. Пусть независимые случайные величины ξ и η имеют
распределение Пуассона с параметром λ каждая. Найти:
а) E{ξ2 |ξ + η = k};
б) условное распределение P{ξ = k|ξ + η = n}.
29.18. Пусть случайные величины ξ и η независимы и имеют
биномиальное распределение с параметрами m и p. Найти:
а) E{ξ2 |ξ + η = 1};
б) условное распределение P{ξ = k|ξ + η = 1}.
29.19. Пусть ξ1 , . . . , ξn — независимые случайные величины,
имеющие равномерное распределение в отрезке [0, 1]. Найти:
а) E{ξ1 | max(ξ1 , . . . , ξn )}; б) E{ξ1 | min(ξ1 , . . . , ξn )}.
29.20. Решить задачу 29.19, если случайные величины ξk име-
ют экспоненциальное распределение с параметром 1.
29.21. Пусть ξ и η — независимые случайные величины, име-
ющие равномерное распределение в отрезке [0, 1]. Найти:
а) E{ξ|ξ + η}; в) E{ξ2 − η2 |ξ + η};
б) E{ξ − η|ξ + η}; г) E{ξ + η|ξ}.
156 ОТДЕЛ VIII. УСЛОВНОЕ МАТЕМАТИЧЕСКОЕ ОЖИДАНИЕ

29.22. Пусть Eξ2 < ∞. Доказать, что случайная величина ξ


измерима относительно σ-алгебры A тогда и только тогда, когда

E{ξ − E{ξ|A }}2 = 0.

29.23. Пусть Eξ2 < ∞ и Eη2 < ∞. Доказать, что если имеют
место равенства E{ξ|η} = η и E{η|ξ} = ξ, то ξ = η п. н.
29.24. Найти E{ξ|η}, если совместная плотность случайного
вектора (ξ, η) равна:

4xy при 0 6 x, y 6 1,
а) p(x, y) =
0 иначе;

x + y при 0 6 x, y 6 1,
б) p(x, y) =
0 иначе;
 −x −2x
ye + e при x > 0, 0 6 y 6 1,
в) p(x, y) =
0 иначе;

 1 + 9x2 y2
г) p(x, y) = при − 1 6 x, y 6 1,
0 8 иначе;
д) двумерной нормальной плотности с коэффициентом кор-
реляции ρ.
29.25. Пусть совместная плотность случайного вектора (ξ, η)
равна
 −x(y+1)
xe при x, y > 0,
p(x, y) =
0 иначе.
Найти:
а) одномерные (маргинальные) распределения ξ и η;
б) условную плотность ξ относительно η;
в) условную плотность η относительно ξ;
г) условное среднее E{ξ|η};
д) условное среднее E{η|ξ}.
29.26. Пусть ξ имеет распределение Пуассона с параметром
λ, а распределение случайной величины E{η|ξ} имеет нормаль-
ную плотность с нулевым средним значением и дисперсией ξ.
а) Найти характеристическую функцию η.
б) Доказать, что распределение
√ η не имеет плотности.
в) Доказать, что η/ λ слабо сходится при λ → ∞ к стандарт-
ному нормальному закону.
§ 30. Мартингалы 157

29.27. Пусть случайная величина ξ имеет показательное рас-


пределение с параметром 1, а случайная величина E{η|ξ} имеет
распределение Пуассона с параметром ξ. Найти распределение
случайной величины η.
29.28. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-
лённые случайные величины с конечным математическим ожи-
данием, а Sn = ξ1 + . . . + ξn . Пусть An — σ-алгебра, порождённая
суммами Sn , Sn+1 , . . . Доказать, что E{ξ1 |An } = Sn /n.

§ 30. Мартингалы

Пусть (Ω, F , P) — вероятностное пространство, T ⊆ R. Пусть


{At } — поток σ-алгебр, т. е. At ⊆ F и At ⊆ As для любых t, s ∈ T , t < s.
Случайный процесс ξ(t), t ∈ T , называется мартингалом относительно
потока σ-алгебр {At }, если случайная величина ξ(t) измерима относи-
тельно {At }, E|ξ(t)| < ∞ и E{ξ(s)|At } = ξ(t) п. н. для любых t < s. Если
σ-алгебра At при каждом t порождена семейством {ξ(s), s 6 t} и про-
цесс ξ(t) является мартингалом относительно потока {At }, то говорят,
что ξ(t) — мартингал.
Случайный процесс ξ(t), t ∈ T , называется субмартингалом (су-
пермартингалом) относительно потока σ-алгебр {At }, если выполне-
ны два первых свойства из определения мартингала и E{ξ(s)|At } > ξ(t)
п. н. (E{ξ(s)|At } 6 ξ(t) п. н.) для любых t < s.

30.1. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,


причём P{ξi = 0} = P{ξi = 2} = 1/2. Доказать, что последова-
n
тельность произведений ηn = ∏ ξi образует мартингал.
i=1
30.2. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,
причём P{ξi = 1} = 1 − P{ξi = −1} = p, p 6= 1/2. Положим
Sn = ξ1 +. . .+ξn и An = σ(S1 , . . . , Sn ). Доказать, что следующая по-
следовательность будет мартингалом относительно потока {An }:
1 − p Sn
 
а) ηn = Sn − n(2p − 1); б) ηn = .
p
30.3. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,
причём P{ξi = 1} = P{ξi = −1} = 1/2. Положим Sn = ξ1 + . . . + ξn
и An = σ(S1 , . . . , Sn ). Доказать, что для любых чисел A ∈ (−∞, ∞)
158 ОТДЕЛ VIII. УСЛОВНОЕ МАТЕМАТИЧЕСКОЕ ОЖИДАНИЕ

и λ ∈ (0, π/2) последовательность

eiλ(Sn +A)
ηn =
cosn λ
будет мартингалом относительно потока {An }.
30.4. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-
лённые случайные величины с нулевым средним значением. По-
ложим Sn = ξ1 + . . . + ξn и An = σ(S1 , . . . , Sn ). Доказать, что следу-
ющая последовательность будет мартингалом относительно по-
тока {An }:
а) ηn = (Sn )2 − nEξ21 , если Eξ21 < ∞;
eλSn
б) ηn = n , если Eeλξ1 < ∞.
Eeλξ1
30.5. Пусть ξ1 , ξ2 , . . . — независимые случайные величины с
нулевыми математическими ожиданиями, Sn = ξ1 + . . . + ξn . До-
казать, что последовательность сумм {Sn } образует мартингал.
30.6. Пусть ξ1 , ξ2 , . . . — неотрицательные случайные вели-
чины с конечными средними значениями, Sn = ξ1 + . . . + ξn . Дока-
зать, что последовательность сумм {Sn } образует субмартингал.
30.7. Пусть ξ1 , ξ2 , . . . — независимые случайные величины с
нулевыми математическими ожиданиями и конечными дисперси-
ями. Обозначим Bn = Dξ1 + . . . + Dξn и Sn = ξ1 + . . . + ξn . Доказать,
что последовательность {Sn2 − Bn } образует мартингал.
30.8. Пусть ξ1 , ξ2 , . . . — независимые случайные величины,
причём Eξn = 1 для любого n. Доказать, что последовательность
n
произведений ηn = ∏ ξi образует мартингал.
i=1
30.9. Пусть ξ — случайная величина с конечным математиче-
ским ожиданием, {An }n>0 — неубывающая последовательность
σ-алгебр. Доказать, что последовательность ξn = E{ξ|An } обра-
зует мартингал.
30.10. Пусть ξ1 , ξ2 , . . . — независимые одинаково распреде-
лённые случайные величины с конечным математическим ожи-
данием, а Sn = ξ1 + . . . + ξn . Доказать, что последовательность
Sn S S
..., , . . . , 3 , 2 , S1
n 3 2
образует мартингал.
§ 30. Мартингалы 159

30.11. Пусть ξ(t) — мартингал относительно потока {At }.


Доказать, что процесс ξ(t) имеет некоррелированные прираще-
ния, т. е. Cov(ξ(s) − ξ(t), ξ(v) − ξ(u)) = 0 при t < s < u < v.
30.12. Пусть ξ(t) — однородный процесс Пуассона с пара-
метром λ. Доказать, что ζ(t) = exp{ξ(t) − at} представляет собой
субмартингал при a 6 λ(e − 1) и супермартингал при a > λ(e − 1).
30.13. Доказать, что винеровский процесс, выходящий из ну-
ля, является мартингалом с непрерывным временем.
30.14. Пусть {ξn } — мартингал, причём E(ξn − ξn−1 )2 6 c для
некоторого c < ∞. Доказать, что ξn /n → Eξ1 по вероятности.
30.15. Пусть ξ0 , ξ1 , . . . — ветвящийся процесс, ξ0 = 1 и
Eξ1 = m. Положим ηn = ξn /mn . Доказать, что {ηn } образует мар-
тингал.
30.16. Пусть w(t) — стандартный винеровский процесс. Вы-
яснить, какие из следующих процессов мартингалы:
Z t
а) ecw(t) ; б) tw(t) − w(s)ds.
0
О Т Д Е Л IX
СЛУЧАЙНЫЕ ПРОЦЕССЫ

§ 31. Общие свойства


Пусть T — некоторое множество. Функция ξ(t) = ξ(t, ω) : T × Ω → R
называется случайным процессом, если для любого фиксированного t
функция ξ(t, ω) аргумента ω — случайная величина.
Конечномерными распределениями процесса ξ(t), t ∈ T , называ-
ются распределения случайных векторов (ξ(t1 ), . . . , ξ(tn )), t1 , . . . , tn ∈ T .
Случайный процесс ξ(t), t ∈ [a, b], называется стохастически не-
прерывным, если ξ(t) → ξ(t0 ) по вероятности при t → t0 , для любого
t0 ∈ [a, b].
Математическим ожиданием случайного процесса ξ(t), t ∈ T ,
называется неслучайная функция m(t) = Eξ(t).
Ковариационной функцией случайного процесса ξ(t), t ∈ T , на-
зывается неслучайная функция двух аргументов B(t, s) = Cov(ξ(t), ξ(s)).
Случайный процесс ξ(t), t ∈ [a, b], называется стационарным (в ши-
роком смысле), если ковариационная функция B(t, s) зависит лишь от
разности s − t своих аргументов.
Пусть ξ(t) — стационарный процесс с ковариационной функцией
b(t). Тогда существует неотрицательная мера F такая, что F(R) = b(0)
и для любого t выполняется равенство
Z ∞
b(t) = eitu F(du).
−∞

Функция F(u) называется спектральной функцией процесса ξ(t). Ес-


ли F(u) абсолютно непрерывна, её производная называется спектраль-
ной плотностью процесса ξ(t). Кроме того, существует процесс µ(u) с
нулевым средним значением, ортогональными приращениями и со струк-
турной функцией F(−∞, u) такой, что для любого t справедливо спек-
тральное представление
Z ∞
ξ(t) = eitu µ(du).
−∞
§ 31. Общие свойства 161

31.1. Пусть η — случайная величина с функцией распреде-


ления F(x). Найти все конечномерные распределения случайного
процесса ξ(t) = η + t, его математическое ожидание m(t) и кова-
риационную функцию B(t, s).
31.2. Пусть η — случайная величина с равномерным на от-
резке [0, 1] распределением. Найти все конечномерные распре-
деления случайного процесса ξ(t) = I{t < η}, t ∈ [0, 1], его мате-
матическое ожидание m(t) и ковариационную функцию B(t, s).
31.3. Пусть случайная величина ξ имеет нормальное распре-
деление с математическим ожиданием a и дисперсией σ2 ; b ∈ R.
Найти все конечномерные распределения случайного процесса
ξ(t) = ξt + b, его математическое ожидание m(t) и ковариацион-
ную функцию B(t, s).
31.4. Пусть ϕ — случайная величина с плотностью cos x при
x ∈ [0, π/2]; a и ω — положительные постоянные. Является ли
случайный процесс ξ(t) = a sin(ωt + ϕ) стационарным?
31.5. Пусть ξ и η — некоррелированные случайные величины
с нулевыми средними значениями и конечными дисперсиями, а α,
β > 0 — некоторые постоянные. Найти математическое ожида-
ние m(t) и ковариационную функцию B(t, s) случайного процесса
ξ(t) = ξe−αt + ηe−βt .
31.6. Пусть ξ и η — некоррелированные случайные величины
с нулевыми средними значениями и единичными дисперсиями.
Найти математическое ожидание m(t) и ковариационную функ-
цию B(t, s) случайного процесса ξ(t) = t + ξ cos γt + η sin γt.
31.7. Пусть ξ(t) — дифференцируемый случайный процесс
с математическим ожиданием m(t) и ковариационной функцией
B(t, s). Найти математическое ожидание и ковариационную функ-
dξ(t)
цию его производной .
dt
31.8. Пусть случайный процесс ξ(t) имеет среднее значение
2
m(t) = t 2 − 1 и ковариационную функцию B(t, s) = 2e−α(s−t) . Най-
ти математическое ожидание и ковариационную функцию слу-
чайного процесса:
dξ(t) d 2 ξ(t)
а) 2t + (1 − t)2 ; в) + 1.
dt dt 2
б) tξ(t) + t 2 + 1;
31.9. Пусть ξ(t) — случайный процесс с математическим ожи-
162 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

данием m(t) и ковариационной функцией B(t, s); траектории про-


цесса непрерывны с вероятностью 1. Найти математическое ожи-
Z t
дание и ковариационную функцию интеграла ξ(s)ds.
0
31.10. Пусть случайный процесс ξ(t) равен η cos(γt − θ), где
η — случайная величина с нулевым средним значением и дис-
персией σ2 ; θ — случайная величина с равномерным на отрезке
[0, 2π] распределением; γ — неслучайный параметр. Случайные
величины η и θ независимы. Найти математическое ожидание
и ковариационную функцию процесса ξ(t). При каких условиях
ξ(t) — стационарный процесс?
31.11. Пусть случайный процесс ξ(t) равен σ cos 2π(ξt + η),
где σ — положительная постоянная, ξ — случайная величина с
плотностью f (x), причём 0 6 ξ 6 1/2, а η — случайная величина
с равномерным на отрезке [−1/2, 1/2] распределением. Случай-
ные величины ξ и η независимы. Доказать, что ξ(t) — стационар-
ный процесс. Найти его ковариационную функцию и спектраль-
ную плотность.
31.12. Пусть ξ(t) = η1 f1 (t) + . . . + ηn fn (t), где η1 , . . . , ηn —
некоррелированные случайные величины с нулевыми средними
значениями и дисперсиями σ21 , . . . , σ21 , а f1 , . . . , fn — неслучай-
ные функции. Найти математическое ожидание и ковариацион-
ную функцию процесса ξ(t).
31.13. Показать, что не существует никакого стационарного
процесса, ковариационная функция b(s −t) = B(t, s) которого по-
стоянна и отлична от нуля в каком-то интервале (−t1 ,t1 ) и равна
нулю вне его.
31.14. Найти спектральную плотность стационарного процес-
са, если его ковариационная функция равна:
2
а) b(t) = ce−α|t| ; в) b(t) = ce−(αt) ;
2
б) b(t) = ce−α|t| cos βt; г) b(t) = ce−(αt) cos βt.
31.15. Пусть спектральная плотность стационарного процес-
са равна 
a при |u| 6 u1 ,
f (u) =
0 при |u| > u1 .
Найти ковариационную функцию процесса.
31.16. Пусть ξ(t) — стационарный процесс, дифференциру-
емый в среднеквадратичном. Доказать, что при любом фиксиро-
§ 31. Общие свойства 163
dξ(t)
ванном t значения процесса ξ(t) и его производной не кор-
dt
релированы.
31.17. Пусть ξ(t) и η(t) — стационарные процессы, задан-
ные на одном вероятностном пространстве. Является ли сумма
ξ(t) + η(t) стационарным процессом?
31.18. Пусть ξ(t) и η(t) — стационарные процессы, заданные
на одном вероятностном пространстве, причём {ξ(t)} не зависит
от {η(t)}. Является ли сумма ξ(t) + η(t) стационарным процес-
сом?
31.19. Пусть ξ(t) — стационарный процесс. Выяснить усло-
вия, при которых процесс ξ(t) сходится по вероятности при
t → ∞.
31.20. Пусть ξ(t) — случайный процесс такой, что все ξ(t)
независимы друг от друга и имеют одинаковую плотность рас-
пределения p. Докажите, что этот процесс не является стохасти-
чески непрерывным ни в какой точке.
31.21. Пусть ξ и η — случайные величины, причём η имеет
симметричное распределение и P{η = 0} = 0. Найти вероятность
того, что реализации случайного процесса ξ(t) = ξ +t(η +t), t > 0,
возрастают.
31.22. Рассмотрим на вероятностном пространстве (Ω, F , P),
представляющем собой отрезок [0, 1] с σ-алгеброй борелевских
подмножеств и мерой Лебега, случайный процесс ξ(t, ω), опре-
делённый следующим образом:



 1, если прямая, проходящая через точку (t, ω)
параллельно прямой t = ω, пересекает

ξ(t, ω) =
 ось t в рациональной точке,

0 в остальных случаях.

