ПОИТВ 1 4 0716 (рус)

Некоммерческое
акционерное общество
АЛМАТИНСКИЙ
УНИВЕРСИТЕТ
ЭНЕРГЕТИКИ И
СВЯЗИ
Кафедра высшей математики
ПРИЛОЖЕНИЯ ОПЕРАЦИОННОГО ИСЧИСЛЕНИЯ И ТЕОРИИ

ВЕРОЯТНОСТЕЙ
Методические указания и задания по выполнению

расчетно-графических работ для студентов специальности
5В071900 Радиотехника, электроника и телекоммуникации
Алматы 2016
СОСТАВИТЕЛИ: Масанова А.Ж., Толеуова Б.Ж. Приложения
операционного исчисления и теории вероятностей. Методические указания и
задания по выполнению расчетно-графических работ для студентов
специальности 5В071900 Радиотехника, электроника и телекоммуникации. –
Алматы: АУЭиС, 2016. -82 с.
Представлены методические указания и задания по выполнению

расчетно-графических работ №№1,2,3,4 дисциплины «ПОИТВ» для
студентов специальности 5В071900 – Радиотехника, электроника и
телекоммуникации. Представленный материал соответствует разделам
«Теория вероятностей и случайных процессов», «Математическая
статистика», «Операционное исчисление», предусмотренные учебными
планами для студентов указанной специальности.
Приведены основные теоретические вопросы, задания, даны решения
типового варианта действующих заданий РГР№1, РГР№2, РГР№3, РГР№4, а
также примеры выполнения заданий в системе Матнсаd, справочный
материал.
Библиогр. – 8 назв.
Рецензент: доц. каф. ЭиАПУ Гали К.О.
Печатается по плану издания некоммерческого акционерного общества

«Алматинский университет энергетики и связи» на 2016 г.
© НАО «Алматинский университет энергетики и связи», 2016 г.
2
Сводный план 2016., поз. 132
Масанова Аида Жайлауовна

Толеуова Багила Жаксылыковна
ПРИЛОЖЕНИЯ ОПЕРАЦИОННОГО ИСЧИСЛЕНИЯ

И ТЕОРИИ ВЕРОЯТНОСТЕЙ
Методические указания и задания по выполнению

расчетно-графических работ для студентов специальности
5В071900 – Радиотехника, электроника и телекоммуникации
Редактор Л.Т.Сластихина
Специалист по стандартизации Н.К. Молдабекова
Подписано в печать _______ Формат 60х84 1/16

Тираж 60 экз. Бумага типографская №1
Объем 5,1 уч.- изд. лист Заказ_____ Цена 2250 тг
Копировально-множительное бюро
некоммерческое акционерное общество
«Алматинский университет энергетики и связи»
3
050013, Алматы, Байтурсынова, 126 1 Расчётно-графическая работа
№1. Случайные события и случайные величины
1.1 Теоретические вопросы
1. Предмет теории вероятностей. Случайные события, частота.

Статистическое и геометрическое определения вероятности.
2. Пространство элементарных событий. Алгебра событий.
Классическое определение вероятности.
3. Теоремы сложения и умножения вероятностей. Условная вероятность.
Зависимые и независимые события.
4. Формула полной вероятности. Формула Байеса.
5. Повторение испытаний. Формула Бернулли.
6. Локальная и интегральная теоремы Лапласа. Функция Лапласа.
Формула Пуассона.
7. Дискретные и непрерывные случайные величины. Закон
распределения дискретной случайной величины. Биномиальное
распределение, распределение Пуассона.
8. Интегральная функция распределения (функция распределения),
свойства, график.
9. Дифференциальная функция распределения (плотность
распределения), свойства, график.
10. Числовые характеристики случайных величин. Математическое
ожидание дискретных и непрерывных случайных величин.
11. Дисперсия и среднее квадратичное отклонение дискретных и
непрерывных случайных величин.
12. Начальные и центральные моменты распределения, асимметрия,
эксцесс, мода, медиана.
1.2 Расчётные задания
Задание 1. Участок электрической цепи MN состоит из элементов,

соединенных по указанной схеме в таблице 1. Выход из строя за время Т
различных элементов системы есть независимые события A i , имеющие
вероятности Рi , приведены в таблице 2. Требуется вычислить вероятность
разрыва цепи за указанный промежуток времени
Таблица 1
1.1 1.2
4
1.3 1.4
1.5 1.6
1.7 1.8
1.9 1.10
1.11 1.12
1.13 1.14
1.15 1.16
1.17 1.18
5
1.19 1.20
1.21 1.22
1.23 1.24
1.25 1.26
1.27 1.28
1.29 1.30
Таблица2
№ A1 A2 A3 A4 A5 A6
P1 P2 P3 P4 P5 P6
1.1 0,2 0,3 0,6 0,4 0,1 0,5
1.2 0,3 0,2 0,1 0,4 - -
1.3 0,1 0,2 0,5 0,3 0,6 -
1.4 0,3 0,6 0,1 0,4 0,5 0,2
1.5 0,3 0,6 0,5 0,4 0,2 -
1.6 0,3 0,2 0,5 0,1 - -
1.7 0,4 0,5 0,1 0,2 0,3 -
6
1.8 0,1 0,3 0,5 0,4 0,2 -
1.9 0,4 0,5 0,6 0,3 0,1 -
1.10 0,4 0,2 0,3 0,6 0,5 -
1.11 0,1 0,5 0,2 0,3 0,4 -
1.12 0,3 0,5 0,1 0,4 0,6 0,2
1.13 0,6 0,5 0,1 0,3 - -
1.14 0,4 0,6 0,1 0,5 - -
1.15 0,2 0,4 0,1 0,3 0,6 0,5
1.16 0,3 0,2 0,1 0,5 - -
1.17 0,2 0,5 0,1 0,6 0,4 -
1.18 0,5 0,6 0,1 0,3 0,4 0,2
1.19 0,2 0,5 0,1 0,6 0,4 -
1.20 0,5 0,2 0,3 0,4 0,1 -
1.21 0,2 0,5 0,1 06 0,4 -
1.22 0,4 0,5 0,6 0,3 0,1 -
1.23 0,3 0,5 0,1 0,4 0,6 0,2
1.24 0,1 0,3 0,5 0,4 0,2 -
1.25 0,3 0,6 0,1 0,4 0,5 0,2
1.26 0,2 0,3 0,6 0,4 0,1 0,5
1.27 0,3 0,2 0,1 0,4 - -
1.28 0,3 0,2 0,5 0,1 - -
1.29 0,5 0,6 0,1 0,3 0,4 0,2
1.30 0,2 0,3 0,6 0,4 0,1 0,5
Задание 2. На сборку поступают детали с четырех автоматов. Первый