Показать, что процесс ξ(t, ω) стохастически непрерывен, но все


его траектории разрывны в каждой точке.
31.23. Построить пример случайного процесса, для которого
множество элементарных исходов, на которых процесс непреры-
вен, не является событием.
164 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

§ 32. Винеровский процесс


Стохастически непрерывный однородный процесс с независимыми
приращениями ξ(t) называется винеровским, если ξ(0) = 0 и ξ(1) имеет
нормальное распределение. Винеровский процесс ξ(t) называется стан-
дартным, если ξ(1) имеет стандартное нормальное распределение.
В настоящем параграфе всюду рассматриваются непрерывные мо-
дификации винеровского процесса.

Пусть w(t) — винеровский процесс. В задачах 32.1–32.3 вы-


яснить, является ли процесс η(t) марковским.
32.1. (
w(t), если max w(s) < a,
η(t) = 06s6t
a иначе.

32.2. 
w(t), если w(t) 6 a,
η(t) =
2a − w(t) иначе.

32.3. η(t) = w(t) − [w(t)], где [x] — целая часть числа x.


32.4. Найти ковариационную функцию винеровского процес-
са.
32.5. Доказать, что винеровский процесс не дифференцируем
по вероятности.
32.6. Пусть w(t) — стандартный винеровский процесс. Най-
ти ковариационную функцию процесса w(0) (t) = w(t) −tw(1), рас-
сматриваемого на отрезке времени t ∈ [0, 1].
32.7. Пусть w(t) — стандартный винеровский процесс. Найти
ковариационную функцию процесса e−bt w(ae2bt ), где a и b — дей-
ствительные числа (этот процесс называется процессом Орн-
штейна — Уленбека).
32.8. Пусть w(t) — стандартный винеровский процесс. Най-
Z t
дите совместное распределение w(t) и w(s)ds, t > 0.
0
32.9. Пусть w(t) — стандартный винеровский процесс. Дока-
зать, что случайный процесс w(1) (t) = tw(1/t) тоже стандартный
винеровский.
32.10. Пусть w(t) — винеровский процесс с нулевым сносом.
§ 32. Винеровский процесс 165

Доказать, что процесс



w(t), t 6 T,
η(t) =
2w(T ) − w(t), t > T,

тоже винеровский.
32.11. Пусть w(t) — трёхмерный винеровский процесс, вы-
ходящий из нуля. Доказать, что с вероятностью 1

lim |w(t)| = ∞.
t→∞

32.12. Пусть w(t) — стандартный винеровский процесс. Най-


ти распределения следующих стохастических интегралов:
Z t Z t
а) s2 dw(s); б) es dw(s).
0 0
32.13. Пусть w(t) — стандартный винеровский процесс. Вы-
яснить, какие из следующих процессов √ винеровские:
а) −w(t); в) tw(1);
б) w(2t) − w(t); г) cw(t/c2 ).
32.14. Пусть w1 (t) и w2 (t) — независимые стандартные ви-
неровские процессы. Для каких c1 и c2 процесс c1 w1 (t) + c2 w2 (t)
будет стандартным винеровским?
32.15. Пусть w(t) — стандартный винеровский процесс. Най-
ти ковариационную функцию процесса w(0) (t) = (1 − t)w(t/(1 −
t)), t ∈ [0, 1), w(0) (1) = 0.
32.16. Докажите, что квадратичная вариация стандартного
винеровского процесса w(t) конечна, т. е.
n−1  ( j + 1)t   jt 2
∑ w −w
j=0
n n

сходится в среднеквадратичном к t при n → ∞.


32.17. Пусть w(t) — стандартный винеровский процесс. Най-
ти предел в среднеквадратическом при n → ∞:
n−1   
jt ( j + 1)t   jt 
а) ∑ w w −w ;
j=0
n n n
n−1 
( j + 1)t   ( j + 1)t   jt 
б) ∑ w w −w ;
j=0
n n n
166 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

n−1
1   jt   ( j + 1)t   ( j + 1)t   jt 
в) ∑2 w +w w −w ;
j=0
n n n n
n−1 
( j + 1/2)t   ( j + 1)t   jt 
г) ∑ w w −w .
j=0
n n n

§ 33. Пуассоновский процесс


Стохастически непрерывный однородный процесс с независимыми
приращениями ξ(t) называется пуассоновским, если ξ(0) = 0 и ξ(1) име-
ет распределение Пуассона. В настоящем параграфе всюду рассматри-
ваются модификации процесса Пуассона, имеющие ступенчатые траек-
тории с единичными скачками.

33.1. Пусть ξ(t) — пуассоновский процесс с параметром λ.


Предположим, что каждое событие «регистрируется» с вероят-
ностью p независимо от остальных событий. Пусть η(t) — про-
цесс, скачки которого происходят лишь в моменты наступления
«зарегистрированных» событий. Доказать, что
а) η(t) — пуассоновский процесс с параметром pλ;
б) ξ(t)−η(t) — пуассоновский процесс с параметром (1− p)λ;
в) процессы η(t) и ξ(t) − η(t) взаимно независимы.
33.2. Пусть ξ1 (t) и ξ2 (t) – два независимых пуассоновских
процесса с параметрами λ1 и λ2 . Доказать, что
а) процесс ξ(t) = ξ1 (t) + ξ2 (t) — пуассоновский с параметром
λ = λ1 + λ2 ;
б) каждая точка процесса ξ(t) принадлежит процессу ξ1 (t) с
вероятностью p = λ1 /λ, независимо от других точек.
33.3. Пусть (ξ(t), η(t)) — двумерный случайный процесс, где
ξ(t) — пуассоновский процесс с параметром λ, а η(t) — пуассо-
новский процесс с параметром µ, не зависящий от ξ(t). При усло-
вии что процесс находится в состоянии (x0 , y0 ) в момент t = 0,
x0 + y0 < z, найти вероятность пересечения процессом прямой
x0 + y0 = z в точке (x, y) этой прямой.
33.4. Рассмотрим пуассоновский процесс с переменной ин-
тенсивностью, т. е. вероятность присутствия скачка в интервале
времени (t,t + h) не зависит от предыстории и равна λ(t)h + o(h)
при h → 0 (заметим, что λ может зависеть от t).
§ 33. Пуассоновский процесс 167

а) Доказать, что вероятность отсутствия скачков на отрезке


времени [0,t] равна
 Zt 
exp − λ(s)ds .
0

б) Пусть x1 — первая точка процесса. Найти её распределе-


ние.
в) Доказать, что вероятность наличия ровно k скачков на от-
резке времени [0,t] равна
Z t k  Zt 
1
λ(s)ds exp − λ(s)ds .
k! 0 0

33.5. Найти ковариационную функцию пуассоновского про-


цесса:
а) с постоянной интенсивностью λ;
б) с переменной интенсивностью λ(t).
33.6. Пусть {τk }∞
k=1 — последовательные моменты скачков
пуассоновского процесса с интенсивностью λ. Доказать, что для
любого T > 0

∑ P{τk 6 T } = λT.
k=1
33.7. Доказать, что пуассоновский процесс:
а) дифференцируем по вероятности;
б) дифференцируем в смысле сходимости в среднем любого
порядка p ∈ (0, 1);
в) не дифференцируем в смысле сходимости в среднем любо-
го порядка p > 1.
33.8. Пусть имеется пуассоновский процесс с интенсивно-
стью λ. Пусть процесс ξ(t) принимает значения −1 и 1, причём
с течением времени ξ(t) меняет свое значение с −1 на 1 и наобо-
рот при наступлении каждого скачка в пуассоновском процессе.
Пусть P{ξ(0) = −1} = P{ξ(0) = 1} = 1/2. Найти ковариационную
функцию процесса ξ(t). Будет ли процесс ξ(t) стационарным?
33.9. Пусть имеется пуассоновский процесс с интенсивно-
стью λ и последовательность независимых одинаково распреде-
лённых случайных величин {ηn }, при этом процесс и {ηn } неза-
висимы между собой. Определим процесс ξ(t) следующим обра-
зом: ξ(t) = ηn , если момент времени t лежит в промежутке между
168 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

n-м и (n + 1)-м скачками пуассоновского процесса. Найти кова-


риационную функцию процесса ξ(t). Будет ли процесс ξ(t) ста-
ционарным?
33.10. Случайно расположенные на плоскости точки обра-
зуют пуассоновское поле с интенсивностью λ, т. е. число точек
в любой области S площади mes S имеет пуассоновское распре-
деление с параметром λmes S, причём числа точек в непересека-
ющихся областях независимы. Пусть ρ1 6 ρ2 6 . . . — упорядо-
ченные по возрастанию расстояния от начала координат до точек
этого поля.
а) Как можно описать последовательность ρn , n = 1, 2, . . .?
б) Найти плотность распределения ρn , среднее значение ρn и
асимптотику этого среднего значения при n → ∞.
33.11. В условиях задачи 33.10 доказать, что координаты (ξ, η)
ближайшей к началу координат точки распределены по нормаль-
ному закону с параметрами mξ = mη = 0 и σ2ξ = σ2η = 1/2πλ.
33.12. Случайно расположенные в трёхмерном пространстве
точки образуют пуассоновское поле с интенсивностью λ. Отве-
тить на вопросы задачи 33.10.
33.13. Пусть π(t) — пуассоновский процесс сZпараметром 1.
t
Найти распределение стохастического интеграла s2 d(π(s)−s).
0
33.14. Для пуассоновского потока интенсивности 7 событий
в единицу времени найти вероятность того, что
а) за единицу времени произойдёт ровно 10 событий;
б) за половину единицы времени произойдёт не менее двух
событий;
в) между первым и вторым событиями пройдёт более 10 еди-
ниц времени;
г) между вторым и третьим событиями пройдёт менее 1/4 еди-
ницы времени.
33.15. Пусть происходит в среднем 4 аварии в месяц. Найти
вероятность того, что
а) на протяжении трёх месяцев каждый месяц будет проис-
ходить хотя бы по одной аварии;
б) за три месяца произойдёт не менее трёх аварий.
33.16. Пусть времена прихода покупателей в магазин обра-
зуют пуассоновский процесс с интенсивностью 1 в минуту.
§ 33. Пуассоновский процесс 169

а) Какова вероятность того, что покупатели не приходили в


течение пятиминутного промежутка времени?
б) Предположим, что каждый покупатель с вероятностью 0,2
— женщина, а с вероятностью 0,8 — мужчина. Какова вероят-
ность того, что в заданный трёхминутный промежуток времени
пришло более чем две покупательницы, если известно, что поку-
пателей мужского пола пришло не меньше трёх?
в) Предположим, что каждый третий покупатель получает по-
дарок от магазина. Каково распределение времени между после-
довательными приходами двух таких покупателей? Как найти ве-
роятность того, что это время больше трёх минут, используя свой-
ства пуассоновского процесса?
33.17. Пусть телефонные звонки поступают в пуассоновском
потоке с интенсивностью λ = 4 в минуту. Найти вероятность того,
что 12-й звонок поступит
а) не позже чем через две минуты;
б) с 3-й до 5-й минуты.
Р е ш е н и е. а) 1 − ∑11 k −8 11 k −12 − 20k e−20 )/k!.
k=0 8 e /k!; б) ∑k=0 (12 e
33.18. Пусть ξ(t) — пуассоновский процесс с параметром λ.
Пусть 0 < t1 < t2 < t3 и 0 < m < n. Найти
а) распределение случайной величины ξ(t2 ) при условии, что
ξ(t3 ) = n;
б) распределение случайной величины ξ(t2 ) − ξ(t1 ) при усло-
вии, что ξ(t1 ) = m и ξ(t3 ) = n.
33.19. Поезд отправляется в момент времени s > 0. Начиная
с момента t = 0, пассажиры приходят в пуассоновском потоке с
интенсивностью λ. Доказать, что среднее суммарное время ожи-
дания пассажиров равно λs2 /2.
33.20. Предположим, что моменты времени, в которые про-
исходят аварии по вине водителя-мужчины и водителя-женщины,
образуют независимые пуассоновские процессы с интенсивно-
стями 10 и 2 соответственно. Найти вероятность того, что 8-я
авария по вине водителя-мужчины произойдет раньше, чем 4-я
авария по вине водителя-женщины.
33.21. У страховой компании имеется n различных страховых
полисов. Предположим, что общий процесс поступления стра-
ховых требований — пуассоновский с интенсивностью λ, и что
каждое требование может относиться к каждому полису с од-
170 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

ной и той же вероятностью 1/n. Найти математическое ожидание


и дисперсию количества различных типов полисов, по которым
поступили требования в течение единицы времени.
33.22. Ваня собирает марки. Он очень хочет купить некото-
рый набор из двух марок 1930 года выпуска, скажем, зеленую и
синюю. Предположим, что зеленые марки появляются в прода-
же (и исчезают) в пуассоновском потоке с интенсивностью λ1 (в
год), а синие — в независимом от первого пуассоновском потоке
с интенсивностью λ2 . Найти математическое ожидание момента
времени, нужного для приобретения хотя бы одной марки каж-
дого цвета.

§ 34. Линейная теория


случайных последовательностей
Пусть {ξn }∞n=−∞ — стационарная последовательность с ковариа-
ционной функцией b(n). Тогда существует неотрицательная конечная ме-
ра F(t) такая, что для любого n выполняется равенство
Z
b(n) = eint F(dt).
[−π,π)

Функция F(x) = F(−∞, x) называется спектральной функцией по-


следовательности {ξn }. Если мера F абсолютно непрерывна, то её плот-
ность производная называется спектральной плотностью последо-
вательности {ξn }.
Кроме того, существует процесс µ(t) с нулевым средним значением,
ортогональными приращениями и со структурной функцией F(t) такой,
что для любого n справедливо спектральное представление
Z
ξn = eint µ(dt).
[−π,π)

34.1. Построить стационарную последовательность, ковари-


ационная функция b(n) которой равна 1 при чётном n и 0 при
нечётном n.
34.2. Пусть ξ — случайная величина, имеющая стандартное
нормальное распределение. Положим ξn = ξ для любого целого
§ 34. Линейная теория 171

n. Является ли случайная последовательность {ξn } стационар-


ной? Если да, найти её спектральную меру и спектральное пред-
ставление.
34.3. Пусть ξ и η — независимые случайные величины, каж-
дая из которых принимает значения −1 и 1 с вероятностями 1/2.
Положим ξ2n+1 = ξ и ξ2n = η для любого целого n. Является ли
случайная последовательность {ξn } стационарной? Если да, най-
ти её спектральную меру и спектральное представление.
34.4. Пусть ξ и η — некоррелированные случайные величи-
ны, каждая из которых имеет стандартное нормальное распреде-
ление. Положим ξ2n+1 = ξ и ξ2n = η для любого целого n. Явля-
ется ли случайная последовательность {ξn } стационарной? Если
да, найти её спектральную меру и спектральное представление.
34.5. Пусть . . . , η−1 , η0 , η1 , . . . — независимые случайные ве-
личины, имеющие равномерное распределение на отрезке [−2, 2].
Положим ξn = ηn−1 ηn для любого целого n. Является ли слу-
чайная последовательность {ξn } стационарной? Если да, найти
разложение этой последовательности на детерминированную и
вполне недетерминированную составляющие, а также построить
наилучший линейный прогноз ξ1 по наблюдениям {ξn , n 6 0}.
34.6. Пусть . . . , η−1 , η0 , η1 , . . . — некоррелированные слу-
чайные величины с нулевыми средними значениями и единичны-
ми дисперсиями. Положим ξn = ηn−3 + ηn−2 + ηn−1 + ηn для лю-
бого целого n. Является ли случайная последовательность {ξn }
стационарной? Если да, найти разложение этой последователь-
ности на детерминированную и вполне недетерминированную со-
ставляющие, а также построить наилучший линейный прогноз ξ2
по наблюдениям {ξ(n), n 6 0}.
34.7. Пусть . . . , η−1 , η0 , η1 , . . . — независимые случайные ве-
личины, имеющие стандартное нормальное распределение. По-
ложим ξn = ηn−2 + ηn−1 + ηn . Является ли случайная последова-
тельность {ξn } стационарной? Если да, найти разложение этой
последовательности на детерминированную и вполне недетерми-
нированную составляющие, а также построить наилучший ли-
нейный прогноз ξ1 по наблюдениям {ξn , n 6 0}.
34.8. Пусть . . . , η−1 , η0 , η1 , . . . и ξ — независимые случай-
ные величины, имеющие равномерное распределение на отрезке
[−1, 1]. Положим ξn = ηn−1 + ηn + ξ для любого целого n. Явля-
172 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

ется ли случайная последовательность {ξn } стационарной? Ес-


ли да, найти разложение этой последовательности на детермини-
рованную и вполне недетерминированную составляющие, а так-
же построить наилучший линейный прогноз ξ1 по наблюдениям
{ξn , n 6 0}.
34.9. Пусть w(u) — стандартный винеровский процесс. Най-
ти распределения следующих случайныхZ последовательностей:
Zπ π
а) ξn = einu dw(π + u); б) ξn = e2inu dw(π + u).
−π −π

§ 35. Ветвящиеся процессы


с дискретным временем
35.1. Пусть ξ0 , ξ1 , . . . — ветвящийся процесс, ξ0 = 1, Eξ1 = m.
Найти E{ξn+k | ξn }.
35.2. Найти производящую функцию числа частиц в n-м по-
колении, если производящая функция потомков одной частицы
равна pz + 1 − p.
35.3. Найти производящую функцию числа частиц во втором
поколении, если производящая функция потомков одной части-
цы равна:
а) 1 − p(1 − z)α , 0 < α < 1; б) (1 − p)/(1 − pz).
35.4. Найти вероятность вырождения ветвящегося процесса,
если производящая функция числа потомков одной частицы рав-
на:
а) pz + 1 − p; г) 1 − p + pz2 ;
б) 1 − p(1 − z) , 0 < α < 1; д) (1 + z + z2 )/3.
α

в) (1 − p)/(1 − pz);
35.5. В задаче 35.4 а)–в) найти распределение времени вы-
рождения ветвящегося процесса.
35.6. Пусть ξn — ветвящийся процесс с начальным размером
популяции N и производящей функцией ϕ(z) = 1 − p + pz. Найти
распределение времени τ вырождения процесса.
35.7. Пусть ξ0 , ξ1 , . . . — ветвящийся процесс, ξ0 = 1. Дока-
зать, что

P{ξn > N при некотором 1 6 n 6 m − 1| ξm = 0} 6 PN {ξm = 0}.


§ 36. Скачкообразные марковские процессы 173

35.8. Найти производящую функцию общего числа частиц в


первых n поколениях, если производящая функция непосредст-
венных потомков одной частицы равна pz + 1 − p.
35.9. Пусть частица имеет k прямых потомков с вероятно-
стью pk = bck−1 , k = 1, 2, . . . , и p0 = 1 − p1 − p2 − . . ., где b, c > 0 и
b + c < 1. Найти производящую функцию непосредственных по-
томков одной частицы.
35.10. Рассмотрим ветвящийся процесс ξ0 , ξ1 , . . . с произво-
дящей функцией
1−b−c bz
ϕ(z) = + ,
1−c 1 − cz
где 0 < c < b + c < 1 и 1 − b − c > c(1 − c). Найти

lim P{ξn = k | ξn > 0}.


n→∞

35.11. Пусть в ветвящемся процессе ξ0 , ξ1 , . . . из задачи 35.10


выполняется 1 − b − c = c(1 − c). Найти

lim P{ξn 6 nx | ξn > 0}.


n→∞

§ 36. Скачкообразные марковские процессы


Пусть случайный процесс ξ(t) принимает не более чем счётное число
значений {x1 , x2 , . . .} и имеет кусочно-постоянные, непрерывные спра-
ва траектории. Пусть σ(t) — σ-алгебра, порождённая процессом ξ до
момента времени t включительно. Процесс ξ(t) называется скачкооб-
разным марковским процессом, если для любых состояний xi , x j , для
любых t, h > 0 и для любого события B ∈ σ(t) выполняется
P{ξ(t + h) = x j |ξ(t) = xi , B} = P{ξ(t + h) = x j |ξ(t) = xi }.
Скачкообразный марковский процесс ξ(t) однороден по времени,
если для любых состояний xi и x j найдётся такая переходная функция
pi j (h), h > 0, что для всех t выполняется
P{ξ(t + h) = x j |ξ(t) = xi } = pi j (h),
при этом для любых i и h > 0

∑ pi j (h) = 1.
j
174 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

Известно, что распределение однородного скачкообразного марковско-


го процесса ξ(t), t > 0, однозначно определяется начальным распреде-
лением P{ξ(0) = xi } и матрицей переходных функций kpi j (·)k.
Отметим, что pii (0) = 1 и pi j (0) = 0 при i 6= j. Если функции pi j (h)
дифференцируемы, то

P{ξ(t + h) = x j |ξ(t) = xi } = pi j (0) + qi j h + o(h)

при h → 0, где qi j = p0i j (0). При i 6= j величина qi j > 0 есть интенсив-


ность перехода процесса из состояния xi в состояние x j . Матрица Q =
kqi j k называется матрицей переходных интенсивностей (или гене-
ратором, или инфинитезимальным оператором); в случае конеч-
ного числа состояний для любого i имеет место равенство

∑ qi j = 0.
j

36.1. Доказать, что процесс Пуассона с интенсивностью λ


является однородным скачкообразным марковским процессом.
Найти переходную функцию этого процесса.
36.2. Доказать, что переходные вероятности однородного скач-
кообразного марковского процесса удовлетворяют уравнению
Колмогорова — Чепмена:

pi j (t + h) = ∑ pik (t)pk j (h).


k

36.3. Доказать, что в случае дифференцируемости переход-


ные вероятности однородного скачкообразного марковского про-
цесса с конечным числом состояний удовлетворяют прямым урав-
нениям Колмогорова

p0i j (t) = ∑ pik (t)qk j ,


k

а также обратным уравнениям Колмогорова

p0i j (t) = ∑ qik pk j (t).


k

36.4. Пусть однородный скачкообразный марковский процесс


имеет два состояния 0 и 1, где, к примеру, 0 означает, что неко-
торый субъект здоров, а 1 — что он болен. Найти переходные
§ 36. Скачкообразные марковские процессы 175

вероятности, если матрица переходных интенсивностей равна


 
−λ λ
Q=
µ −µ

при некоторых λ, µ > 0. Найти предел переходных вероятностей


pi j (t) при t → ∞.
Р е ш е н и е. Поскольку имеется лишь два состояния, то pi1 (t) = 1 −
pi0 (t). Поэтому из прямого уравнения Колмогорова имеем, i = 1, 2:

p0i0 (t) = −pi0 (t)λ + pi1 (t)µ


= µ − pi0 (t)(λ + µ).

При i = 0 решение с начальным условием p00 (0) = 1 есть


µ λ −(λ+µ)t
p00 (t) = + e .
λ+µ λ+µ
Следовательно,
λ
p01 (t) = 1 − pi0 (t) = (1 − e−(λ+µ)t ).
λ+µ
При i = 1 решение с начальным условием p10 (0) = 0 есть
µ µ −(λ+µ)t
p10 (t) = − e ,
λ+µ λ+µ
λ µ −(λ+µ)t
p11 (t) = 1 − p10 (t) = + e .
λ+µ λ+µ
При t → ∞
µ
!
λ
λ+µ λ+µ
P(t) → µ λ .
λ+µ λ+µ

36.5. Пусть ξ(t) — однородный скачкообразный марковский


процесс с матрицей интенсивностей перехода Q = kqi j k. Дока-
зать, что если в момент времени t процесс ξ(·) находится в со-
стоянии xi , то распределение времени до следующего скачка про-
цесса является экспоненциальным с параметром qii , независимо
от предыстории процесса до момента t, а в момент следующе-
го скачка процесс переходит в состояние x j 6= xi с вероятностью
−qi j /qii независимо от времени скачка и от предыстории процес-
са до него.
176 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

36.6. В условиях предыдущей задачи положим T0 = 0, Tn —


время n-го скачка процесса ξ(·). Доказать, что при условии ξ(Tn ) =
xi величина Tn+1 − Tn имеет экспоненциальное распределение с
параметром qii и не зависит от предыстории процесса до момен-
та времени Tn .
36.7. Доказать, что в условиях предыдущей задачи ξ∗n = ξ(Tn )
является цепью Маркова. Найти вероятности перехода этой вло-
женной цепи Маркова.
36.8. Доказать, что для вложенной цепи Маркова ξ∗n состоя-
ния xi и x j являются сообщающемися тогда и только тогда, когда
pi j (t) > 0 при всех t > 0.
36.9. Пусть скачкообразный марковский процесс со значе-
ниями 1, 2, 3, 4 и 5 определяется матрицей переходных интен-
сивностей
 
−4 1 0 0 3
 2 −6 3 1 0 
 
Q=   0 0 −5 5 0  .

 0 0 4 −4 0 
0 0 0 0 0

Найти матрицу переходных вероятностей и классифицировать со-


стояния.
Р е ш е н и е. Матрица переходных вероятностей вложенной цепи есть
 
0 1/4 0 0 3/4
 1/3 0 1/2 1/6 0 
 
 0 0 0 1 0 
 .
 0 0 1 0 0 
0 0 0 0 1

Следовательно, возможны только следующие переходы за один шаг:

1  - 2 - 3
J J 

J J

^
J ^

J 
5 4

Также возможны переходы 1 3и1 4, но за большее число шагов.


§ 36. Скачкообразные марковские процессы 177

Следовательно, пространство состояний делится на такие классы:


{1, 2} — невозвратный класс, {3, 4} — возвратный класс, {5} — воз-
вратный класс, состоящий из одного поглощающего состояния. Веро-
ятности поглощения в состоянии 5

yi = P{ξ(·) поглотится состоянием 5|ξ(0) = i}

из состояния i находятся из системы уравнений

yi = ∑ pi j y j , i = 1, 2, y3 = y4 = 0, y5 = 1.
j

Следовательно, y1 = 9/11, y2 = 3/11.


Далее, так как у нас всего два замкнутых класса, получаем, что при
всех i
P{ξ(·) поглотится классом {3, 4}|ξ(0) = i} = 1 − yi .

36.10. Некоторая частица перемещается между тремя состо-


яниями как однородный скачкообразный марковский процесс с
матрицей переходных интенсивностей
 
−2λ λ λ
Q =  λ −2λ λ  .
λ λ −2λ

Найти вероятности перехода за время t и их пределы при t → ∞.


36.11. Однородный скачкообразный марковский процесс с
тремя значениями задаётся матрицей переходных интенсивно-
стей
 
−(λ + ν) λ ν
Q=  µ −(µ + ν) ν  .
0 0 0

а) Найти вероятности перехода за время t и их пределы при


t → ∞.
б) Найти матрицу переходных вероятностей вложенной цепи
Маркова и найти её стационарное распределение.
36.12. Однородный скачкообразный марковский процесс со
значениями 1, 2, 3, 4, 5 и 6 задан матрицей переходных интенсив-
178 ОТДЕЛ IX. СЛУЧАЙНЫЕ ПРОЦЕССЫ

ностей
 
−5 1 1 1 1 1
 0
 −4 1 3 0 0 
 2 0 −4 2 0 0 
Q=
 0
.
 0 0 0 0 0 

 0 0 0 0 −2 2 
0 0 0 0 3 −3

а) Найти матрицу переходных вероятностей вложенной цепи


Маркова и с её помощью провести классификацию состояний и
найти вероятности поглощения каждым из существенных клас-
сов состояний.
б) Найти все стационарные распределения для марковского
процесса и для вложенной цепи Маркова. Совпадают ли они?
Почему?
36.13. Динамика системы задаётся скачкообразным марков-
ским процессом с переходными интенсивностями
 
−3 1 2
Q =  3 −4 1  .
4 2 −6

Показать, что все состояния процесса являются сообщающими


и найти его стационарное распределение.
36.14. Пусть ξ(t) — целочисленное случайное блуждание в
непрерывном времени с задерживающим барьером в состоянии
0, т. е. скачкообразный марковский процесс с переходными ин-
тенсивностями qi,i+1 = λ > 0 при i > 0, qi,i−1 = µ > 0 при i > 1,
qii = −(λ + µ) при i > 1, q00 = −λ, qi j = 0 для всех других j 6= i.
Показать, что стационарное распределение процесса ξ(t) суще-
ствует тогда и только тогда, когда λ < µ и найти его в этом случае.
36.15. Пусть ξ(t) — процесс рождения и гибели в непрерыв-
ном времени в пространстве состояний Z+ , т. е. однородный скач-
кообразный марковский процесс с переходными интенсивностя-
ми qi,i+1 = λi при i > 0 (вероятность рождения в состоянии i),
qi,i−1 = µi при i > 1 (вероятность гибели), qii = −(λ + µ)i при i > 1,
q00 = 0, qi j = 0 для всех других j 6= i. Под λ можно понимать ин-
тенсивность рождения потомка одним индивидуумом, а под µ —
§ 36. Скачкообразные марковские процессы 179

интенсивность гибели одного индивидуума. С помощью вложен-


ной цепи Маркова показать, что 0 является поглощающим со-
стоянием процесса и найти вероятность поглощения в нуле про-
цесса, стартующего из произвольного состояния i > 0.
36.16. На фабрике M машин, каждая из работающих в мо-
мент времени t машин с вероятностью µh + o(h) может сломаться
в интервале времени (t,t + h) — независимо от того, что проис-
ходило до момента времени t. Инженер ремонтирует каждую из
сломанных машин. Если в момент t есть хотя бы одна сломанная
машина, то вероятность того, что в интервале времени (t,t + h)
ровно одна из них будет отремонтирована, есть λh + o(h) — опять
независимо от истории процесса до момента времени t и от рабо-
тающих машин. Пусть ξ(t) — количество машин в рабочем со-
стоянии в момент времени t.
а) Найти матрицу переходных интенсивностей Q процесса ξ(t).
б) Найти стационарное распределение процесса.
в) Найти слабый предел распределения числа работающих
машин при M → ∞.
36.17. Однородный скачкообразный марковский процесс ξ(t)
со значениями 1, 2, 3, 4, 5 и 6 задаётся матрицей переходных ин-
тенсивностей
 
−2 1 0 1 0 0
 1 −4 1 1 0 1 
 
 0 0 −4 0 4 0 
Q=  .
 0 0 0 −2 0 2 

 0 0 4 0 −4 0 
0 0 0 2 0 −2

а) Найти матрицу переходных вероятностей вложенной цепи


Маркова ξ∗n . С её помощью провести классификацию состояний
и найти вероятности поглощения каждым из существенных клас-
сов.
б) Найти все стационарные распределения процесса ξ(t) и
вложенной цепи Маркова ξ∗n . Совпадают ли они? Почему?
в) Найти предельные распределения для марковского про-
цесса и для цепи Маркова, если ξ(0) = 2.
г) Найти предельные распределения для марковского про-
цесса и для цепи Маркова, если ξ(0) = 3.
ПРИЛОЖЕНИЯ

1. Важнейшие дискретные распределения

Тип Параметры Возможные Вероятность


распределения значения k P{ξ = k}
и обозначение
Бернулли, B p p ∈ [0, 1] k = 0, 1 P{ξ = 0} = 1 − p
P{ξ = 1} = p

Биномиальное, m ∈ {1, 2, . . .}, k = 0, . . . , m Cmk pk (1 − p)m−k


Bm,p p ∈ [0, 1]

Отрицательное m ∈ {1, 2, . . .}, k = 0, 1, 2, . . . k


Cm+k−1 (1−p)k pm
биномиальное, p ∈ (0, 1]
Bm,p
Геометрическое, p ∈ (0, 1] k = 0, 1, 2, . . . p(1 − p)k
Gp
λk −λ
Пуассона, Πλ λ ∈ (0, ∞) k = 0, 1, 2, . . . e
k!
ПРИЛОЖЕНИЯ 181

2. Таблица распределения Пуассона

В таблице приведены значения функции


∞ i
λ
Πλ (x) = ∑ e−λ , x = 1, 2, . . .
i=x i!