обрабатывает n 1 %, второй - n2%, третий - n 3 % от общего количества всех
деталей. Первый автомат дает m 1 % брака, второй - m 2 %, третий - m 3 %, а
четвертый - m 4 %. Требуется найти вероятность того, что:
а) на сборку поступит стандартная деталь;
б) поступившая на сборку деталь изготовлена i–тым автоматом
(i=1,2,3,4).
№ n1 n2 n3 m1 m2 m3 m4 i
2.1 10 25 45 7 8 5 5 4
2.2 43 18 25 5 4 7 8 2
2.3 17 54 10 6 5 8 4 4
2.4 65 12 25 10 9 8 7 2
2.5 40 18 35 7 10 5 4 1
2.6 12 38 40 10 6 9 5 2
2.7 27 34 50 9 5 4 6 3
2.8 43 12 23 10 7 6 1 4
2.9 36 12 12 5 10 8 3 1
2.10 42 21 21 8 7 6 4 4
7
2.11 37 13 15 10 6 5 9 2
2.12 41 20 18 5 10 8 2 3
2.13 28 51 17 10 6 5 5 3
2.14 71 12 10 2 10 4 4 4
2.15 46 24 14 5 9 7 7 4
2.16 52 22 11 5 8 7 3 1
2.17 27 41 13 10 5 9 9 4
2.18 25 14 35 8 7 4 8 2
2.19 19 38 30 5 9 30 5 4
2.20 29 61 20 6 3 3 4 2
2.21 27 43 20 10 6 4 6 4
2.22 28 36 22 7 10 9 4 1
2.23 52 11 17 5 7 10 9 1
2.24 24 29 35 9 8 4 4 4
2.25 31 41 19 7 2 5 4 3
2.26 52 11 15 3 6 7 5 4
2.27 28 31 18 9 8 4 4 2
2.28 40 32 10 4 5 8 5 1
2.29 35 24 20 9 8 7 9 4
2.30 19 52 18 5 2 4 6 3
Задание 3. При передаче сообщения вероятность искажения одного

знака равна 1-р. Найти вероятность того, что в сообщении из n знаков не
будет искажено:
а) ровно k 1 знаков;
б) не менее k 2 знаков;
в) не более k 3 знаков.
№ n k1 k2 k3 p № n k1 k2 k3 p
3.1 4 2 3 2 0.9 3.16 5 3 4 2 0.8
3.2 4 3 3 2 0.8 3.17 4 3 3 1 0.7
3.3 5 4 4 2 0.7 3.18 4 2 3 2 0.6
3.4 5 3 3 2 0.6 3.19 5 3 4 1 0.5
3.5 6 5 5 1 0.5 3.20 6 4 5 2 0.4
3.6 6 4 4 1 0.4 3.21 7 5 6 2 0.3
3.7 7 5 5 2 0.3 3.22 8 3 7 2 0.2
3.8 7 4 4 1 0.2 3.23 8 4 7 1 0.3
3.9 8 4 7 2 0.3 3.24 7 5 6 2 0.4
3.10 8 3 6 1 0.4 3.25 6 3 5 2 0.5
3.11 7 4 6 2 0.5 3.26 5 2 4 1 0.6
3.12 7 5 6 1 0.6 3.27 4 2 3 2 0.7
3.13 6 3 4 2 0.7 3.28 5 3 3 3 0.8
3.14 6 2 4 2 0.8 3.29 6 4 4 2 0.9
8
3.15 5 4 4 1 0.9 3.30 7 5 6 1 0.9
Задание 4. Промышленная телевизионная установка содержит n

транзисторов. Вероятность выхода из строя каждого из транзисторов равна р.
Требуется найти вероятность выхода из строя k транзисторов.
№ р n k № р n k № р n k
4.1 0.002 1000 7 4.11 0.01 2000 8 4.21 0.004 5000 9
4.2 0.003 1000 7 4.12 0.01 3000 8 4.22 0.005 6000 9
4.3 0.004 1000 7 4.13 0.02 2000 8 4.23 0.01 4000 9
4.4 0.005 1000 7 4.14 0.01 5000 8 4.24 0.01 5000 9
4.5 0.006 1000 7 4.15 0.02 3000 8 4.25 0.01 6000 9
4.6 0.007 1000 7 4.16 0.01 7000 8 4.26 0.007 1000 9
4.7 0.008 1000 7 4.17 0.02 4000 8 4.27 0.008 1000 9
4.8 0.009 1000 7 4.18 0.01 9000 8 4.28 0.009 1000 9
4.9 0.01 1000 7 4.19 0.02 5000 8 4.29 0.01 1000 9
4.10 0.011 1000 7 4.20 0.011 1000 8 4.30 0.012 1000 9
Задание 5. Вероятность наступления события А в каждом испытании

равна р. Найти вероятность того, что в n испытаниях событие А наступит
а) ровно k 2 раз;
б) от k 1 до k 2 раз для вариантов № 1-15;
в) более k 2 раз для вариантов № 16-30.
№ n k1 k2 p № n k1 k2 p
5.1 100 80 90 0.8 5.16 100 90 95 0.6
5.2 100 85 95 0.8 5.17 100 62 82 0.6
5.3 100 70 95 0.8 5.18 100 50 70 0.8
5.4 100 83 93 0.7 5.19 100 55 75 0.8
5.5 100 50 60 0.7 5.20 100 45 80 0.8
5.6 100 65 75 0.7 5.21 100 40 60 0.8
5.7 100 70 80 0.7 5.22 100 35 70 0.3
5.8 100 40 50 0.6 5.23 100 50 80 0.3
5.9 100 65 80 0.75 5.24 100 40 65 0.3
5.10 100 70 85 0.75 5.25 200 45 75 0.4
5.11 100 78 92 0.75 5.26 200 100 150 0.4
5.12 100 20 60 0.7 5.27 200 80 170 0.4
5.13 100 30 85 0.7 5.28 300 150 180 0.8
5.14 100 40 79 0.7 5.29 400 100 190 0.6
5.15 100 80 95 0.6 5.30 400 200 295 0.7
Задание 6. Дискретная случайная величина Х задана рядом