x= 1 2 3 4 5 6 7 8 9 10
λ=0, 2 ,181 ,018 ,001
λ=0, 4 ,330 ,062 ,008 ,001
λ=0, 6 ,451 ,122 ,023 ,003
λ=0, 8 ,551 ,191 ,047 ,009 ,001
λ=1 ,632 ,264 ,080 ,019 ,004 ,001
λ=1, 5 ,777 ,442 ,191 ,066 ,019 ,004 ,001
λ=2 ,865 ,594 ,323 ,143 ,053 ,017 ,005 ,001
λ=2, 5 ,918 ,713 ,456 ,242 ,109 ,042 ,014 ,004 ,001
λ=3 ,950 ,801 ,577 ,353 ,185 ,084 ,034 ,012 ,004 ,001
λ=3, 5 ,970 ,864 ,679 ,463 ,275 ,142 ,065 ,027 ,010 ,003
λ=4 ,982 ,908 ,762 ,567 ,371 ,215 ,111 ,051 ,021 ,008
λ=5 ,993 ,960 ,875 ,735 ,560 ,384 ,238 ,133 ,068 ,032
λ=6 ,998 ,983 ,938 ,849 ,715 ,554 ,394 ,256 ,153 ,084
λ=7 ,999 ,993 ,970 ,918 ,827 ,699 ,550 ,401 ,271 ,170
λ=8 ,9997 ,997 ,986 ,958 ,900 ,809 ,687 ,547 ,407 ,283
λ=9 ,9999 ,999 ,994 ,979 ,945 ,884 ,793 ,676 ,544 ,413
λ=10 ,9999 ,9995 ,997 ,990 ,971 ,933 ,870 ,780 ,667 ,542

x= 11 12 13 14 15 16 17 18 19 20
λ=6 ,043 ,020 ,009 ,004 ,001 ,001
λ=7 ,099 ,053 ,027 ,013 ,006 ,002 ,001
λ=8 ,184 ,112 ,064 ,034 ,017 ,008 ,004 ,002 ,001
λ=9 ,294 ,197 ,124 ,074 ,041 ,022 ,011 ,005 ,002 ,001
λ=10 ,417 ,303 ,208 ,136 ,083 ,049 ,027 ,014 ,007 ,003
λ=11 ,540 ,421 ,311 ,219 ,146 ,093 ,056 ,032 ,018 ,009
λ=12 ,653 ,538 ,424 ,318 ,228 ,156 ,101 ,063 ,037 ,021
Замечание 1. Значения вероятностей в пустых клетках таблиц мень-
ше 0,0005.
Замечание 2. В учебниках и задачниках по теории вероятностей ис-
пользуются и другие варианты таблиц распределения Пуассона. Напри-
мер, приводятся таблицы значений функций (x = 0, 1, 2, . . .)
x
λi λx
Πλ (x) = ∑ e−λ и πλ (x) = e−λ .
i=0
i! x!
Эти функции связаны с Πλ (x) при любом x = 0, 1, 2, . . . следующими ра-
венствами: Πλ (x) = 1 − Πλ (x + 1) и πλ (x) = Πλ (x) − Πλ (x + 1).
182 ПРИЛОЖЕНИЯ

3. Важнейшие плотности распределения

Тип Параметры Область Плотность в точке y


распределения измене-
и обозначение ния y
1 2
Стандартное y∈R √ e−y /2
нормальное, N0,1 2π
1 2 2
Невырожденное a ∈ R, y∈R √ e−(y−a) /2σ
нормальное, Na,σ2 σ2 > 0 2πσ2

Равномерное на a, b ∈ R, y∈[a, b] (b − a)−1


отрезке [a, b], Ua,b a<b y6∈[a, b] 0
Γ(α+β) α−1
Бета-распреде- α, β > 0 y∈[0, 1] y (1−y)β−1
Γ(α)Γ(β)
ление, Bα,β y6∈[0, 1] 0
Показательное α>0 y>0 αe−αy
(экспоненциаль- y<0 0
ное), Eα
Лапласа, Lα α>0 y∈R (α/2)e−α|y|

αβ β−1 −αy
Гамма, Γα,β α > 0, β > 0 y>0 y e
Γ(β)
y<0 0
σ
Коши, Ca,σ2 a ∈ R, y∈R
π(σ2 + (y − a)2 )
σ>0
(1/2)n/2 n/2−1 −y/2
Хи-квадрат n∈{1, 2, ...} y>0 y e
Γ(n/2)
с n степенями y<0 0
свободы, χ2n
Стьюдента n∈{1, 2, ...} y∈R cn (1 + y2 /n)−(n+1)/2 ,
Γ((n+1)/2)
с n степенями cn = √
nπΓ(n/2)
свободы, tn
α
Вейбулла, Wα,θ α > 0, θ > 0 y>0 θαyα−1 e−θy
y<0 0
Парето, Pβ,θ β > 0, θ > 0 y>θ βθβ y−(β+1)
y<θ 0
ПРИЛОЖЕНИЯ 183

4. Таблица нормального распределения


Z ∞
1 2
В таблице приведены значения функции Φ(y) = √ e−z /2
dz.
2π y

y 0 1 2 3 4 5 6 7 8 9
0,0 ,500 ,496 ,492 ,488 ,484 ,480 ,476 ,472 ,468 ,464
0,1 ,460 ,456 ,452 ,448 ,444 ,440 ,436 ,433 ,429 ,425
0,2 ,421 ,417 ,413 ,409 ,405 ,401 ,397 ,394 ,340 ,386
0,3 ,382 ,378 ,374 ,371 ,370 ,363 ,359 ,356 ,352 ,348
0,4 ,345 ,341 ,337 ,334 ,330 ,326 ,323 ,319 ,316 ,312
0,5 ,309 ,305 ,302 ,298 ,295 ,291 ,288 ,284 ,281 ,278
0,6 ,274 ,271 ,268 ,264 ,261 ,258 ,255 ,251 ,248 ,245
0,7 ,242 ,239 ,236 ,233 ,230 ,227 ,224 ,221 ,218 ,215
0,8 ,212 ,209 ,206 ,203 ,200 ,198 ,195 ,192 ,189 ,187
0,9 ,184 ,181 ,179 ,176 ,174 ,171 ,169 ,166 ,164 ,161
1,0 ,159 ,156 ,154 ,152 ,149 ,147 ,145 ,142 ,140 ,138
1,1 ,136 ,134 ,131 ,129 ,127 ,125 ,123 ,121 ,119 ,117
1,2 ,115 ,113 ,111 ,109 ,107 ,106 ,104 ,102 ,100 ,099
1,3 ,097 ,095 ,093 ,092 ,090 ,089 ,087 ,085 ,084 ,082
1,4 ,081 ,079 ,078 ,076 ,075 ,074 ,072 ,071 ,069 ,068
1,5 ,067 ,066 ,064 ,063 ,062 ,061 ,059 ,058 ,057 ,056
1,6 ,055 ,054 ,053 ,052 ,051 ,049 ,048 ,047 ,046 ,046
1,7 ,045 ,044 ,043 ,042 ,041 ,040 ,039 ,038 ,038 ,037
1,8 ,036 ,035 ,034 ,034 ,033 ,032 ,031 ,031 ,030 ,029
1,9 ,029 ,028 ,027 ,027 ,026 ,026 ,025 ,024 ,024 ,023
2,0 ,023 ,022 ,022 ,021 ,021 ,020 ,020 ,019 ,019 ,018
2,1 ,018 ,017 ,017 ,017 ,016 ,016 ,015 ,015 ,015 ,014
2,2 ,014 ,014 ,013 ,013 ,013 ,012 ,012 ,012 ,011 ,011
2,3 ,011 ,010 ,010 ,010 ,010 ,009 ,009 ,009 ,009 ,008
2,4 ,008 ,008 ,008 ,008 ,007 ,007 ,007 ,007 ,007 ,006
2,5 ,006 ,006 ,006 ,006 ,006 ,005 ,005 ,005 ,005 ,005
2,6 ,005 ,005 ,004 ,004 ,004 ,004 ,004 ,004 ,004 ,004
2,7 ,003 ,003 ,003 ,003 ,003 ,003 ,003 ,003 ,003 ,003
2,8 ,003 ,002 ,002 ,002 ,002 ,002 ,002 ,002 ,002 ,002
2,9 ,002 ,002 ,002 ,002 ,002 ,002 ,002 ,001 ,001 ,001

Φ(3) = 0, 00135; Φ(4) = 0, 00003167; Φ(5) = 0, 0000002867; Φ(6) = 0, 00000000099


Замечание. Часто используются и другие функции, связанные с нор-
мальным распределением. Например, функции (y > 0)
Z −y Z y
1 2 1 2
Φ(−y) = √ e−z /2 dz и Φ1 (y) = √ e−z /2 dz.
2π −∞ 2π 0
Эти функции связаны с Φ(y) при любом y > 0 следующими равенствами:
Φ(−y) = Φ(y) и Φ1 (y) = 1/2 − Φ(y).
СПИСОК ЛИТЕРАТУРЫ

При подготовке сборника задач были использованы, в частности,


следующие источники.
1. Агапов Г. И. Задачник по теории вероятностей. М.: Высшая
школа, 1986.
2. Боровков А. А. Теория вероятностей. М.: Наука, 1986.
3. Ватутин В. А., Ивченко Г. И., Медведев Ю. И., Чистяков В. П. Тео-
рия вероятностей и математическая статистика в зада-
чах. 2-е изд. М.: Дрофа, 2003
4. Вентцель А. Д. Курс теории случайных процессов. М.: Наука,
1975.
5. Вентцель Е. С., Овчаров Л. А. Теория вероятностей. Задачи и
упражнения. М.: Наука, 1969.
6. Гиленко Н. Д. Задачник по теории вероятностей. М.: Учпед-
гиз, 1943.
7. Гихман И. И., Скороход А. В., Ядренко М. И. Теория вероят-
ностей и математическая статистика. Киев: Вища школа,
1979.
8. Гнеденко Б. В. Курс теории вероятностей. М.: Наука, 1969.
9. Емельянов Г. В., Скитович В. П. Задачник по теории вероят-
ностей и математической статистике. Л.: Изд-во Ленин-
градского ун-та, 1967.
10. Зубков А. М., Севастьянов Б. А., Чистяков В. П. Сборник задач
по теории вероятностей. М.: Наука, 1989.
11. Карлин С. Основы теории случайных процессов. М.: Мир,
1971.
12. Кельберт М. Я., Сухов Ю. М. Вероятность и статистика в
примерах и задачах. Т. 1: Основные понятия теории веро-
ятностей и математической статистики. Т. 2: Марков-
ские цепи как отправная точка теории случайных процес-
сов и их приложения. М.: МЦНМО, 2007, 2010.
СПИСОК ЛИТЕРАТУРЫ 185

13. Коршунов Д. А., Фосс С. Г. Сборник задач и упражнений по


теории вероятностей. Новосибирск: Изд-во НИИ МИОО
НГУ, 1997. (2-е изд., испр., Новосиб. гос. ун-т, 2003.)
14. Коршунов Д. А., Чернова Н. И. Сборник задач и упражнений
по математической статистике. Новосибирск: Изд-во Ин-
ститута математики, 2001. (2-е изд., испр., 2004.)
15. Ламперти Дж. Вероятность. М.: Наука, 1973.
16. Мешалкин Л. Д. Сборник задач по теории вероятностей. М.:
Изд-во Московского ун-та, 1963.
17. Прохоров А. В., Ушаков В. Г., Ушаков Н. Г. Задачи по теории
вероятностей. М.: Наука, 1986.
18. Сборник задач по теории вероятностей / И. С. Дедык, А. Я.
Иоффе, Л. Ф. Китанин, А. О. Резников. Л.: Ленинградская воен-
ная инженерная академия, 1963.
19. Севастьянов Б. А. Курс теории вероятностей и математи-
ческой статистики. М.: Наука, 1982.
20. Феллер В. Введение в теорию вероятностей и ее приложе-
ния. Т. 1, 2. М.: Мир, 1984.
21. Чистяков В. П. Курс теории вероятностей. М.: Наука, 1982.
22. Ширяев А. Н. Вероятность. М.: Наука, 1980.
23. Ширяев А. Н. Задачи по теории вероятностей. М.: Изд-во
МЦНМО, 2006.
24. Grimmett G. R., Stirzaker D. R. One Thousand Exercises in Prob-
ability. Oxford University Press, Oxford, 2001.
25. Karr A. F. Probability. Springer–Verlag, New York, 1993.
26. Laha R. G., Rohatgi V. K. Probability Theory. J. Wiley, New York,
1979.
27. Lukacs E. Probability and Mathematical Statistics. Academic
Press, Inc., New York, 1971.
28. Rosenblatt M. Random Processes. Springer–Verlag, Berlin, 1974.
29. Thomasian A. J. The Structure of Probability. Theory with Appli-
cations. McGraw-Hill Book Company, New York, 1969.
30. Thompson W. A. Applied Probability. Holt, Rinehart and Wiston,
Inc., New York, 1969.
31. Tucker H. G. A Graduate Сourse in Probability. Academic Press,
Inc., New York, 1967.
32. Whittle P. Probability. Penguin Books, Baltimore, 1970.
ОТВЕТЫ

§ 1. Операции над событиями

1.1. Выбран юноша, который не курит и не живёт в общежитии;


а) все юноши, собравшиеся на лекцию, не курят и не живут в об-
щежитии; б) все курящие из числа пришедших на лекцию живут в
общежитии; в) все девушки не курят, а все юноши курят; г) ни-
когда. 1.2. Ω={ ГГГ, ГГР, ГРГ, ГРР, РГГ, РГР, РРГ, РРР} , A ={
ГГГ, ГГР, ГРГ, РГГ} . 1.3. а) A ⊆ B и A ⊆ C; б) A ⊇ B и A ⊇
C. 1.4. а) B + AC; б) A; в) AB. 1.5. а), г), ж), и) Непра-
вильно; б), в), д), е), з), к), л) правильно. 1.6. а) AB C; б) ABC;
в) ABC; г) A + B + C; д) AB + BC + AC; е) AB C + ABC + A BC;
n
\ n
[
ж) ABC + ABC + ABC; з) A B C; и) ABC. 1.7. а) Ai ; б) Ai ;
   i=1  i=1
[ \ [ \ [ [[ \
в) A j Ai ; г) Ak ; д) Ai A j ; е) A j Ak Ai . 1.8. A+
j i6= j i, j k6=i, j i6= j j k6= j i6= j,k
BA +CA B. 1.10. а) B ∪C; б) B C; в) B ∩C. 1.13. а) Является; б) не яв-
ляется. 1.14. R, ∅, [0, 1], {0}, (0, 1], R \ [0, 1], R \ (0, 1], R \ {0}. 1.15. Яв-
ляется. Совокупность всех подмножеств A ⊆ R таких, что A или R \ A не
более чем счётно. а), г) Нет; б), в), д), е) да. 1.16. а) Нет; б) всевоз-
можные объединения множеств ∅, R \ [0, 1), {0} и [2−n−1 , 2−n ), n > 0;
в) ступенчатые функции с множествами из предыдущего пункта в роли
оснований ступеней. 1.17. а) Нет; б) всевозможные объединения мно-
жеств ∅, (−∞, 0) и [n, n + 1), n > 0; в) ступенчатые функции с множе-
ствами из предыдущего пункта в роли оснований ступеней. 1.18. а) Да;
б) ∅ и Ω; в) борелевские функции, не зависящие от второго аргумента;
г) борелевская в R2 .

§ 2. Классическое вероятностное пространство


1
2.1. а) 1/(N − 1) б) 1/(N − 1)(N − 2). 2.3. 2(N − r − 1)/(N − 1)N.
n . 2.2.
2.4. а) 1/n; б) 1/(n − 1)n. 2.5. 3!2!2!/10!. 2.6. а) 1/6; б) 5/6;
в) 23/36; г) 1/3. 2.7. 1 − (35/36)n . 2.8. а) 1/2; б) 3/8; в) 7/8.
2.9. 0,096. 2.10. 1/216. 2.11. а) 49/54; б) 4/9. 2.12. а) 1/85 ; б) 1/84 ;
ОТВЕТЫ 187

в) A58 /85 . 2.13. а) 63/125; б) 1/100; в) 9/1000; г) 54/125; д) 9/250;


е) 1/1000; ж) 67/1000 (ответы даны в предположении, что номер 0000
возможен). 2.14. а) 0, 9r ; б) 0, 9r ; в) 0, 8r ; г) 10!/10r (10 − r)! при
r 6 10, 0 при r > 10; д) (2 · 9r − 8r )/10r . 2.15. 0,4. 2.16. а) и б) 0,6;
3 C1C3 (C1 )3 +C42 (C13
2 )2 (C1 )2 C1C5 C39
1
в) 0,3. 2.17. а) ; б) 4 13 13 6
13
; в) 4 13
6
; г) и
26 C52 C52
1 C4C1C1 +C3C2C1 C6 +C1 C5 C6 +C1 C5
д) ; е) 8 8 18 6 8 8 18 ; ж) 1 − 39 6 13 39 ; з) 1 − 26 6 26 26 .
52 C52 C52 C52
6
C51 C41C13
4 (C1 )3 +C1C1 (C2 )3 +C1C3 C1C2 (C1 )2
13 4 13 13 4 13 3 13 13
2.18. а) 7
; б) 7
;
C52 C52
C41C13
5 C2
39 1 C83C82C18
2 +C4C1C1 C1 +C5C2
8 8 18 18 8 18
в) 7
; г), д) ; е) 7
; ж) 1 −
C52 52 C52
7 1 6 7 +C1 C6 1 2 3
C39 +C13C39 C26 26 26 C4 C48 C48 (C41 )3
7
; з) 1− 7
. 2.19. а)
3 3 3
; б) 1−
. ; в)
C52 C52 C52 C52 C52
C2C16 2C44C3214 9 C9
C18 2 +C2
C10
2.20. а) 4 1832 ; б) 18
; в) 18
18
. 2.21. 6. 2.22. 2
6
= 1/2.
C36 C36 C36 C16
Ck Cn−m Cm m Cn−k Ck
1
2.23. 1 − n−mk
. 2.24. а) N−Mn M ; б) ∑ N−Mn M . 2.25. а) 6 ;
Cn CN k=0
C N C49
r−1
C65C43
1 C62C43
4 6
C43 90!90! Cn−3
б) 6
; в) 6
; г) 6
. 2.26. . 2.27. r−1
.
C49 C49 C49 100!80! Cn−1
r−4
2rCnr
r−2
n2r−2Cn−1 Cn2 2r−4Cn−2 2rCr
2.28. а) r ; б) r ; в) r ; г) 1 − r n .
C2n C2n C2n C2n
n 2 2 1 3 7 2C 1

C2n 2(n + 1)2 C C C C −C
2.29. 2n
. 2.30. . 2.31. а) 97 8 ; б) 9 12 7 9 8 .
C4n (3n + 1)(3n + 2) C36 C36
2 (26 − 2)
(n − m)(n − m + 1) 11! C12
2.32. . 2.33. а) ; б) . 2.34. 1 −
2n(n − 1) 1211 126
1 3
C C −C10 2
365! 1 1
, n 6 365. 2.35. 1 − 10 276 . 2.36. 1 − + −
365n (365 − n)! C30 2! 3!
(−1)n+1 1 1 (−1)n+1 1
... + . 2.37. а) 1 − + − ... + ; б) . 2.38. 1 −
n! 2! 3! n! m!
1 1 (−1)n+1 1 1 1
+ − ... + , lim pn = 1 − . 2.39. а) pn = 1 − + −
2! 3! n! n→∞ e 2! 3!
6
(−1)n+1 1  36 − i r
... + ; б) . 2.40. ∑ (−1)iC6i . 2.41. а) 2n n!/(2n)!;
n! n i=0
36
188 ОТВЕТЫ

n
1
б) (n!)2 2n /(2n)!. 2.42. а) Crs (n − 1)r−s /nr ; б)
nr ∑ (−1)k+1 Cnk (n − k)r .
k=1
n Cr Cn−r n
2.43. ∑ M−1 nN−M+1 ; ∑ Cnr αr (1 − α)n−r . 2.44. а) 1/63 ; б) 166/65 .
r=m CN r=m
r−k
2.45. а) n!/nn ; б) n!Cn2 /nn . 2.46. 1/Cn+r−1 r ; Cn+r−k−2 r
/Cn+r−1 . 2.47. 1/Cnr .
k! (n − 1)r−1
2.48. а) k
; б) k1 = l, . . . , kn = l. 2.49. а) ;
k1 ! · . . . · kn ! n nr−1
n!
б) при r 6 n. 2.50. 1/5. 2.51. а) P{ξ2 − η2 делится на 3};
(n − r)!nr
б) P{ξ3 − η3 делится на 2}.

§ 3. Геометрические вероятности

3.1. а) 2z − z2 при 0 6 z 6 1; б) 2z − z2 при 0 6 z 6 1; в) 2z2 при


0 6 z 6 1/2, 4z − 2z2 − 1 при 1/2 6 z 6 1; г) z(1 − ln z) при 0 6 z 6 1; д) z2
при 0 6 z 6 1; е) z2 /4 при z 6 1, (4z − 1)/4 при 1 6 z 6 2, (6z − z2 − 5)/4
при 2 6 z 6 3. 3.2. а) 1 при x > 1/2, 3x − 2x2 при 0√ 6 x 6 1/2; б)√0 при
x 6 1, x√− 1 при 1 6√
x 6 2, 1 при x > 2; в) 1 при√ x > 2/ 5, 1 − (2 − x 5)2 /2
2
при 1/ 5 6 x 6 2/ 5, 5x /2 при 0 6 x 6 1/ 5. 3.3. 11/36. 3.4. 107/288.
3.5. 2r/πa. 3.6. а) 1 − r(4a − r)/πa2 ; б) r(4a − r)/πa2 . 3.7. r/a.
3.8. а) (1 − r/a)2 ; б) 1 − r2 /a2 . 3.9. а) 1/4; б) 0. 3.10. 1/2.
3.11. 2 ln 2 − 1. 3.12. a/2b при a 6 b, b/2a при a > b. 3.13. а) 1/4;
3
б) 3/4; в), г) и д) 0. 3.14. а) 1; б) и в) 0. 3.15. (1 − (r/R)3 )n , e−cr .
5 ln 2 √
3.16. а) 1/12; б) и в) 0. 3.17. + . 3.18. 2R/ 3. 3.19. а) 1/4;
32 6
б) 1/3; в) 1/2. 3.20. а), б) π/4.

§ 4. Условная вероятность
P{C} − P{BC} − P{AC} + P{ABC}
4.2. а) Да; б) нет. 4.4. .
1 − P{A} − P{B} + P{AB}
4.6. P{A|B} = P{C|B}P{A|BC} + P{C|B}P{A|BC}. 4.7. 2/15. 4.8. 1/2.
10 · 59
4.9. 1 − 10 . 4.10. 5/18. 4.11. 1/8. 4.12. а) 1/2; б) 1/3.
6 − 510
4.13. 11/36. 4.14. а) 1/9; б) 3/35. 4.15. а) 2/51; б) 27/51. 4.16. (48 +
p 8 − 8p
3n)/51n. 4.17. а) ; б) . 4.18. а) 48/95; б) 40/49; в) 40/77;
8 − 7p 8 − 7p
г) 44/51. 4.19. а) 1/528, б) 1/48. 4.20. 7:1.

§ 5. Независимые события

5.6. P{AB} = 0 или P{A ∪ B} = 1. 5.7. Зависимы. 5.8. r 6 0, r = 1/3,


r > 2/3. 5.9. Независимы. 5.10. а) Нет; б) да. 5.11. а) Нет; б) да.
ОТВЕТЫ 189

5.12. а) Нет; б) да. 5.13. а) Нет; б) да. 5.14. а) Нет; б) да.


n n n
5.15. а) ∏ pi ; б) 1 − ∏(1 − pi ); в) ∑ pk ∏(1 − pi ). 5.16. а) (q1 +
i=1 i=1 k=1 i6=k
q2 q3 −q1 q2 q3 )q4 ; б) (q1 +q2 −q1 q2 )q3 q4 , где qi = 1− pi . 5.17. Например,
B = [1/4, 3/4] и C = [1/8, 3/8] ∪ [5/8, 7/8].R 5.18. 1/2. 5.19. Нет. 5.20. 2n .
t
5.21. e−λt . 5.22. e−α(t1 −t0 ) . 5.23. 1 − e− 0 α(u)du .

§ 6. Схема Бернулли

6.1. 1 − 14 · 49 /510 . 6.2. C83 · 23 · 35 /58 . 6.3. а) 5 /210 ;


C10
б) (C10 + C10 + C10 + C10 )/2 . 6.4. а) C10 · 3 · 7 /10 ; б) (710 +
4 5 6 7 10 3 3 7 10
1 · 3 · 79 +C2 · 9 · 78 +C3 · 27 · 77 )/1010 . 6.5. а) Cn /4n ; б) Cn (3/16)n .
+C10 10 10 2n 2n
6.6. Первое. 6.7. а) 3 из 4; б) не менее 5 из 8; в) не более n из
2n; г) равновероятно. 6.8. C2N−r N /22N−r . 6.9. CM+N−r
N pM−r (1 − p)N+1 +
n
1
M
+CM+N−r pM+1 (1 − p)N−r . 6.10. а) 2n ∑ (Cnk )2 . 6.12. 0. 6.13. 5. 6.14. 2
2 k=0
2 412 /514 . 6.15. 25. 6.16. а) 15/16; б) 2/3. 6.17. а) Cm−1 /2n ;
и 3; C14 n−1
m−1 m
б) Cn−1 p (1 − p)n−m . 6.18. 2/3. 6.19. а) 10p(1 − p)9 ; б) p(1 − p)k−1 ;
в) (1 − p)10 ; не зависит. 6.20. а) 15b2 (a − b)4 /a6 ; б) 60c2 (b − c)(a −
(63 − 53 )52
b)3 /a6 . 6.21. 12!/26 612 . 6.22. B. 6.23. а) q; б) q2 . 6.24. а) ;
65 − 55
2 2
(6 − 5 )5 3 3 3 2
(6 − 5 )(6 − 5 ) 2
б) ; в) . 6.25. Да. 6.26. а) 2; б) 1 −
65 − 55 65 − 55
730!/2365 365730 .

§ 7. Формула полной вероятности. Формула Байеса


1 n mi
7.1. 0,52. 7.2. 28/29. 7.3. ∑ Mi . 7.4. Все вероятности равны
n i=1
n/N. 7.5. а) 27/250; б) 3(510 − 410 )/510 10. 7.6. а) 5/14; б) 2/7.
2 2
Ca2 Ca−2 Cb2 Ca2 ab Ca−1
7.7. A. 7.8. 2 2
+ 2 C2
+ 2 2
. 7.9. 20/21.
Ca+b Ca+b Ca+b a+b Ca+b Ca+b
7.10. а) 2/5; б) 1/15. 7.11. а) 25/69; б) 28/69; в) 16/69.
7.12. kp2 /(kp2 + p1 ). 7.13. (m − 2)/(n + m − 2). 7.14. Вероятнее,
что попал. 7.15. 9/16. 7.16. 208/425. 7.17. а) 0,0572; б) 0,997879.
7.18. а) 1/2; б) 3/5; в) 2n /(2n + 1). 7.19. а) 2p2 + 2p3 − 5p4 + 2p5 ;
(2 − p)2 p
б) . 7.20. а) 81/125; б) 42/125. 7.21. m/(n + m).
2 + 2p − 5p2 + 2p3
k−1 h N
7.22. 7/15, 53/165, 7/33. 7.23. pk ∏ (1 − pi ) · 1 − ∏(1 −
i=1 i=1
190 ОТВЕТЫ

n i h N i
pi ) : 1− ∏(1 − pi ) . 7.24. 3/5. 7.25. 1 − (1 − pp0 )n−1 .
i=1
7.26. 1 − (1 − p + pr)n . 7.27. (λp)k e−λp /k!. 7.28. 1 −
−k(1−p+p/k) + (k−1)(1−p) . 7.29. 1 − (1−p)n − np(1−p)n−1 (1−p0 ).
n n
a
7.30. 2p2 (3 − 2p)/3. 7.31. 2p(1 − p)k /(1 + p)k+1 . 7.32. а) ;
a+b
a
((1 − p)/p) − 1 a
(q/p) − 1
б) . 7.33. . 7.34. (λt)i−1 e−λt /(i − 1)!.
((1 − p)/p)a+b − 1 (q/p)a+b − 1
0
7.35. Pr (t) = −(αr + β(n − r))Pr (t) + β(n − r +
1)Pr−1 (t) + α(r + 1)Pr+1 (t). 7.36. (1 − (1 − p1 )n )[1 −
(1 − (1 − p3 )p4 )3 ] + (1 − (1 − p2 )n )(1 − (1 − p3 )p4 )3 .
4 4
ai (ai − 1) ai a j
7.37. 1 − ∑ (1 − pi )2 − ∑ ∑ (1 − pi )(1 − p j ).
i=1 n(n − 1) i=1 i6= j n(n − 1)
7.38. (1 − p)n−1 [(1 − p)p0 + np(1 − p0 )]. 7.39. а) 1; б) 1/e.
§ 8. Случайные величины
8.2. Вообще говоря, нет. 8.4. а), в) Нет; б), г) да. 8.5. а) {∅, Ω};
б) борелевские множества на отрезке [0, 1/2], а также их объедине-
ния со множеством [1/2, 1]; в) борелевская σ-алгебра на отрезке [0, 1];
г) { ∅, Ω, [0,1/4), [1/4,3/4), [3/4,1], [0,3/4), [1/4,1], [0, 1/4) ∪ [3/4, 1]} .
8.6. а) Борелевские множества [ на прямой, симметричные относитель-
но нуля; б) множества вида A = (B + 2πn), где B — борелевские мно-
n∈Z
жества на отрезке [−π, π], симметричные относительно нуля.
§ 9. Функции распределения
9.1. а), б), г), е) Нет; в), д) да. 9.2. а) Случайная величина ξ принимает
значения 2, 3 и 4 с вероятностями 3/10, 1/5 и 1/2; б) случайная величи-
на ξ2 − 2 принимает значения 2, 7 и 14 с вероятностями 3/10, 1/5 и 1/2.
9.3. а) Случайная величина |ξ| принимает значения 0 и 1 с вероятностя-
ми 1/3 и 2/3; б) случайная величина 2ξ + 5 принимает значения 3, 5 и 7
с вероятностями 1/3, 1/3 и 1/3; в) случайная величина ξ2 + 1 принимает
значения 1 и 2 с вероятностями 1/3 и 2/3; г) случайная величина 2ξ при-
нимает значения 1/2, 0 и 2 с вероятностями 1/3, 1/3 и 1/3; д) случайная
величина ξ(ξ2 −1) принимает значение 0 с вероятностью 1; е) случайная
величина min(ξ, 1) принимает значения −1, 0 и 1 с вероятностями 1/3,
1/3 и 1/3. 9.4. а) Случайная величина 3 − ξ принимает значения 5, 4, 3,
2 и 1 с вероятностями 1/10, 1/5, 3/10, 3/10 и 2/3; б) случайная вели-
чина ξ2 − 1 принимает значения −1, 0 и 3 с вероятностями 3/10, 1/2 и
1/5; в) случайная величина |ξ| принимает значения 0, 1 и 2 с вероятно-
стями 3/10, 1/2 и 1/5; г) случайная величина max(|ξ|, 1) принимает зна-
ОТВЕТЫ 191

чения 1 и 2 с вероятностями 4/5 и 1/5; д) случайная величина min(ξ, 1)


принимает значения −2, −1, 0 и 1 с вероятностями 1/10, 1/5, 3/10 и
2/5; е) случайная величина 1/(3 − ξ) принимает значения 1/5, 1/4, 1/3,
1/2 и 1 с вероятностями 1/10, 1/5, 3/10, 3/10 и 1/10. 9.5. а) Случай-
ная величина 1 − 2ξ принимает значения −9, −1, 1 и 5 с вероятностями
1/4, 1/6, 1/3 и 1/4; б) случайная величина ξ2 + ξ − 2 принимает значе-
ния −2, 0 и 28 с вероятностями 1/3, 5/12 и 1/4; в) случайная величина
||ξ| − 3| принимает значения 1, 2 и 3 с вероятностями 1/4, 5/12 и 1/3;
г) случайная величина 2ξ принимает значения 1/4, 1, 2 и 32 с вероят-
ностями 1/4, 1/3, 1/6 и 1/4; д) случайная величина max(ξ, 1) прини-
мает значения 1 и 5 с вероятностями 3/4 и 1/4; е) случайная величина
1/(3 − ξ) принимает значения −1/2, 1/5, 1/3 и 1/2 с вероятностями 1/4,
1/4, 1/3 и 1/6. 9.6. Случайная величина принимает значения 0, 1, 2 и
3 с вероятностями 0,729, 0,243, 0,027 и 0,001. 9.7. Случайная величи-
на принимает значения 0, 1, 2 и 3 с вероятностями 1/35, 12/35, 18/35 и
4/35. 9.8. P{ξ = n} = p(1 − p)n , где n = 0, 1, 2,. . . 9.9. а) 0 при x 6 0,
x при x ∈ (0, 1], 1 при x > 1; б) 0 при x 6 1, 1 − x1/α при x > 1; в) 0