распределения. Найти:
а) её функцию распределения F(x), построить график F(x);
9
б) математическое ожидание, дисперсию, среднее квадратичное
отклонение, моду;
в) вероятность попадания Х в интервал (a;b).
№ Х х1 х2 х3 х4 х5 х6 а b
Р р1 р2 р3 р4 р5 р6
6.1 Х 0 1 2 4 6 9 -2 7
Р 0.05 0.15 0.3 0.25 0.15 0.1
6.2 Х -3 -2 -1 0 2 4 -1 3
Р 0.15 0.3 0.02 0.14 0.18 0.31
6.3 Х 1 2 3 5 7 8 -3 6
Р 0.3 0.14 0.16 0.1 0.2 0.1
6.4 Х -4 -3 -2 0 1 2 0 1
Р 0.2 0.08 0.23 0.27 0.12 0.1
6.5 Х 1 2 4 5 7 9 3 8
Р 0.19 0.21 0.06 0.14 0.12 0.28
6.6 Х -1 0 2 3 5 7 -4 4
Р 0.26 0.14 0.07 0.2 0.03 0.3
6.7 Х -2 -1 0 3 5 7 1 6
Р 0.18 0.09 0.01 0.2 0.22 0.3
6.8 Х 1 2 4 5 6 8 0 6
Р 0.3 0.17 0.13 0.1 0.2 0.1
6.9 Х 1 2 3 4 7 9 5 8
Р 0.11 0.29 0.06 0.14 0.17 0.23
6.10 Х 0 1 2 3 7 9 4 8
Р 0.06 0.14 0.3 0.25 0.15 0.1
6.11 Х -3 -2 0 1 2 4 -1 3
Р 0.15 0.3 0.01 0.14 0.19 0.31
6.12 Х -1 0 3 5 7 8 1 6
Р 0.25 0.14 0.16 0.1 0.2 0.15
6.13 Х -4 -3 -2 0 2 4 -1 3
Р 0.2 0.07 0.24 0.26 0.13 0.1
6.14 Х -3 -1 0 3 4 7 -2 6
Р 0.12 0.09 0.01 0.2 0.28 0.3
6.15 Х -1 0 1 3 7 8 2 6
Р 0.26 0.14 0.15 0.2 0.3 0.15
6.16 Х -2 -1 0 1 2 7 -3 5
Р 0.17 0.09 0.01 0.3 0.23 0.2
6.17 Х 1 2 3 5 6 7 0 4
Р 0.1 0.14 0.16 0.1 0.2 0.3
6.18 Х -3 -1 0 3 5 6 -2 4
Р 0.16 0.09 0.01 0.3 0.24 0.2
10
6.19 Х 1 2 5 6 7 8 3 6
Р 0.2 0.15 0.15 0.1 0.3 0.1
6.20 Х -1 0 2 4 7 8 1 5
Р 0.23 0.18 0.12 0.2 0.1 0.17
6.21 Х 1 2 4 5 6 8 0 7
Р 0.3 0.14 0.16 0.03 0.2 0.17
6.22 Х -4 -3 -1 0 1 3 -2 2
Р 0.2 0.03 0.24 0.26 0.17 0.1
6.23 Х 1 2 3 4 7 9 0 8
Р 0.17 0.23 0.09 0.11 0.12 0.28
6.24 Х 0 1 3 5 7 8 2 6
Р 0.2 0.14 0.16 0.12 0.3 0.08
6.25 Х -5 -3 -2 0 1 3 -4 2
Р 0.2 0.06 0.21 0.29 0.14 0.1
6.26 Х 1 2 3 5 8 9 4 7
Р 0.18 0.22 0.05 0.15 0.12 0.28
6.27 Х 1 3 4 5 7 8 2 6
Р 0.3 0.16 0.14 0.01 0.2 0.19
6.28 Х -5 -3 -1 0 1 3 -4 2
Р 0.1 0.03 0.14 0.36 0.17 0.2
6.29 Х 0 2 3 4 6 8 1 7
Р 0.26 0.14 0.05 0.15 0.12 0.28
6.30 Х -1 0 2 3 7 8 1 6
Р 0.21 0.16 0.14 0.1 0.2 0.19
Задание 7. Непрерывная случайная величина Х задана функцией

распределения F(x). Найти:
а) её плотность распределения f(x);
отклонение, моду, медиану;
в) вероятность попадания Х в интервал (a;b).
Построить графики F(x) и f(x).
№ F(x) а b № F(x) а b
7.1 0 4 7.16 0 3
 0, при х 0  0, при х  0
1 3 1
 х , при 0  х  2  ( х 1), при 1 х  4
8 5
 1, при х 2  1, при х  4
7.2  0, при х  0 1 2 7.17 0 

1 2  0, при х  0 6
 (2 х  5 х), при 0  х 3 
 33
 1, при х 3 sin x, при 0  х  / 2
 1, при х  / 2

11
7.3 0 1 7.18 0,2 0,9
 0, при х  0  0, при х  0
1 2  3
 х , при 0  х  3 ( х  3 х), при 0  х  2
9  1, при х  2
 1, при х  3 
7.4  0, при х  0
0 1 7.19 1,5 2
 0, при х  0
1 2
 (2 х  5 х), при 0  х  4  2
 24 ( х  х) / 2, при 1 х  2
 1, при х  4  1, при х  2

7.5 0 1 7.20 0 1,5

 0, при х  0  0, при х  0
1 3  2
 ( х  х), при 0  х  2 ( х  х) / 6, при 0 х  2
10 
 1, при х  2 1, при х  2

7.6 0 3 7.21 1 1,5

 0, при х  0  0, при х  0
1 3 1 2
 ( х  х), при 0  х  4  ( х  3х), при 0 х  2
 20 10
 1, при х  4
 1, при х  2
7.7 3 5 7.22 1,2 1,5

 0, при х  0  0, при х  0
4 6 1 2

cos 2 x, при 3 / 4 х   ( х  2 х), при 1 х  2
 4
1, при х   1, при х  2

7.8 0  7.23 1 3
 0, при х  0 3  0, при х  2
 1
1 cos x, при 0 х  / 2  х 1, при 2  х  4
 1, при х  / 2 2
 1, при х  4

7.9 0 2 7.24 2 5
 0, при х  0
1 3  0, при х  0
 ( х  8 х), при 0  х  4 1
 96  х, при 0  х  6
1, при х  4
 6
 1, при х  6
7.10 1 2 7.25 -0,5 0,2

 0, при х  1  0, при х  1
1 2 1
 ( х 1) , при 1 х  2 1
 9  х  , при 1 х 1
 1, при х  2 2 2
 1, при х 1
12
7.11  3 7.26 2,5 2,8
 0, при х  / 2
 2 4  0, при х  2
1 sin x, при  / 2  х   2

 1, при х  ( х  2) , при 2  х 3
 1, при х 3

7.12 1 2 7.27 1,5 1,9
 0, при х  1  0, при х 1
1 3 1 2
 ( х 1), при 1 х  2
9  ( х  х), при 1 х  2
 1, при х  2 2
 1, при х  2
7.13 0 2 7.28  5
 0, при х  0  0, при х  / 2
1 2 6
2 
 (3х  2 х), при 0 х 3  cos x, при  / 2  х 
 33 
 1, при х 3 1, при х 

7.14 3 7 7.29 2 4
 0, при х 3 / 2 2 4  0, при х 1
 1
cos x, при 3 / 2 х  2  ( х 1), при 1 х  5
 1, при х  2
 4
 1, при х  5
7.15 0 2 7.30  
 0, при х  0  0, при х  0
1 2 1 3 2
 ( х  2 х), при 0  х  3  (1 cos x), при 0  х 
15 2
 1, при х  3  1, при х 
1.3. Решение типового варианта
Задание 1. Участок электрической цепи MN состоит из элементов,

соединенных по указанной схеме, представленной на рисунке 1. Все элементы
цепи 1-5 работают независимо друг от друга и вероятности выхода из строя за
данный промежуток времени соответственно равны: Р1  0,1; Р2  0,2;
Р3  0,5; Р4  0,3; Р5  0,1. Требуется вычислить вероятность разрыва цепи за
указанный промежуток времени.
Рисунок 1
13
Решение:
Пусть Аi (i=1,2,3,4,5) – события, означающие выход из строя i-го
элемента в цепи. Цепь неразрывна (событие А) в данный промежуток времени,
если совместно (произведение событий) наступают события А1 и А2+А3А4+А5 ,
т.е.
Р( А)  Р( А1 )  Р( А2  А3  А4  А5 ),
где сумма событий А2+А3А4+А5 означает нормальную работу, хотя бы
одной из трех веток цепи, эту вероятность удобнее вычислять от
противоположного события, когда все эти три ветки цепи одновременно
выходят из строя:
Р( А2  А3  А4  А5 )  1  Р( А2 )  Р( А5 )  Р( В ),
Р( В )  1  Р( А3 )  Р( А4 ).
По условию задачи имеем Р(Аi)=1-рi , тогда
Р( А)  Р( А1 )  (1  Р( А2 )  Р( А5 )  (1  Р( А3 )  Р( А4 ))  0,9(1  0,1  0,2  (1  0,5  0,7))  0,8883.
А вероятность разрыва цепи за указанный промежуток времени есть
противоположное событие:
Р( А )  1  Р( А)  1  0,8883  0,1117.
Задание 2. На сборку схем поступают детали с четырех автоматов.

Первый обрабатывает 10%, второй -30%, третий - 40% всех деталей. Первый
автомат дает 5% брака, второй - 4%, третий - 6%, а четвертый - 3 %.
Требуется найти вероятность того, что:
а) на сборку схем поступит стандартная деталь;
б) поступившая на сборку деталь изготовлена 2–ым автоматом.
Решение:
а) пусть событие А – поступила стандартная деталь, а события В 1 , В 2 ,
В 3 , В4 – деталь изготовлена соответственно первым, вторым, третьим,
четвертым автоматом (эти события называются гипотезами).
Вероятность события А находится по формуле полной вероятности:
Р(А) = Р(В 1 )Р(А/В 1 )+Р(В 2 )Р(А/В 2 )+Р(В 3 )Р(A/B 2 )+Р(В4)Р(А/В4),
где Р(А/В i ) – условные вероятности того, что поступила стандартная деталь,
изготовленная i– м автоматом (i=1,2,3,4). По условию задачи имеем:
Р(В 1 ) = 10/100 = 0,1; Р(В 2 ) = 30/100 = 0,3; Р(В 3 ) = 40/100 = 0,4;
Р(В4) = (100-10-30-40)/100 = 0,2;
Р(А/В1)=1-0,05=0,95; Р(А/В 2 )=1-0,04=0,96;
Р(А/В 3 )=1-0,06=0,94; Р(А/В4)=1-0,03=0,97.
Поэтому Р(А) = 0,1 0.95  0,3  0,96  0,4  0,94  0,2  0,97 = 0,961;
б) условная вероятность того, что поступившая на сборку стандартная
деталь изготовлена 2–ым автоматом Р(В 2 /А), находится через формулу
Байеса:
14
P( B ) P( A / B )
P( Bi / A)  i i , i  2,
P( A)
где Р(А) -полная вероятность.
P( B ) P( A / B ) 0,3  0,96
Тогда P( B / A)  2 2  = 0,299.
2 Р( А) 0,961
Задание 3. При передаче сообщения вероятность искажения одного

знака равна 0,2. Найти вероятность того, что в сообщении из 10 знаков не
будет искажено:
а) ровно 8 знаков (событие А);
б) не менее 9 знаков (событие В);
в) не более 2 знаков (событие С);
Решение:
а) для определения вероятности события А используем формулу
Бернулли: Pn (k )  Cnk p k q nk , где Pn (k ) - вероятность появления k раз
(k  0,1,2,...n) некоторого события в серии n независимых испытаний,
где q  1  p  0,2; p  0.8 ,
P(A) = P10 (8)  C108  0,88  0,2 2 =0,302;
б) вероятность события В определяется как суммы вероятностей:
Pn (k )  Pn (k  1)  ...  Pn (n) - вероятность того, что событие произойдёт не
менее, чем k раз в n независимых испытаниях;
P(B)  P10 (9)  P10 (10)  0,376;
в) вероятность события С определяются как суммы вероятностей:
Pn (0)  Pn (1)  ...  Pn (k ) - вероятность того, что событие произойдёт не более
k раз в n независимых испытаниях, т.е.
P(C )  P10 (0)  P10 (1)  P10 (2)  0,000078.
Ниже приведена копия файла из Mathcad с вычислениями.
C(Q R)  combin(Q R),
8 2
C ( 10 8) 0.8 0.2  0.302 ,
9 1 10 0
C ( 10 9) 0.8 0.2  C ( 10 10 ) 0.8 0.2  0.376 ,
0 10 1 9 2 8 5
C ( 10 0) 0.8 0.2  C ( 10 1) 0.8 0.2  C ( 10 2) 0.8 0.2  7.793  10 ,
Задание 4. Промышленная телевизионная установка содержит 1000

транзисторов. Вероятность выхода из строя каждого из транзисторов равна
0,003. Требуется найти вероятность выхода из строя 6 транзисторов.
Решение: поскольку n велико, p мало, а произведение   n  p –
небольшое число, то вместо формулы Бернулли для определения вероятности
15
Pn (k ) появления k раз некоторого события в серии n независимых
испытаний удобнее использовать формулу Пуассона: Pn (k )  k  e   / k!.
В нашей задаче n =1000, k =6, p =0,003,   1000  0,003  3 , поэтому
P1000(6)  36  e 3 / 6! =0,05.
При вычислении можно использовать таблицу значений функции
p(k ,  )  k  e   / k!, приводимую в некоторых учебниках, или функцию dpois в
Mathcad. Ниже приведена копия файла, в котором проведены вычисления в
Mathcad.
p(k  )  dpois(k  ),
p(6 3)  0.05 .
Задание 5. Вероятность наступления некоторого события в каждом

испытании равна 0,8. Найти вероятность того, что в 100 независимых
испытаниях событие наступит
а) ровно 80 раз (событие А);
б) от 70 до 80 раз (событие В);
в) более 80 раз (событие С);
г) менее 70 раз (событие D).
Решение:
Поскольку число независимых испытаний n велико, а p  0,5 не мало,
то вероятность Pn (k ) появления k раз некоторого события в n испытаниях
определяется по локальной теореме Муавра-Лапласа и приближённо равна
1 k  np 1
Pn (k )   ( x) , где x  , 0  p  1 ,  ( x)  exp(  x 2 / 2) (значения
npq npq 2
этой функции находят из таблиц приложения 1 или с помощью встроенной
функции dnorm в системе Mathcad).
Для определения вероятностей событий В, С и D используют
интегральную теорему Муавра-Лапласа: вероятность Pn (k1 , k 2 ) того, что число
k появления некоторого события будет находиться в промежутке от k1 до k 2 ,
k  np k  np
приближённо равна Pn (k1 , k 2 )  ( x2 )  ( x1 ) , где x2  2 , x1  1 ,
npq npq
1 x
( x)  
2 0
exp(t 2 / 2)dt - функция Лапласа, значения которой находятся из
специальных таблиц приложения 2 или с помощью встроенной функции
pnorm в системе Mathcad.
80  100  0,8 1
а) x  =0, P100 (80)   (0)  0,399 ;
100  0,8  0,2 100  0,8  0,2
80  100  0,8 70  100  0,8
б) P100 (70,80)  ( )  ( )  Ф(0)  Ф(2,5)  0,494 ;
100  0,8  0,2 100  0,8  0,2
16
100  100  0,8 80  100  0,8
в) P100(k  80)  P100(80,100)  ( )  ( )
100  0,8  0,2 100  0,8  0,2
 Ф(5)  Ф(0)  0,5;
70  100  0,8  100  0,8
г) P100(k  70)  P100(0,70)  ( )  ( ) .
100  0,8  0,2 100  0,8  0,2
 Ф(2,5)  Ф(20)  0,006.
Ниже приведена копия файла, в котором сделаны вычисления в системе
Mathcad.
n  100, k1  70, k2  80,
p  0.8, q  1  p,
k1  n p k2  n p n  n p 0  n p
x1  x2  x3  x4 
n p q , n p q , n p q , n p q ,
x1  2.5 , x2  0 . dnorm(x2 0 1)  0.399 ,
3
pnorm ( x1 0 1)  6.21  10 , pnorm(x2 0 1)  0.5 ,
pnorm(x2 0 1)  pnorm(x1 0 1)  0.494

или другой вариант
 (x)  pnorm(x 0 1)  0.5,
P (k1 k2)   (x2)   (x1),

 (x1)  0.494 ,  (x2)  0 ,
P (k1 k2)  0.494 , x3  5 , x4  20 ,

 ( x3)  0.5 ,  (x4)  0.5 ,
3
 (x3)   (x2)  0.5 ,  ( x1 )   ( x4 )  6.21  10 .
Задание 6. Дискретная случайная величина Х задана рядом

распределения
Х 0 10 20 30 40 50
Р 0,05 0,15 0,3 0,25 0,2 0,05
Найти:
а) её функцию распределения F(x), построить график F(x);
отклонение, моду;
в) вероятность попадания случайной величины Х в интервал (15;45).
Решение:
а) интегральная функция распределения F(x) случайной величины Х
определяет вероятность события Х<х. Для дискретной случайной величины
17
она находится по формуле F ( x)  P( X  x)   pi =  P( X  xi ) , где
xi  x xi  x
суммирование ведётся по всем i , для которых xi  x .