при x 6 0, x при x ∈ (0, 1], 1 при x > 1; г) 0 при x 6 0, π2 arcsin x при
x ∈ (0, 1], 1 при x > 1; д) 0 при x 6 0, x при x ∈ (0, 1], 1 при x > 1; е) 0

при x 6 −1, 4/3 + 3 x при x ∈ (−1, −8/27], 2/3 при x ∈ (−8/27, 0], x + 2/3
при x ∈ (0, 1/3], 1 при x > 1/3; ж) 0 при x 6 1/4, 1/2 при x ∈ (1/4, 1], 1
при x > 1. 9.10. а), д) 1 при x ∈ (0, 1], 0 иначе; б)p−x1/α−1 /α при x > 1,

0 иначе; в) 1/2 x при x ∈ (0, 1], 0 иначе; г) 2/π 1 − x2 при x ∈ (0, 1], 0
−α
√ е), ж) плотность не сущетсвует. 9.11. а), д) 1/2; б) 2 ; в) 1/4;
иначе;
г) 2/2; е) −(5/6)3 ; ж) [1/4, 1]. 9.12. а) F(x) = 0 при x 6 0, F(x) = x2 /4
при x ∈ (0, 2], F(x) = 1 при x > 2; p(x) = x/2 при x ∈ (0, 2], p(x) = 0 ина-
че; б) F(x) = 0 при x 6 0, F(x) = 2x − x2 при x ∈ (0, 1], F(x) = 1 при
x > 1; p(x) = 2 − 2x при x ∈ (0, 1], p(x) = 0 иначе. 9.13. а) 0 при x 6 0,
2 x 2
π arcsin 2 при x ∈ (0, 2], 1 при x > 2; б) 0 при x 6 0, x /4 при x ∈ (0, 2],
1 при x > 2. 9.14. а) 0 при x 6 0, π arctg a при x > 0; б) 12 + π1 arctg ax .
2 x

1 1 1 2
9.15. а) p при x ∈ [−R, R]; б) p при x ∈ [0, 2R].
π R2 − x2 π 4R2 − x2
x 1 1 1
9.16. p(x) = p при x ∈ [0, 2R]. 9.17. p(x) = √ при
2R 4R2 − x2 b − a πx
x ∈ [πa2 /4, πb2 /4]. 9.18. α. 9.19. 1/π. 9.20. αβ+1 /Γ(β + 1). 9.21. 2/π.
9.22. а) 4; б) F(x) = 0 при x 6 1, F(x) = (x − 1)/3 при 1 < x 6 4, F(x) = 1
при x > 4; в) 2/3. 9.23. а) 2/5; б) F(x) = 0 при x < −1, F(x) = (x + 1)/5
при −1 6 x < 2, F(x) = (2x − 1)/5 при 2 6 x 6 3, F(x) = 1 при x > 3;
в) 3/5. 9.24. а), в) Можно; б), г) нельзя. 9.26. а) Сместится впра-
во на 3; б) растянется по оси абсцисс в 3 раза. 9.27. а) Сместится
192 ОТВЕТЫ

вправо на 3; б) растянется по оси абсцисс в три раза и сожмётся по оси


ординат тоже в три раза. 9.29. a = 2, σ2 = 0, 26, P{1 < √ ξ < 3} = 0, 95.
9.30. a = 3, σ2 = 4. 9.31. а), г) E1 ; б) U1,3 ; в) (1 + x/ x2 + 4)/2 при
√ 2
x < 0; д) 1/2 x при√x ∈ [0, 1]; е) 1/x при x ∈ [e−1 , 1]. 9.32. а) 2αxe−αx
−α x √ −αx/2 x−e x
при x > 0; б) αe /2 x при x > 0; в) αe /2

при x > 0; г) e
−αx −α x √
при x ∈ R; д) 1 при x ∈ [0, 1]; е) αe при x >, αe /2 x при x ∈ [0, 1].
2 1 1
9.33. а) ; б) ; в), г) p при x ∈ [0, 1].
π(4 + (x − 1)2 ) π(1 + x2 ) π x − x2
2 √ 1 p((x − b)/a)
9.34. e−(ln x)/2 /x 2π при x > 0. 9.35. 2)
. 9.36. а) ;
√ √ π(1 + x √ |a|
p(1/x) p( x) + p(− x) p( x)
б) ; в) √ при x > 0; г) √ при x ∈ (0, 1),
x2 2 x 2 x
p(2πk + arccos x) + p(2π(k + 1) − arccos x)
p(x) иначе; д) ∑ p при x ∈
k∈Z 1 − x2
[−1, 1]; е) ∑ p(k + x) при x ∈ [0, 1); ж) p(x + 1) + p(1 − x) при x >
√k∈Z √ √
p( x) + p(− x) √ p(− x)
0; з) √ при x > 1, p( x) + √ при x ∈ [0, 1).
2 x 2 x
9.38. P{F(ξ) < x} 6 x, x ∈ [0, 1]. 9.40. E1 . 9.42. Fη (x) = Fξ (x1/s ) −
Fξ (−x1/s ) при x > 0. 9.43. P{η = −1} = F(0), P{η = 1} = 1 − F(0).
9.44. а), в) 0 при x 6 0, F(x) при x > 0; б) F(x) при x 6 0, 1 при x > 0;
2−t 
г) 1 − lim F . 9.52. Континуум.
t→x+0 3

§ 10. Совместное распределение. Независимость


10.1. Зависимы. а) Случайная величина ξ принимает значения −1, 0
и 1 с вероятностями 1/3, 1/4 и 5/12; случайная величина η принимает
значения −1 и 1 с вероятностями 1/2 и 1/2; б) 2/3, 1/4;
PP ξ + η
ξη PPP −2 −1 0 1 2
в) −1 0 0 1/2 0 0
0 0 1/12 0 1/6 0
1 1/8 0 0 0 1/8
г) Случайная величина ξ + η принимает значения −2, −1, 0, 1 и 2
с вероятностями 1/8, 1/12, 1/2, 1/6 и 1/8; случайная величина ξη
принимает значения −1, 0 и 1 с вероятностями 1/2, 1/4 и 1/4;
XX max(ξ, η)
XX XXX −1
min(ξ, η) 0 1
X
д) −1 1/8 1/12 1/2
0 0 0 1/6
1 0 0 1/8
ОТВЕТЫ 193
XX |ξ + 2η|
X
|ξ − η| XXXX 1 2 3
е) 0 0 0 1/4
1 0 1/4 0
2 1/2 0 0
10.2. Независимы. а) Случайная величина ξ принимает значения −2,
0 и 1 с вероятностями 1/3, 1/3 и 1/3; случайная величина η принимает
значения 1 и 2 с вероятностями 1/2 и 1/2; б) 1/2, 1/3;
PP ξ + η
ξη PPP −1 0 1 2 3
−4 0 1/6 0 0 0
в) −2 1/6 0 0 0 0
0 0 0 1/6 1/6 0
1 0 0 0 1/6 0
2 0 0 0 0 1/6
zi −1 0 1 2 3
г)
P{ξ + η = zi } 1/6 1/6 1/6 1/3 1/6
zi −4 −2 0 1 2
P{ξη = zi } 1/6 1/6 1/3 1/6 1/6
XX min(ξ, η)
XX XXX −2
max(ξ, η) 0 1
д) 1
X
1/6 1/6 1/6
2 1/6 1/6 1/6
XX |ξ + 2η|
X
|ξ − η| XXXX 0 2 3 4 5
0 0 0 1/6 0 0
е) 1 0 1/6 0 0 1/6
2 0 0 0 1/6 0
3 1/6 0 0 0 0
4 0 1/6 0 0 0
10.3. Зависимы. а) Случайная величина ξ принимает значения −1, 0,
и 1 с вероятностями 1/3, 1/4 и 5/12; случайная величина η принимает
значения −2, 0, и 1 с вероятностями 1/2, 11/48 и 13/48; б) 1/3, 3/13;
PP ξ + η
ξη PPP −3 −2 −1 0 1 2
−2 0 0 7/24 0 0 0
в) −1 0 0 0 1/8 0 0
0 0 1/12 1/12 1/12 7/48 0
1 0 0 0 0 0 1/16
2 1/8 0 0 0 0 0
г) сумма ξ + η принимает значения −3, −2, −1, 0, 1 и 2 с вероятностями
1/8, 1/12, 3/8, 5/24, 7/48 и 1/16; произведение ξη принимает значения
194 ОТВЕТЫ

−2, −1, 0, 1 и 2 с вероятностями 7/24, 1/8, 19/48, 1/16 и 1/8;


XXX min(ξ, η)
max(ξ, η)
X −2 −1 0 1
XXX
X
д) −1 1/8 0 0 0
0 1/12 1/12 1/12 0
1 7/24 1/8 7/48 1/16
XX |ξ + 2η|
X
|ξ − η| XXXX 0 1 2 3 4 5
0 1/12 0 0 1/16 0 0
е) 1 0 7/48 1/12 0 0 1/8
2 0 1/8 0 0 1/12 0
3 0 0 0 7/24 0 0
H η
ξ HH H 1 2 3 4 5 6
10.4. а) 1 1/12 1/12 1/12 1/12 0 0
2 0 1/12 1/12 1/12 1/12 0
3 0 0 1/12 1/12 1/12 1/12
б) ξ принимает значения 1, 2 и 3 с вероятностями 1/3, 1/3 и 1/3; в) η
принимает значения 1, 2, 3, 4, 5 и 6 с вероятностями 1/12, 1/6, 1/4, 1/4,
1/6 и 1/12. 10.5. 0, 1/2, 1. 10.6. Если P{ξ1 чётно}=0 или 1, а также
если P{ξ2 чётно}=1/2. 10.7. а) p/(2 − p); б) 1/(3 − −3p + p2 );
в) 1/(2 − p)2 . 10.8. а) U0,2 ; б) F(x) = x2 /2 при x ∈ [0, 1],
F(x) = 2x − x2 /2 − 1 при x ∈ (1, 2]; p(x) = x при x ∈ [0, 1], p(x) = 2 − x при
x ∈ (1, 2]; в) F(x) = x − x ln x, p(x) = − ln x при x ∈ [0, 1]. 10.10. а) F(z, ∞);
б) F(z, z); в) F(z, ∞) − F(z, z). 10.13. 0 при t 6 0, (2ta − t 2 )/a2 при
R∞ R∞
t ∈ [0, a), 1 при t > a. 10.14. а) −∞ p(x, y)dxdy;
R∞Rx Ra Ra R ∞ Ryy
б) 0R −xR p(x, y)dydx; в) −∞ −∞ p(x, y)dydx; г) 1 − 0 −y p(x, y)dxdy;
∞ ∞
1 − a∞ a∞ p(x, y)dxdy. 10.15. а) 0;
R R
д) −∞ y+1 p(x, y)dxdy; е)
б) 1/2. 10.16. α/(α + β). 10.17. а) 1; б) x + 1/2 при
x ∈ [0, 1]; в) y + 1/2 при y ∈ [0, 1]; г) 3t 2 при t ∈ [0, 1];
д) 1 + 2t − 3t 2 при t ∈ [0, 1]. 10.18. F(x, y) = 0 при y 6 0 или y > 0
√ √ √ √
и x < − y, F(x, y) = F(x) − F(− y) при y > 0 и − y 6 x 6 y,
√ √ √
F(x, y) = F( y) − F(− y) при y > 0 и x > y. 10.19. 1 − x/2 при
x ∈ [0, 2]. 10.20. Независимы; а) 1/π2 ; б) 1/π(1 + x2 ); в) 1/π(1 + y2 );
г) 1/4. 10.21. Зависимы; а) x + 1 при x ∈ [−1, 0], 1 − x при
x ∈ (0, 1]; б) y + 1 при y ∈ [−1, 0], 1 − y при y ∈ (0, 1]; в) 1/2.

10.22. 4/t 5 при t > 1. 10.23. 1 − 1/ e. 10.24. а) e−2 − e−9/2 ;
б) (Φ(1) − Φ(−1))2 . 10.25. а) 2/π; б) нет. 10.26. p(t) = 3t 2 /(1 + t)4
при t > 0. 10.27. 2(x − 1 − ln x) при x ∈ [0, 1]. 10.31. а) F(x)G(x);
√ √
б) F(x) + G(x) − F(x)G(x); в) F(x/3)G(x); г) F(x) + G( 3 x) − F(x)G( 3 x).
10.32. а) 1/2; б) E2α ; в) 1/2. 10.33. Если имеет вырожденное
ОТВЕТЫ 195

распределение. 10.34. Если sin ξ имеет вырожденное распределение.


10.37. Нет.

§ 11. Преобразование независимых случайных величин

11.1. Πλ+µ . 11.2. Πλ1 +...+λn . 11.3. B p,n+m . 11.4. P{η = 1} = 2−n ,
P{η = 0} = 1 − 2−n . 11.6. а) p(x) = x при x ∈ [0, 1], p(x) = 2 − x
при x ∈ (1, 2]; б) p(x) = x/ab при x ∈ [0, a], p(x) = 1/b при x ∈ [a, b],
p(x) = (a + b − x)/ab при x ∈ [b, a + b]. 11.7. а) p(x) = 1 − x/2 при
√ √
x ∈ [0, 2]; б) F(x) = 0 при x 6 0, F(x) = (x + 3 x)/2 − x 3 x/4 при x ∈ (0, 2],
F(x) = 1 при x > 2; в) p(x) = 1/2 + t/12 при x ∈ (−6, −4], p(x) = 1/6
при x ∈ (−4, 0], p(x) = 1/6 − x/12 при x ∈ (0, 2]; г) F(x) = 0 при x 6 0,

F(x) = x x/8 при x ∈ (0, 4], F(x) = 1 при x > 4; д) F(x) = 0 при x 6 0,
√ √
F(x) = x 3 x/12 при x ∈ (0, 6], F(x) = 3 x/2√
при x ∈ (6, 8], F(x) = 1 при
3
x > 8. 11.8. а) Eα ; б) F(x) = 1 − e−α(x+ x) , x > 0; в) p(x) = αe √
−αx/3 /4,
−αx
x 6 0, p(x) = αe /4, x > 0; г) √F(x) = (1 − e −αx/2 )(1 − e −α x ), x > 0;
3
д) F(x) = (1 − e−αx/3 )(1 − e−α x ), x > 0. 11.9. а) nxn−1 при x ∈
k−1 k−1
[0, 1]; б) n(1 − x)n−1 при x ∈ [0, 1]; в) nCn−1 x (1 − x)n−k при
x ∈ [0, 1]; г) n(n − 1)(y − x) n−2 при 0 6 x 6 y 6 1; д) n(n −
k−1 m−k−1 k−1
1)Cn−2 Cn−k−1 x (y − x)m−k−1 (1 − y)n−m при 0 6 x 6 y 6 1; е) n(n −
1)xn−2 (1 − x) при x ∈ [0, 1]. 11.12. Na+b,σ2 +θ2 . 11.13. Na1 +...+an ,σ2 +...+σ2 .
1 n
2
1 −(5x −6xy+2y /42
11.15. а) N0,2 ; б) N0,5 ; в) N0,13 ; г) 4π e .
−y 2
/2m −(x−y) 2
/2(n−m) √ √
11.16. e e /2π m n − m. 11.17. E1/2 . 11.19. а) Γα,2 ;
б) p(x) = αβ(e−αx − e−βx )/(β − α). 11.20. Γα,n . 11.21. α2 (|x| +
1/α)e−α|x| /4. 11.22. Ca+b,2σ . 11.23. Ca1 +...+an ,nσ . 11.24. Γα,β1 +β2 .
11.25. Γα,β1 +...+βn . 11.26. Может. 11.27. а) p(x) = αeαx /2 при
x 6 0, p(x) = αe−αx /2 при x > 0; б) F(x) = αeβx /(α + β) при x 6 0,
F(x) = 1 − βe−αx /(α + β) при x > 0. 11.28. α2 e−α(x+y) /3 при x > 0,
y > 0, α2 e−α(y−2x) /3 при x < 0, y > x, α2 e−α(x−2y) /3 при y < 0, y < x.
11.29. а) (1+t)−2 при t > 0; б) 1/2 при t ∈ [0, 1], 1/2t 2 при t > 1; в) стан-
дартное распределение Коши. 11.30. а) pξ+η,ξ/η (u, v) = ue−u /(1 + v)2
при u, v > 0. 11.31. − ln x при x ∈ [0, 1]. 11.32. а) 2 f (t) при t ∈ [0, 1/2];
R 1/2
б) 4 2t 1u f (t/u) f (u)du при t ∈ [0, 1/4]. 11.33. (− ln x)n−1 /(n − 1)! при

x ∈ [0, 1]. 11.34. c = 2/π. 11.35. а) U0,2 ; б) 0 при t 6 0, t/2 при
t ∈ (0, 1/2], t − 1/4 при t ∈ (1/2, 1], t/2 + 1/4 при t ∈ (1, 3/2], 1 при t > 3/2;
в) 0 при t 6 0, t при t ∈ (0, 1/2], 1/2 при t ∈ (1/2, 1], t −1/2 при t ∈ (1, 3/2],
1 при t > 3/2; г) 0 при t 6 0, (1 + t)/2 при t ∈ (0, 1], 1 при t > 1; д) 0 при
t 6 0, t/2 при t ∈ (0, 1], 1 при t > 1; е) U0,1 . 11.36. а) (1 − e−αx )/h при
x ∈ [0, h], e−αx (eαh − 1)/h при x > h; б) e−αx (eαx − e−αh )/h при x ∈ [0, h],
e−αx (1 − e−αh )/h при x > h. 11.37. а) 1/x2 при x > 1; б) 2x/(x + 1)3 при
196 ОТВЕТЫ

x > 0. 11.38. U0,1 . 11.39. а) U0,1 ; б) лестница Кантора. 11.43. Стан-


дартное распределение Коши.