Итак,
1) если x  0 , то F ( x)  P( X  0)  0 ;
2) если 0  x  10 , то F ( x)  P( X  0)  0,05 ;
3) если 10  x  20 , то F ( x)  P( X  0)  P( X  10)  0,05  0,15  0,2 ;
4) если 20  x  30 , то F ( x)  P( X  0)  P( X  10)  P( X  20) 
 0,2  0,3  0,5 ;
5) если 30  x  40 , то F ( x)  P( X  0)  P( X  10)  P( X  20)  P( X  30) =
 0,5  0,25  0,75 ;
6) если 40  x  50 , то F ( x)  P( X  0)  P( X  10)  P( X  20) 
 Р( X  30)  P( X  40)  0,75  0,2  0,95 ;
7) если x  50 , то F ( x)  P( X  0)  P( X  10)  P( X  20)  P( X  30) +
+ P( X  40)  P( X  50)  0,95  0,05  1 .
 0, если x  0
 0,05 , если 0  x  10

 0,2, если 10  x  20

Таким образом, F ( x)   0,5, если 20  x  30 ;
0,75, если 30  x  40

0,95, если 40  x  50
 1, если x  50

б) числовыми характеристиками дискретной случайной величины Х
являются:
M ( X )   xi pi ; - математическое ожидание;
i
D( X )   ( xi  M ( X ))2  pi   xi2 pi  (M ( X )) 2 - дисперсия;

i i
 ( x)  D( x) - среднее квадратичное отклонение;

M 0 - мода или значение Хi, принимаемое с наибольшей вероятностью Pi;
P(a  X  b)  F (b)  F (a) - вероятность попадания Х в интервал (а;b).
В нашей задаче эти величины равны:
M (X )  0  0,15  10  0,15  20  0,3  30  0,25  40  0,2  50  0,05  25,5;
D(x)=154,75;  ( x)  154,75  12,44 ; M 0 =20;
P(15;45)  F (45)  F (15) =0,75.
Ниже приведена копия файла, в котором сделаны вычисления в системе
Mathcad, причём вычисление дисперсии проведено по обеим формулам.
ORIGIN 1 s  ( 0 10 20 30 40 50 ),
18
p  ( 0.05 0.15 0.3 0.25 0.2 0.05 ),  25.5 
 
T T   15.5 
M  s p s0  s  M,
T
,
 5.5 
M  25.5 , s0   
 4.5 
 14.5 
 24.5 
 
 T T ,
D  ( s0s0) p ,

D  154.75 ,   D  12.44 ,
s2  0 2
10
2
20
2
30
2
40
2
50
2 ,
T T 2
D1  s2 p  M , D1  154.75 ,
F ( x)  0 if x  0
F(45)  F(15)  0.75
0.05 if 0  x  10
0.2 if 10  x  20 1.5
0.5 if 20  x  30 1
0.75 if 30  x  40 F ( x)
0.5
0.95 if 40  x  50
0
1 if x  50 , 0 20 40 60 80
x
Задание 7. Непрерывная случайная величина Х задана функцией

 0, если x  2

распределения F ( x)  ( x  2) 2 , если 2  x  3 .
 1, если x  3

Найти:
а) плотность распределения f(x);
отклонение, моду, медиану;
в) вероятность попадания Х в интервал (1; 2,5).
Решение:
19
а) плотность распределения вероятностей непрерывной случайной
величины равна производной её функции распределения: f ( x)  F ( x) ,
 0, если x  2

поэтому f ( x)  F ( x)  2( x  2), если 2  x  3 ;
 0, если x  3

б) числовыми характеристиками непрерывных случайных величин
 (b)
являются: M ( x)   xf ( x)dx - математическое ожидание;

 ( a )
(b)  (b )
D( x)   ( x  M ( x)) f ( x)dx D( x)  x f ( x)dx  M ( x) - дисперсия;

2 2 2
 ( a )  ( a )
 ( x)  D( x) - - среднее квадратическое отклонение;

M o - модой непрерывной случайной величины X называется то её
значение, при котором плотность распределения максимальна;
M e - медианой непрерывной случайной величины X называется такое
её значение, при которой P( X  M e )  P( X  M e )  0,5 .
3
Таким образом, в нашей задаче M ( x)   2 x( x  2) =8/3;

2
3
D( x)   x 2  2( x  2)dx  (8 / 3) 2  1/ 18 ;  ( X )  1/ 18 = 0,236. Для определения

2
моды надо найти максимум функции на отрезке [2;3]:

f max  f (M 0 )  max( 2( x  2))  f (3)  2 . Итак, M o =3. Медиану можно найти из
условия:
Me
P( X  M e ) = P(  X  M e )  P(2  X  M e )   2( x  2)dx  ( M e  2) 2 =0,5,

2
решая уравнение, получим два корня 1,29 и 2,71, из которых подходит один:
M e = 2,71;
в) вероятность попадания Х в интервал (1;2,5) находим из функции
распределения P(1  X  2,5)  F (2,5)  F (1) = (2,5  2) 2  0  0,25 .
Построение функций F(x) и f(x) и другие вычисления проводим в
системе Mathcad:
f ( x)  0 if x  2 F ( x)  0 if x  2
[ 2 ( x  2) ] if 2  x  3 ( x  2)
2
if 2  x  3
0 if x  3 , 1 if x  3 ,
20
4
2
2
f ( x) F ( x)
 4 22 0 2 4 2 0 2 4
4 2
. x
x
3
 8
 2 x( x  2) dx   2.667
2 3
,
3 2
 2  8 1 1
 2 x ( x  2) dx      0.056  0.236
2  3 18 18 ,
,
y
 2
 2 ( x  2) dx  ( y  2)
2
,
2  1.2928932188134524756
( y  2)  0.5 solve   
 2.7071067811865475244.
21
2 Расчетно-графическая работа №2. Основные законы
распределения случайных величин. Случайный процесс
1. Биномиальное распределение.
2. Распределение Пуассона.
3. Равномерное распределение.
4. Показательное распределение, функция надёжности.
5. Нормальное распределение (функция Лапласа, функция
распределения).
6. Нормальное распределение (вероятность попадания в интервал,
вероятность заданного отклонения, правило трёх сигм).
7. Системы случайных величин и их числовые характеристики
8. Понятие о предельных теоремах. Закон больших чисел, центральная
предельная теорема.
9. Неравенство Чебышева, неравенство Маркова.
10. Случайный процесс и его основные характеристики. Цепи Маркова.
2.2 Расчётные задания
Равномерное распределение.
Задание 1. Случайная величина Х распределена равномерно на отрезке
[0;a]. Найти:
б) функцию распределения F(x);
в) математическое ожидание, дисперсию;
г) вероятность того, что Х< m.
№ а m № а m № а m
1.1 0,2 0,04 1.11 0,3 0,08 1.21 19 8
1.2 0,3 0,02 1.12 0,6 0,01 1.22 20 5
1.3 0,1 0,06 1.13 0,9 0,06 1.23 25 5
1.4 0,5 0,01 1.14 0,5 0,05 1.24 9 3
1.5 0,6 0,05 1.15 0,8 0,07 1.25 14 7
1.6 0,9 0,02 1.16 5 3 1.26 18 9
1.7 0,1 0,08 1.17 10 4 1.27 24 8
1.8 0,7 0,01 1.18 15 5 1.28 6 3
1.9 0,4 0,06 1.19 6 2 1.29 12 6
1.10 0,5 0,07 1.20 20 10 1.30 16 8
Показательное распределение.
22
Задание 2. Время безотказной работы радиолампы t имеет
показательное распределение, где Т0 - среднее время работы радиолампы.
Требуется найти:
а) плотность распределения f(t);
б) функцию распределения F(t), указать её вероятностный смысл;
в) функцию надёжности R(t), указать её вероятностный смысл;
г) математическое ожидание, дисперсию;
д) вероятность того, что за время t радиолампа откажет и вероятность
того, что за время t радиолампа не откажет;
е) построить графики F(t), R(t) и f(t).
№ Т0 t № Т0 t № Т0 t
2.1 1 5 2.11 2 5 2.21 3 8
2.2 2 10 2.12 3 10 2.22 4 4
2.3 3 6 2.13 4 6 2.23 6 3
2.4 4 8 2.14 6 8 2.24 7 2
2.5 6 4 2.15 7 4 2.25 8 1
2.6 7 3 2.16 8 3 2.26 9 10
2.7 8 2 2.17 9 2 2.27 10 6
2.8 9 1 2.18 10 1 2.28 1 7
2.9 10 7 2.19 1 10 2.29 2 8
2.10 1 9 2.20 2 6 2.30 3 2
Нормальный закон распределения.

Задание 3. Случайная величина Х подчинена нормальному закону
распределения с математическим ожиданием а, и дисперсией  2 . Найти:
а) плотность распределения f(х);
б) функцию распределения F(х);
в) вероятность попадания в интервал  ;   ;
г) вероятность того, что отклонение случайной величины Х от а будет
получено с ошибкой, не превосходящей по абсолютной величине  ;
д) построить графики F(х) и f(х).
№ а     № а    
3.1 10 1 8 14 2 3.16 10 2 9 14 2
3.2 12 2 7 14 3 3.17 12 4 5 14 3
3.3 14 3 10 15 5 3.18 14 1 9 15 5
3.4 11 5 9 12 3 3.19 11 6 8 12 3
3.5 13 2 6 13 2 3.20 13 4 6 17 2
3.6 12 3 7 15 4 3.21 12 9 8 15 4
3.7 10 2 8 17 2 3.22 10 3 6 17 2
3.8 12 4 6 14 6 3.23 12 5 6 13 6
3.9 14 6 11 19 5 3.24 14 2 12 19 5
3.10 15 5 8 12 3 3.25 15 3 4 12 3
3.11 17 4 6 14 2 3.26 17 1 5 14 2
23
3.12 12 5 7 18 4 3.27 12 4 9 18 4
3.13 18 5 6 12 3 3.28 11 3 4 12 3
3.14 10 4 6 15 2 3.29 17 2 5 19 5
3.15 12 3 5 18 4 3.30 13 5 6 18 3
Биномиальное распределение.
Задание 4. Вероятность некоторого события в каждом испытании из
серии N испытаний равна р. Требуется оценить вероятность того, что частота
этого события отклонится от своей вероятности не более чем на ε =0,01 по
а) неравенству Чебышева;
б) интегральной формуле Муавра-Лапласа.
№ N р № N р № N р
4.1 3000 1/3 4.11 4000 1/6 4.21 3000 1/5
4.2 2000 3/7 4.12 5000 1/3 4.22 2000 1/6
4.3 4000 2/3 4.13 3000 1/4 4.23 4000 2/9
4.4 5000 2/5 4.14 2000 2/3 4.24 5000 1/8
4.5 3000 3/4 4.15 4000 2/7 4.25 3000 1/7
4.6 2000 1/5 4.16 5000 2/4 4.26 2000 2/5
4.7 4000 1/5 4.17 3000 1/9 4.27 4000 2/3
4.8 5000 1/7 4.18 2000 2/3 4.28 5000 2/4
4.9 3000 2/5 4.19 4000 1/4 4.29 3000 1/8
4.10 2000 1/5 4.20 5000 2/8 4.30 2000 2/6
Задание 5. Случайный процесс определяется формулой X(t), где t≥0, V-

случайная величина, имеющая заданный закон распределения (R[a,b]-
равномерный, Exp(λ)-показательный или N(a,σ)-нормальный). Найти:
а) сечение слyчайного процесса X(t) в момент времени t=t0;
б) реализацию слyчайного процесса при одном испытании, в котором
слyчайная величина приняла значение V=V0;
в) математическое ожидание слyчайного процесса;
г) дисперсию и среднее квадратичное отклонение.
№ X(t) V t0 V0
5.1 t•V R[0,5] 2 4
5.2 (t+2)•V N(1,2) 3 1,2
5.3 V•sin(2t) R[4,8] π/2 5
5.4 V•cos(3t) N(5,3) π/3 4,8
-3t
5.5 V•e R[0,10] 1/3 6
5.6 (t-6)•V N(0,5) 6 0,1
5.7 V•sin(5t) R[2,4] π/4 2,5
-2t
5.8 V•e Exp(2) 0,2 1
5.9 (3t+1)•V R[0,4] 0,1 3
5.10 V•(2t+5) Exp(3) 10 2
5.11 (t-2)•V R[-2,2] 1 0,4
24
5.12 (3t+2)•V N(4,3) 3 4,2
5.13 V•sin(5t) R[2,10] π/4 5
5.14 V•cos(4t) N(6,1) π/3 4,8
5.15 V•e-0,5t R[0,10] 1/3 6
5.16 (t-7)•V N(0,5) 6 0,1
5.17 V•sin(3t) R[2,4] π/4 2,5
5.18 V•(4t-2) Exp(2) 0,2 1
5.19 (t2+1)• V R[1,4] 1 3
5.20 V•(3t-5) Exp(2) 7 2
5.21 (t-1)•V R[2,5] 2 4
5.22 (3t-2)•V N(3,1) 3 1,2
5.23 V•sin(7t) R[4,8] π/2 5
5.24 V•cos(7t) N(5,3) π/4 4,8
5.25 V•e-8t R[5,10] 1/3 7
5.26 (3t-1)•V N(2,3) 6 0,1
5.27 V•sin(6t) R[12,14] π/3 12,5
5.28 V•e-2t+1 Exp(3) 0,5 1
5.29 (7t-2)•V R[-4,4] 0,5 0,3
5.30 V•(2t-5) Exp(3) 3 2
Задание 6. Задана матрица P1 вероятности перехода цепи Маркова из