§ 12. Моменты

12.1. а) np, npq; б) λ, λ; в) (1 − p)/p, (1 − p)/p2 ; г) 0, a2 /3; д) (a + b)/2,


(b − a)2 /12; е) не существуют; ж) 1/α, 1/α2 ; з) 0, 2/α2 ; и) a, σ2 .
12.2. а) 0,9, 1,29; б) 1,3, 0,41; в) 2,1, 2,49; г) 2,4, 1,99. 12.3. а) 1/6,
29/36; б), в) 5/6, 5/36; г) 4/3, 7/36. 12.4. а), б) 0, 2; в) 6/5,
14/25; г) 2, 14/5. 12.5. а) 1/12, 107/144; б) 0, 1; в) 1/12, 827/144.
12.6. а) −1/3, 14/9; б) 1/2, 9/4; в) −4/3, 95/9. 12.7. 9/5, 18/25.
12.8. 1,52; 0,73. 12.9. 0,1; 4. 12.10. а) 1/24, 1/3, 1/4, 1/3 и 1/24;
б) 1/6, 1/3, 0, 1/3 и 1/6. 12.11. n = 4, p = 0, 8. 12.12. а) (1 − e−λ )/λ;
a aeab a2
б) (1 − (1 − p)n+1 )/p(n + 1). 12.13. + ab , ab −ab .
2 e −1 e +e −2
2 2 3 4
12.14. а) np , np + 2(n − 1)p + (2 − 3n)p ; б) 2np(1 − p),
(4n − 2)p(1 − p) + (2 − 3n)4p 2 2
n−k
 (1 − p) . 12.15.
n

n−1
7n/2, 35n/12.
12.16. а) 365Cnk 364 364 1 364
365n ; б) 365 1− 365n −Cn 365n . 12.18. (n−1)r /nr−1 .
12.19. J − (J − 1)n /J n−1 . 12.24. ab, bσ2 + a2 θ2 . 12.25. а) 2/3, 1/18;
б) 1/4, 1/48; в) 1/2, 1/12; г) 7/6, 49/180. 12.26. а) Не суще-
π(a3 − b3 ) π2 (a5 − b5 ) π2 (a3 − b3 )2
ствуют; б) 1/2, 1/12. 12.27. , − .
12(a − b) 80(a − b) 144(a − b)2
1 ln 2
12.28. 1/2, 1/8. 12.29. + . 12.30. Математическое ожидание при
2 π p
α > 1, дисперсия при α > 2. 12.31. а) 2/π;
p б) 0, если n = 2k + 1,
(2k − 1)(2k − 3) · . . . · 3 · 1, если n = 2k. 12.32. σ 2/π. 12.33. 11200/243.
12.34. а), б) 4; в) 9/2; г) −10/3; д), е) 11/6. 12.35. а) 0, 13;
б) 3, 7. 12.36. 0, 3. 12.38. Не существует. 12.39. Распределение
Бернулли. 12.40. Двухточечное распределение с одним из атомов в
нуле. 12.41. а) 1/4, 7/144; б) 2/3, 1/18. 12.42. а) 3/4, 31/144; б) 3/2,
1/12. 12.47. а) Dξ; б) медиана. 12.49. 46. 12.51. Вообще говоря, нет.
12.53. Указание. Можно считать, что обе случайные величины прини-
мают значения 0 и 1. 12.55. Dξ(Eη)2 = Dη(Eξ)2 = 0. 12.60. Неверно.
Пусть P{ξ 6 0} = 1, а P{η > 0} = 1, тогда max(ξ, η) = η.

§ 13. Ковариация и коэффициент корреляции



13.5. а) −1/4; б) 0. 13.6. 1/ 10. 13.7. а) Нет; б) да. 13.8. −1/5.
13.9. а) 0, 1/3; б) 0, 1/3; в) 0; г) зависимы. 13.10. а) 4/3,
2/9; б) 1/3, 1/18; в) 1/18; г) зависимы. 13.11. а) 0, 1/24;
б) 0; в) зависимы. 13.12. а) 7/12, 11/144; б) 7/12, 11/144; √
в) −1/144. 13.13. а) a/3, a2 /18; б) a2 /36. 13.14. −1/ e − 1.
ОТВЕТЫ 197

13.15. а) (α2 − β2 )/(α2 + β2 ); б) двумерное нормальное распреде-


ление с вектором средних!(a(α + β), a(α − β)) и матрицей ковариаций
σ2 (α2 + β2 ) σ2 (α2 − β2 )
. 13.16. 0. 13.17. (n − m)/n. 13.19. ak/(a +
σ2 (α2 − β2 ) σ2 (α2 + β2 )
 n  n
364
b); abk(a + b − k)/(a + b)2 (a + b − 1). 13.20. 365 365 , 365 364
365 + 365 ·
 n  2n
364 363365 − 3652 364365 . 13.21. 1, 1. 13.25. ρ(ab + +1) − a − b = 0.

§ 14. Неравенства

14.9. а) ln(x/λ); б) α−1/x; в) x. 14.10. а) Вырожденное распределение;


б) Двухточечное в 0 и x0 . 14.11. Вообще говоря, нет. 14.14. P{ξ = 0} = 1.

§ 15. Характеристические функции


it
15.5. а) eita ; б) 1 + (eit − 1)p; в) (1 + p(eit − 1))n ; г) eλ(e −1) ;
p eit − 1 sin at eitb − eita α
д) it
. 15.6. а) ; б) ; в) ; г) ;
1 − (1 − p)e it at it(b − a) α − it
2 2 2
д) α2 /(t 2 + α2 ); е) e−t /2 ; ж) eita−t σ /2 ; з) eita e−|t| ; и) (1 − it/α)−β .
15.7. а) P{ξ = −1} = P{ξ = 1} = 1/2; б) P{ξ = k} = P{ξ = −k} = ak /2
при k = ±1, ±2, . . ., P{ξ = 0} = a0 ; в) P{ξ = 2} = P{ξ = −2} = 1/4,
P{ξ = 0} = 1/2; г) P{ξ = 0} = 1/2, P{ξ=1} = 1/3, P{ξ= − 1}=1/6;
д) N0,2 ; е) C0,1 ; ж) L1 ; з) E1 ; и) U−1,1 ; к) свёртка стандартно-
го распределения Коши с двухточечным распределением из пункта а).
15.8. а) 1/(1 + it); б) (eit − 1)/it; в) (2eit + 1)/3. 15.9. |ϕ(t)|2 . 15.10. Не
является. 15.11. Не является. 15.12. Не является. 15.13. Не является.
15.14. Является. 15.15. Не является. 15.16. Не является. 15.17. Не
является. 15.18. Не является. 15.19. Является. 15.20. Не является.
15.23. Существуют. 15.24. Вообще говоря, нет.

§ 16. Производящие функции

16.1. Определяет. 16.3. а) zψ(z); б) ψ(z2 ); в) z5 ψ(z3 ). 16.4. а) 1− p+ pz;


б) (1− p+ pz)n ; в) eλ(z−1) ; г) p/(1−(1− p)z). 16.5. а) ψ(z)/(1−z); б) (1−
zψ(z))/(1 − z); в) zψ(z)/(1 − z); г) (1 − ψ(z))/(1 − z). 16.6. ψν (ψξ (z)).
16.7. а) P{ξ = 0} = P{ξ = 2} = 1/4, P{ξ = 1} = 1/2; б) Π5 ; в) G1/2 ;
г) Bn,2/3 . 16.8. P{ξ = 1} = 1.

§ 18. Сходимость почти наверное

18.7. а) ∑n pn < ∞; б) ∑n (1 − pn ) < ∞. 18.8. 0. 18.25. ∑k p(k) ln p(k).

§ 19. Сходимость по вероятности


198 ОТВЕТЫ

19.5. а) Сходится; б) не сходится. 19.9. Если β = 0, то α < 0; если β > 0,


то α > 0. 19.10. а) pn → 0 при n → ∞; pn → 1 при n → ∞; б) npn → 0
при n → ∞. 19.21. Нет. 19.26. Нет.
§ 20. Слабая сходимость
20.12. Нет. 20.13. Не существует. 20.15. а), б) Нет; в), г) да.
20.17. Нет. 20.22. а) 0; б) log n. 20.23. nγ ζn ⇒ 0 при γ < 1, сходи-
мости нет при γ > 1, при γ = 1 сходится к E1 . 20.24. E1 .
§ 22. Независимые одинаково распределённые слагаемые
22.7. Нет. 22.8. N0,1 . 22.9. a/(a2 + σ2 ). 22.10. а) 1; б) p; в) 0.
§ 23. Независимые разнораспределённые слагаемые
23.2. Выполнен. 23.3. Не выполнен. 23.4. а), г) Выполнен; б), в) не вы-
полнен. 23.5. Выполнен. 23.6. Выполнен. 23.8. λ < 1/2. 23.9. nLn2 → 0.
23.10. a2n pn /n → 0. 23.11. Выполнен. 23.12. Выполнен. 23.13. Можно.
23.14. Не выполнен. 23.15. α < 1/2. 23.16. α > 0.
§ 24. Зависимые слагаемые
24.1. Вообще говоря, нет. 24.2. Выполнен. 24.11. Нет. 24.12. Вообще
говоря, нет. 24.13. Если f — циклическая перестановка.
§ 25. Центральная предельная теорема
25.2. ξ1 имеет распределение N0,1 , ξn ≡ 0 при n > 2. 25.5. 0 при Eξ1 > 0;
p
1 при Eξ1 < 0; 1/2 при Eξ1 = 0. 25.7. 2Φ(b/ Dξ1 ) − 1. 25.8. а) 5,41;
б) 0,61. 25.9. N0,1 . 25.11. N0,1 . 25.12. а) Нет; б) да. 25.13. а), г) Не вы-
полнена; б), в) выполнена. 25.14. Не выполнена. 25.15. Не выполнена.
25.16. Не выполнена. 25.17. 0,458. 25.19. N0,2λ . 25.23. Выполнена.
25.24. N0,1 . 25.25. Нет.
§ 26. Численные задачи на использование
центральной предельной теоремы и теоремы Пуассона
26.1. а) 0,143; б) 1. 26.2. 0,960. 26.3. а) 0,368; б) 0,264.
26.4. 0,00135. 26.5. Менее 0,00000000099. 26.6. а) 0,938; б) 1;
в) 0,16. 26.7. 0,00015. 26.8. а) Менее 0,00000000099; б) 1/2;
в) 0,995. 26.9. а) 0,135; б) 0,677; в) 105. 26.10. 5. 26.11. 552,
можно сократить на 15 мест. 26.12. 547. 26.13. 0,408. 26.14. Φ(3, 6).
26.15. (3360, 3640). 26.16. а) 0,079; б) 0,00135; в) 0,92. 26.17. 0,92.
26.18. а) Менее 0,0000002867; б) 0,326. 26.19. (−85 · 10−m , 85 · 10−m ).
26.20. (1397, 1483); 648 кустов. 26.21. 0,119; 3745. 26.22. (3,42,
3,98). 26.23. 0,16. 26.24. 0,33. 26.25. 0,032. 26.26. 0,142. 26.27. 25.
26.28. 511. 26.29. 0,002. 26.30. 300. 26.31. 28. 26.32. 0,968. 26.33. 29.
26.34. Из расчёта на 234 станка. 26.35. 0,9.
ОТВЕТЫ 199

§ 27. Переходные вероятности

27.1. pk,k+1 = p, pk,k−1 = 1 − p, k ∈ Z.


 
1/6 1/6 1/6 1/6 1/6 1/6
 0 1/3 1/6 1/6 1/6 1/6 
 
 0 0 1/2 1/6 1/6 1/6 
27.2.  .
 0 0 0 2/3 1/6 1/6 

 0 0 0 0 5/6 1/6 
0 0 0 0 0 1
27.3. p00 = 0, p01 = 1, pk,k−1 = (k/N)2 , pkk = 1 − (k/N)2 − (1 − k/N)2 ,
pk,k+1 = (1 − k/N)2 , pN,N−1 = 1, pNN = 0.
 
0 1 0 ... ... ... 0
 p 0 1− p 0 ... ... 0 
 
 0 p 0 1− p 0 ... 0 
27.4.  .
 ... ... ... ... ... ... ... 

 0 ... ... 0 p 0 1− p 
0 ... ... ... 0 1 0
 
1 0 ... ... ... ... 0
 p 0 1− p 0 ... ... 0 
 
 0 p 0 1− p 0 ... 0 
27.5.  .
 ... ... ... ... ... ... ... 
 
 0 ... ... 0 p 0 1− p 
0 ... ... ... ... 0 1
 
0 1/2 0 1/2 0 0 0 0 0
 1/3 0 1/3 0 1/3 0 0 0 0 
 
 0 1/2 0 0 0 1/2 0 0 0 
 
 1/3 0 0 0 1/3 0 1/3 0 0 
 
27.6.  0 1/4 0 1/4 0 1/4 0 1/4 0 .

 0 0 1/3 0 1/3 0 0 0 1/3 
 
 0 0 0 1/2 0 0 0 1/2 0 
 
 0 0 0 0 1/3 0 1/3 0 1/3 
0 0 0 0 0 1/2 0 1/2 0
27.7. Нет. 27.8. Да. 27.9. а) Да; б), в) нет. 27.10. а), б) Да;
(2n) n+k pn+k (1 − p)n−k ,
в) нет. 27.11. а)–д) Да. 27.12. pi,i+2k = C2n
(2n+1) n+k+1 pn+k+1 (1 − p)n−k . 27.13. p
pi,i+2k+1 = C2n+1 x,(x+1)/2 = p, px,x/2 = 1 − p.
27.15. а), в), г) Да; б) нет. 27.18. Нет.