состояния 1 в состояние 2 за один шаг. Найти матрицу перехода P2 из
состояния 1 в состояние 2 за два шага.
№ P1 № P1 № P1
6.1  0,1 0,9  6.11  1 / 3 2 / 3 6.21  0,13 0,87 
     
 0,2 0,8   2 / 5 3/ 5  0,2 0,8 
    
6.2  0,2 0,8  6.12  2 / 8 6 / 8  6.22  0,22 0,78 
     
 0,3 0,7   3 / 5 2 / 5  0,3 0,7 
     
6.3  0,3 0,7  6.13  0,9 0,1  6.23  0,3 0,7 
     
 0,2 0,8   0,3 0,7   0,2 0,8 
     
6.4  0,4 0,6  6.14  0,45 0,55  6.24  0,4 0,6 
     
 0,5 0,5   0,2 0, 7   0,15 0,85 
     
6.5  0,6 0,4  6.15  0,61 0,39  6.25  0,6 0,4 
     
 0,7 0,3   0,2 0,8   0,71 0,29 
     
6.6  0,6 0,4  6.16  0,65 0,35  6.26  0,6 0,4 
     
 0,8 0,2   0,8 0, 2   0,8 0,2 
     
6.7 1 / 4 3 / 4  6.17  2 / 4 2 / 4  6.27  1 / 8 7 / 8 
     
1 / 2 1 / 2   2 / 3 1/ 3   4 / 5 1/ 5 
     
25
6.8 2/3 1/ 3 6.18  2 / 3 1/ 3  6.28  3 / 8 5 / 8
     
4/5 1 / 5  4 / 7 3/ 7  4 / 5 1/ 5 
    
6.9 1 / 7 6 / 7 6.19 1 / 8 7 / 8  6.29 1 / 7 6 / 7 
     
1 / 4 3 / 4  1 / 4 3 / 4  1 / 6 4 / 6 
    
6.10  0,1 0,9  6.20  0,15 0,85  6.30  0,1 0,9 
     
 0,3 0,7   0,3 0,7   0,33 0,67 
   
2.3 Решение типового варианта
Задание 1. Случайная величина Х распределена равномерно на отрезке

[0;0,2]. Найти:
б) функцию распределения F(x);
г) вероятность того, что X < 0,04;
д) построить графики F(x) и f(x).
Решение:
а) случайная величина Х распределена равномерно на [a;b]=[0;0,2], где
b  a  0,2 – длина интервала, в котором заключены возможные значения Х.
Плотность равномерного распределения находится по формуле:
 1
 , если x  (a, b),
f ( x)   b  a

 0, если x  (a, b),
поэтому получим
 1
  5, если x  (0; 0,2),
f ( x)   0,2

 0, если x  (0; 0,2);
 0, если x  a,
x  a
б) функция равномерного распределения – F ( x)   , если a  x  b,
b  a
 1, если x  b.
Поэтому в нашей задаче:
 0, если x  0,
 x
F ( x)    5 x, если 0  x  0,2, ;
 0,2
 1, если x  0,2;
в) математическое ожидание и дисперсия вычисляются по формулам:

ab (b  a) 2
M (X )  , D( X )  ;
2 12
0,2  0 (0,2  0) 2
M (X )   0,1; D( X )   0,003 ;
2 12
26
г) вероятность попадания в интервал ( ,  ) определяется по формуле:
 
P ( a    X    b)   F (  )  F ( ) . Вероятность события, что X<0,04,
ba
0,04 0
равна P(Х  0,04)  P(  X  0,04)  F(0,04)-F(0) =  =0,2;
0,2 0,2
д) графики F(x) и f(x) удобно строить в системе Mathcad:
f ( x)  0 if x  0 F ( x)  0 if x  0
5 if 0  x  0.2 ( 5 x) if 0  x  0.2
0 if x  0.2 1 if x  0.2
6
2
4
f ( x) 1
2
F ( x)
 1  0.5 0 0.5 1  1  0.5 0 0.5 1
x
1
В среде Mathcad равномерному закону распределения соответствуют

специальные функции с корневым словом unif: dunif(x,a,b) выводит значения
плотности распределения; punif(x,a,b) выводит значения функции
распределения; runif(n,a,b) выводит массив из n значений независимых
случайных чисел, распределённых равномерно в интервале (a,b).
Задание 2. Случайная величина t, время безотказной работы

радиолампы, имеет показательное распределение. Среднее время работы
радиолампы Т0=2 месяца. Требуется найти:
а) плотность распределения f(t);
б) функцию распределения F(t), указать её вероятностный смысл;
в) функцию надёжности R(t), указать её вероятностный смысл;
г) математическое ожидание, дисперсию;
д) вероятность того, что за время t=5месяцев радиолампа откажет и
вероятность того, что за время t=5 радиолампа не откажет;
e) построить графики F(t), R(t) и f(t).
Решение: показательным называют закон распределения непрерывной
 0, если x  0
случайной величины Х с плотностью f ( x)    x и функцией
e , если x  0
27
 0, если x  0
распределения F ( x)   ; тогда функция
1  e , если x  0
 x
F (t )  P(T  t )  1  e   t определяет вероятность отказа элемента за время t;

R(t )  P(T  t )  e   t – функция надёжности, которая определяет вероятность
безотказной работы элемента за время t. Основные числовые характеристики
показательного распределения выражаются через один параметр λ:
1 1 1
M ( X )  , D( X )  2 ,  ( X )  ; P(  X   )  e     e    .
  
а) неизвестный параметр λ определяется через среднее время работы
радиолампы (его математическое ожидание):
1 1 1
M (X )   Т0  2      0,5 ; и f (t )  0,5e 0,5 t - соответственно
 M ( x) 2
плотность распределения;
б) F (t )  P(T  t )  1  e 0,5 t определяет вероятность отказа элемента за
время t;
в) R(t )  e 0,5 t определяет вероятность безотказной работы элемента за
время t;
1 1
г) M (t )   2 , D(t )   4;
0,5 0,5 2
д) через функцию распределения определяется вероятность отказа за
0,50
время t=5: F (5)  P(T  5)  P(0  X  5)  e  e 0,55   1  e 0,5 5  1  e 2,5 =0,918;
а через функцию надёжности определяется вероятность противоположного
события «радиолампа не откажет» за время t=5: R(5)  e 0,5 5  e 2,5 =0,082 или
1-0,918=0,082;
д) графики F(t), R(t) и f(t) и некоторые вычисления удобно выполнять в
программной системе Mathcad:
f ( t)  0 if t  0 F ( t)  0 if t  0
 0.5 t  0.5 t
0.5e if t  0 1e if t  0
1 2
0.5
1
f ( t) F ( t)
0 2 4
 0.5 0 2 4
1 1
2 t
R ( t)  0 if t t 0
1  2.5
 0.5 t R( t) e  0.082
e if t  0 0 2 4
1  2.5
1e  0.918
t
28
В среде Mathcad показательному закону распределения соответствуют
специальные функции с корневым словом exp: dexp(x,  ) выводит значения
плотности распределения; pexp(x,  ) выводит значения функции
распределения; rexp(n,  ) выводит массив из n значений независимых
случайных чисел, распределённых по показательному закону с параметром  .
Задание 3. Случайная величина Х подчинена нормальному закону