§ 28. Классификация состояний. Эргодичность цепей

28.1. 3 состояния; неразложимая, непериодическая цепь. 28.2. 3


состояния; неразложимая, непериодическая цепь. 28.3. 4 состояния;
200 ОТВЕТЫ

один класс эквивалентности { 1, 2, 3} ; состояние 4 несущественно;


непериодическая цепь. 28.4. 4 состояния; неразложимая, неперио-
дическая цепь. 28.5. 6 состояний; классы эквивалентности: { 3, 4} , {
1, 2} , { 5, 6} ; состояния 5 и 6 несущественны; непериодическая цепь.
28.6. 6 состояний; классы эквивалентности: { 1} , { 2, 3} , { 4, 5} , { 6} ;
состояния 4 и 5 несущественны; состояния 1 и 6 поглощающие; непери-
одическая цепь. 28.7. Неразложимая непериодическая цепь. 28.8. Нет.
28.9. Нет. 28.10. Нет. 28.11. Нет. 28.12. Да. 28.14. 1/2N, 1/N,
1/N, . . . , 1/N, 1/2N. 28.19. Нет. 28.20. Да. 28.26. Всегда возвратна;
положительно возвратна, если ∑ pk k < ∞. 28.27. а) ∑ pk k < ∞ и
∑ pk [ f (k)+. . .+ f (0)] < ∞; б) ∑ pk k2 < ∞ и ∑ pk [ f (k)+. . .+ f (0)]2 < ∞.
28.28. Возвратна, если ∑ pk = ∞; положительно возвратна, если
∑(1−p0 ) · . . . · (1−pk−1 )pk k<∞. 28.29. а) ∑(1−p0 ) · . . . ·
(1−pk−1 )pk k<∞ и ∑(1 − p0 ) · . . . · (1 − pk−1 )pk [ f (1) + . . . + f (k − 1)] < ∞;
б) ∑(1 − p0 ) · . . . · (1 − pk−1 )pk k2 < ∞ и
∑(1 − p0 ) · . . . · (1 − pk−1 )pk [ f (1) + . . . + f (k − 1)]2 < ∞.
§ 29. Условное математическое ожидание
29.1. Eξ. 29.2. а), г) 1/3 при η = −1, −1/6 при η = 1; б), е) 1/4 при
ξ = −1, 1/3 при ξ = 0, −2/5 при ξ = 1; в) 1/12; д) 1/3 при ξ2 = 0, −1/9
при ξ2 = 1. 29.3. а), в), г) −1/3; б), д), е) 1/2. 29.4. а), в), г) 1/3 при
η = −2, 1/7 при η = 0, −3/5 при η = 1; б), е) −3/8 при ξ = −1, −1/3 при
ξ = 0, −25/48 при ξ = 1; д) −1/3 при ξ2 = 0, −17/18 при ξ2 = 1.
1 5 3
29.5. а) 6 I[0,1/3] + 12 I(1/3,1/2) + 4 I[1/2,1] ;
3 3 2
б) 2π I[0,1/3] + π I(1/3,1/2) + π I[1/2,1] ; в) I[0,1/3] +
5 7 1
2I(1/3,1] ; г) 6 I [0,1/3] + 12 I (1/3,1/2) + 4 I[1/2,1] ;
1 19 7 2
д) 27 I[0,1/3] + 108 I(1/3,1/2) + 12 I[1/2,1] ; е) 3 I[1/2,1] . 29.6. а) 1/2;
1 1 5
б) 6 I[0,1/3] + 2 I(1/3,2/3] + 6 I(2/3,1] ; в) ωI[0,1/2] + 34 I(1/2,1] .
1 7
29.7. а) 12 I[0,1/2) + 12 I[1/2,1] ; б) 1/3. 29.8. Нет. 29.9. Нет.
29.10. (ξ + η)/2. 29.11. Нет. 29.12. а) ξI{ξ6t} + (1 + t)I{ξ>t} ;
б) (1 − t/(et − 1))I{ξ6t} + ξI{ξ>t} . 29.13. а) ξI{ξ6t} + 2+t 2 I{ξ>t} при
t ∈ [0, 2]; б) 2t I{ξ6t} +ξI{ξ>t} . 29.14. 0. 29.15. (ξ+η)2 /2+1. 29.16. Рав-
номерное распределение на точках 0, . . . , n. 29.17. а) k(k + 1)/4;
б) Bn,1/2 . 29.18. а) 1/2; б) B1/2 . 29.19. а) n+1 2n max(ξ1 , . . . , ξn );
б) n−1 2n + n+1
2n min(ξ 1 , . . . , ξ n ). 29.21. а) (ξ + η)/2; б) 0; в) 0;
г) ξ + 1/2. 29.24. а) 2/3; б) (2 + 3η)/3(1 + 2η); в) (4η + 1)/(4η + 2);
г) 0; д) Eξ1 + ρ Dξ1 Dξ2 (ξ2 − Eξ2 ). 29.25. а) 1/(1 + y)2 , e−x ;
p

б) xe−x(y+1) (1 + y)2 ; в) xe−xy ; г) 2/(1 + η); д) 1/ξ. 29.26. eλ(ϕ(t)−1) .


29.27. G1/2 .
ОТВЕТЫ 201
30.16. а) нет; б) да.
§ 31. Общие свойства
31.1. Функция распределения в точках t1 , . . . , tn
равна F(mink6n (xk − tk )); m(t) = t + Eη; B(t, s) = Dη.
31.2. m(t) = P{η > t}; B(t, s) = P{η > t}P{η6t} при t > s.
31.3. Функция распределения в точках t1 , . . . , tn равна
P{ξ < mink6n b−x 2
tk }; m(t) = at + b; B(t, s) = tsσ . 31.4.
k
Нет.
31.5. m(t) = 0; B(t, s) = Dξe−α(t+s) + Dηe−β(t+s) . 31.6. m(t) = t; B(t, s) = 1.
31.7. dm(t)/dt; ∂2 B(t, s)/∂t∂s. 31.10. m(t) = 0; B(t, s) = cos γ(t−s)
2 ; всегда.
2 2
31.11. B(t, s) = σ2 E cos 2πξ(t − s); 8π σ
( f (u/2π) + f (−u/2π)).
31.12. m(t)=0;
B(t, s) = ∑ σ2k fk (t) fk (s). 31.14. а) π(αcα cα
2 +u2 ) ; б) свёртка плотности π(α2 +u2 )

и двухточечного распределения в {β, −β} с равными вероятностями


2 2 2 2
ce√−u /4α ce√−u /4α
1/2; в) ; г) свёртка плотности и двухточечного распре-
4πα2 4πα2
деления в {β, −β} с равными вероятностями 1/2. 31.15. 2a(sin u1 t)/t.
31.17. Нет, вообще говоря. 31.18. Да. 31.19. ξ(t) = ξ. 31.21. 1/2.
§ 32. Винеровский процесс
32.1. Да. 32.2. Да. 32.3. Да. 32.4. min (t, s). 32.6. s(1 − t), t > s.
 t t 2 /2 
32.7. ae−b(t−s) , t > s. 32.8. Нормальное с ковариациями 2 .
t /2 t 3 /3
32.12. а) N0,t 5 /5 ; б) N0,e2t /2 . 32.13. а), г) да; б), в) нет. 32.14. c21 + c22 = 1.
32.15. s(1 −t), t > s. 32.17. а) (w2 (t) −t)/2; б) (w2 (t) +t)/2; в), г) w2 (t)/2.
§ 33. Пуассоновский процесс
33.5. а) λ min (t, s); б) λ(t)t, t < s. 33.8. 1; да. 33.9. λDη min (t, s); да.
33.14. а) 710 e−7 /10!; б) 1 − 4, 5e−3,5 ; в) e−70 ; г) 1 − e−7/4 . 33.15. а) (1 −
e−4 )3 ; б) 1 − 85e−12 . 33.16. а) e−5 ; б) 1 − 1, 78e−0,6 ; в) Γ1,3 . 33.18. а)
j j j
Cn t2 (t3 −t2 )n− j /t3n , j = 0, . . . , n; б) Cn−m (t2 −t1 ) j (t3 −t2 )n−m− j /(t3 −t1 )n−m ,
j = 0, . . . , n − m. 33.20. Γ10,8 < Γ2,4 . 33.21. n(1 − e1/n ), n(1 − e1/n )e1/n .
33.22. 1/λ1 + 1/λ2 − 1/(λ1 + λ2 ).
§ 34. Линейная теория случайных последовательностей
1 1
34.2. Да; I{0 ∈ B}; ξI{0 ∈ B}. 34.3. Да; 2 I{0 ∈ B} + 2 I{−π ∈ B};
ξ+η ξ−η 1 1
2 I{0 ∈ B} + 2 I{−π ∈ B}. 34.4. Да; 2 I{0 ∈ B} + 2 I{−π ∈ B};
ξ+η ξ−η
2 I{0 ∈ B} + 2 I{−π ∈ B}. 34.5. Стационарна; вполне недетермини-
рована; наилучший линейный прогноз — 0. 34.6. Стационарна; вполне
202 ОТВЕТЫ

недетерминирована. 34.7. Стационарна; вполне недетерминирована.


34.8. Стационарна; детерминированная компонента — ξ, вполне неде-
терминированная компонента ηn−1 + ηn ; наилучший линейный прогноз
— ξ. 34.9. Независимые случайные величины с нормальным распреде-
лением.

§ 35. Ветвящиеся процессы с дискретным временем

35.1. mk . 35.2. pn z + 1 − pn . 35.3. а) 1 − p1+α (1 − z)2α ; б) (1−p)(1−pz)


1−pz−p+p2
.

1 1− 1−4p(1−p)
35.4. а) 1; б) 1 − p 1−α ; в), г) 2p при p > 1/2, 1 при p 6 1/2;
1−b−c bz
д) 1. 35.6. P{τ 6 n} = (1 − pn )N . 35.9. 1−c + 1−cz .

§ 36. Скачкообразные марковские процессы

36.1. pi j (t) = e−λt (λt) j−i /( j − i)! при j > i. 36.4. p00 (t) = 1 − p01 (t) =
(µ + λe−(λ+µ)t )/(λ + µ), p10 (t) = 1 − p11 (t) = µ(1 − e−(λ+µ)t )/(λ + µ).
36.7. Если qii < 0, то p∗i j = −qi j /qii для любого j 6= i и p∗ii = 0; если
qii = 0, то p∗i j = 0 для j 6= i и p∗ii = 1.
 
0 1/4 0 0 3/4
 1/3 0 1/2 1/6 0 
 
36.9.  0 0 0 1 0 ;

 0 0 1 0 0 
0 0 0 0 1
{1, 2} — невозвратный класс, {3, 4} — возвратный класс, {5} —
возвратный класс, состоящий из одного поглощающего состояния.
36.10. pii(t) = (1 + 2e−3λt )/3, −3λt
 pi j (t) = (1 − e  )/3 при j 6= i. 36.11.
 а)
µ λ −(λ+µ)t
p11 (t) = λ+µ
+ λ+µ e e−νt , p12 (t) = λ+µ λ λ −(λ+µ)t
− λ+µ e e−νt ,
 
µ µ −(λ+µ)t
p13 (t) = 1 − e−νt , p21 (t) = λ+µ
− λ+µ e e−νt , p22 (t) =
 
λ
λ+µ
+ µ e−(λ+µ)t e−νt , p23 (t) = 1 − e−νt , p31 = 0, p32 = 0, p33 = 1;
 λ+µ 
0 λ/(λ + ν) ν/(λ + ν)
б)  µ/(µ + ν) 0 ν/(µ + ν) ;
0 0 1
стационарное
 распределение — (0, 0, 1).
0 1/5 1/5 1/5 1/5 1/5
 0 0 1/4 3/4 0 0 
 
 1/2 0 0 1/2 0 0 
36.12. а) 
 0 0 0 1 0 0 ;

 
 0 0 0 0 0 1 
0 0 0 0 1 0
ОТВЕТЫ 203

{1, 2, 3} — невозвратный класс, {4} и {5, 6} — поглощаюшие; б) стаци-


онарное распределение для процесса — (0, 0, 0, p, 3(1− p)/5, 2(1− p)/5),
где p — любое из [0, 1]; стационарное распределение для вло-
женной цепи — (0, 0, 0, p, (1 − p)/2, (1 − p)/2); не совпадают.
36.13. (22/41, 10/41, 9/41). 36.14. πi = (1 − λ/µ)(λ/µ)i , i > 0.
36.15. min(1, (µ/λ)i ). 36.16. а) q00 = −λ, q01 = λ, qM,M−1 = Mµ,
qMM = −Mµ, qi,i+1 = λ, qi,i−1 = iµ, qii = −(λ + iµ), qi j = 0 в остальных
(λ/µ)n (λ/µ)n −1
 
случаях; б) πn = c n! , i = 0, . . . , M, c = ∑M
n=0 n! ; в) пуассонов-
ское распределение
 с параметром λ/µ.
0 1/2 0 1/2 0 0
 1/4 0 1/4 1/4 0 1/4 
 
 0 0 0 0 1 0 
36.17. а)   0 0 0 0 0 1 ;

 
 0 0 1 0 0 0 
0 0 0 1 0 0
{1, 2} — невозвратный класс, {3, 5} и {4, 6} — поглощаюшие клас-
сы; б) стационарное распределение для процесса и для цепи —
(0, 0, p/2, (1 − p)/2, p/2, (1 − p)/2), где p — любое из [0, 1]; в) для
процесса — (0, 0, 7/14, 5/14, 7/14, 5/14), для цепи — не существует; г)
для процесса — (0, 0, 1/2, 0, 1/2, 0), для цепи — не существует.
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ

σ-алгебра Банаха о спичечных короб-


борелевская, 9 ках, 39
множеств, 8 продолжение, 39
порождённая случайной ве- игла Бюффона, 25
личиной, 51 о встрече, 25
событий, 8 продолжение, 25
тривиальная, 11 закон
больших чисел, 122
алгебра множеств, 8
инфинитезимальный оператор,
вероятности 174
стационарные, 148
финальные, 148 класс эквивалентности, 147
вероятность, 9 ковариационная функция, 160
апостериорная, 43 ковариация, 92
геометрическая, 23 коэффициент корреляции, 92
классическое определение, критерий
13 независимости, 62
условная, 29 в дискретном случае, 62
выборка для плотностей, 62
без возвращения
без учёта порядка, 14 лемма
с учётом порядка, 14 Бореля — Кантелли, 13, 107
с возвращением Чебышёва, 95
без учёта порядка, 14
с учётом порядка, 14 мартингал, 157
математическое ожидание, 80
генератор, 174 абсолютно непрерывного
распределения, 81
дисперсия, 81 дискретного распределения,
81
задача случайного процесса, 160
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ 205

условное, 153 рождения и гибели, 172


матрица в непрерывном времени,
переходных вероятностей, 178
143 скачкообразный марковский,
переходных интенсивностей, 173
174 однородный, 173
стохастическая, 143
медиана, 53 распределение
момент порядка k, 81 абсолютно непрерывное, 53
безгранично делимое, 105
неравенство дискретное, 52
Гёльдера, 95 конечномерное, 160
Йенсена, 95 логарифмически нормальное,
Кантелли, 96 59
Коши — Буняковского, 96 медиана, 53
Маркова, 95 непрерывное, 53
Минковского, 95 плотность, 53
Чебышёва, 95 совместная, 62
ряд, 52
парадокс случайного вектора
Бертрана, 28 абсолютно непрерывное,
раздела ставки, 32 61
шевалье де Мере, 39 дискретное, 61
плотность случайной величины, 52
распределения, 53 совместное, 61
совместная, 62
спектральная, 160, 170 скачкообразный марковский про-
полиномы Бернштейна, 122 цесс, 173
последовательность однородный, 173
независимых испытаний, 37 случайная величина, 51
равномерно интегрируемая, случайное блуждание
118 в непрерывном времени с
фундаментальная с вероят- задерживающим барье-
ностью 1, 107 ром, 178
пример Бернштейна, 35 случайные величины
пространство коррелированные
вероятностное, 9 отрицательно, 92
элементарных исходов, 8 положительно, 92
процесс независимые, 62
винеровский, 164 случайный процесс, 160
Орнштейна — Уленбека, 164 ковариационная функция,
пуассоновский, 166 160
206 ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ

математическое ожидание, в среднем


160 квадратическом, 118
стационарный, 160 порядка α, 118
стохастически непрерывный, по вероятности, 111
160 почти наверное, 107
событие, 8 с вероятностью 1, 107
достоверное, 8 слабая, 115
невозможное, 8 критерий, 115
события
независимые, 32 теорема
в совокупности, 32 Ляпунова, 130
попарно, 33 Муавра — Лапласа, 135
несовместные, 8 Пуассона, 135
попарно, 8 умножения вероятностей, 29
состояние, 143 центральная предельная, 130
возвратное, 147 эргодическая, 148
несущественное, 147 тождество
периодическое, 148 Вальда, 87
поглощающее, 147
уравнение
положительно возвратное,
Колмогорова
147
обратное, 174
существенное, 147
прямое, 174
состояния
Колмогорова — Чепмена,
сообщающиеся, 147
174
спектральная условие Ляпунова, 130
плотность, 160, 170
функция, 160, 170 формула
спектральное представление, 160, Байеса, 43
170 Бернулли, 37
среднее значение, 80 включения-исключения, 12
условное, 153 полной вероятности, 42
статистика свёртки
Бозе — Эйнштейна, 22 вероятностей, 71
Ферми — Дирака, 22 плотностей, 72
субмартингал, 157 функция
супермартингал, 157 концентрации, 75
схема производящая, 102
Бернулли, 37 формула обращения, 102
биномиальная, 37 распределения, 52
полиномиальная, 38 совместная, 61
сходимость спектральная, 160, 170
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ 207

характеристическая, 97
формула обращения, 97

цепь Маркова, 143


вложенная, 176
непериодическая, 148
неразложимая, 147
однородная по времени, 143
разложимая, 147
состояние, 143
эргодическая, 148
эргодическая теорема, 148

число
размещений, 14
сочетаний, 14

элементарный исход, 8
Учебное издание

КОРШУНОВ Дмитрий Алексеевич


ФОСС Сергей Георгиевич
ЭЙСЫМОНТ Инна Михайловна

СБОРНИК
ЗАДАЧ И УПРАЖНЕНИЙ
ПО ТЕОРИИ
ВЕРОЯТНОСТЕЙ

Учебное пособие