распределения с параметрами: а=10 и  =2. Требуется найти:
а) плотность распределения f(х);
б) функцию распределения F(х);
г) вероятность попадания Х в интервал (12;14);
д) вероятность того, что отклонение случайной величины Х от а будет
получено с ошибкой, не превосходящей по абсолютной величине  =3;
е) построить графики F(х) и f(х).
Решение:
а) N(а,  ) - нормальным называют закон распределения непрерывной
случайной величины Х с плотностью и функцией распределения,
соответственно:
( xa )
2
1 
f ( x)  e 2 ;
2
 2
1
x
  (t  a) 2   x a
F ( x)   exp
 2   2
 2 dt или F ( x)  
   
  0,5 ,
где а =M(Х) – математическое ожидание;
   (X ) – среднее квадратичное отклонение,
2
1 x  t2
 ( x) 
2 0
 e dt – функция Лапласа, её значения табулированы (см.
приложение 2) или их можно найти в системе Mathcad. Подставив параметры
а=10 и  =2, получим:
( x 10)
2
1 
f ( x)  e 8 ;
2 2
 x  10 
б) F ( x)     0,5 ;
 2 
в) M ( X )  a  10 ,  ( X )    2 , D( X )   2  4 ;
г) вероятность попадания СВ Х в интервал (α; β) для нормального
определяется через функцию Лапласа:
 a   a 
P(  X   )  F ( )  F ( )       ;
     
29
 14  10   12  10 
P(12  X  14)       = 2  1 =0,4772-
 2   2 
0,3413=0,1359;
д) вероятность того, что случайная величина Х отклонится от а своего
математического ожидания а не более чем на  , находится по формуле:
 
P( X  a   )  2  .
 
Поэтому вероятность того, что отклонение Х от а будет произведено с
ошибкой, не превосходящей по абсолютной величине  =3, будет равна
3
P( X  10  3)  2  = 2(1,5) =0,4332,
2
где значения функции Лапласа взяты из готовых таблиц, приведенных в
приложение 2;
е) в системе Mathcad нормальному закону распределения соответствуют
функции, в названии имеющие корневое слово norm и начинающиеся с букв d,
p, q, r. Для построения графиков F(t) и f(t) используются, например,
dnorm(x,a,  ), которое выводит значения плотности распределения f(x);
pnorm(x,a,  ) выводит значения функции распределения F(x). Копия файла из
Mathcad приведена ниже.
f (x)  dnorm(x 10 2). F(x)  pnorm(x 10 2).
f ( x) 1
F ( x)
0 10 20
1
Задание 4. Вероятность некоторого события в каждом испытании из

серии 9000 независимых испытаний равна 1/3. Требуется оценить
вероятность того, что частота этого события отклонится от своей вероятности
не более чем на ε =0,01 по
а) неравенству Чебышева;
б) интегральной формуле Муавра-Лапласа.
Решение:
а) учитывая то, что дается закон распределения Бернулли, найдем его
математическое ожидание и дисперсию: M(X)=np=9000•1/3=3000;
D(X)=npq=9000•1/3•(1-1 /3 ) =2000.
Неравенство Чебышева для СВ Х имеет вид
D( X )
P( X  М ( Х )   )  1  ;
2
30
это же неравенство Чебышева для отклонения частоты m/n события от его
вероятности p принимает вид
D( X )
P( m / n  p   )  P( m  np    n)  1  .
(  n) 2
Тогда
2000 20
P( m / n  p  0,01)  P( m  np  0,01  9000)  1  .  1  
(0,01  9000) 2 81
61
  0,7531;
81
б) оценим это отклонение по интегральной формуле Муавра-Лапласа
 a   a   
P(  X   )        или P( X  a   )  2  ,
       
которое при отклонении частоты m/n от вероятности p принимает вид
 n  
P( m / n  p   )  P( m  np  n )  2 
 D( X )  ,
 
 0,01  9000 
P( m / n  p  0,01)  2Ф   2Ф(2,01)  0,9545.
 2000 
Задание 5
Случайный процесс определяется формулой:
X(t)=V·e-t, где t≥0, V~ N(3;1),
т.е. V - случайная величина, распределенная по нормальному закону с
a=MV=3, σV=1. Найти:
а) математическое ожидание слyчайного процесса X(t);
б) дисперсию и среднее квадратическое отклонение с.п. X(t);
в) сечение слyчайного процесса X(t) =V·e-t в момент времени t=4;
г) реализацию слyчайного процесса при одном испытании, в котором
слyчайная величина приняла значение V0=2.
Решение:
а) используется свойство, что неслучайный множитель можно выносить
за знак математического ожидания случайного процесса: M(f(t)·X(t))=f(t)·mX(t).
Получим
mX(t)=M(V·e-t)= e-t ·MV,
так как V ~ N(3;1), следовательно, МV=3 и mX(t)= 3·e-t;
б) находим дисперсию с.п., используя ее свойство: D(f(t)·X(t))=f(t)2
·D(X(t)). Получим DX(t)=D(V·e-t)= e-2t·DV. Так как V ~ N(3;1) следовательно
DV=σ2=12 и DX(t)= 1·e-2t. Далее находим среднее квадратическое отклонение
с.п.
σX(t)= (DX(t))1/2= (e-2t)1/2= e-t;
в) сечение слyчайного процесса X(t) =V·e-t в момент времени t=4 есть
X1=X(4) =V·е-4=V/e4;
31
г) реализация слyчайного процесса при одном испытании, в котором
слyчайная величина приняла значение V0=2, определяется
x(t)=V0··е-t=2e-t.
 0.2 0.3 0.5 

 
Задание 6. Задана матрица P1 P   0.3 0.2 0.5  вероятности перехода
 0.5 0.3 0.2 
 
цепи Маркова из состояния 1 в состояние 2 за один шаг. Найти матрицу
вероятностей переходов P2 из состояния 1 в состояние 2 за два шага.
Решение:
По формуле P(n)=Pn находим
2
 0.2 0.3 0.5   0.2 0.3 0.5   0.2 0.3 0.5   0.38 0.27 0.35 
       
P2  P   0.3 0.2 0.5    0.3 0.2 0.5    0.3 0.2 0.5    0.37 0.28 0.35 .
2
 0.5 0.3 0.2   0.5 0.3 0.2   0.5 0.3 0.2   0.29 0.27 0.44 
       
32
3 Расчетно-графическая работа №3. Математическая статистика
1. Предмет математической статистики и её основные задачи. Основные

понятия (выборка, объём выборки, варианты, статистический ряд,
интервальный ряд).
2. Эмпирическая функция распределения, полигон, гистограмма.
3. Определение неизвестных параметров распределения (выборочная
средняя, выборочная и исправленная выборочная дисперсии).
4. Точечные и интервальные оценки параметров распределения.
5. Точность и надёжность оценки. Доверительный интервал.
Доверительный интервал для оценки мат. ожидания нормально
распределённой случайной величины с известным  .
6. Понятие корреляционной зависимости. Коэффициент корреляции,
положительная и отрицательная корреляции. Функции и линии регрессии.
3.2 Расчетные задания
Задание 1. В результате эксперимента получены данные, записанные в

виде статистического ряда. Требуется:
а) записать значения результатов эксперимента в виде вариационного
ряда (выборку в порядке возрастания);
б) записать интервальный статистический ряд (минимальную и
максимальную варианты, размах варьирования и разбить его на 9 интервалов,
эмпирические частоты интервалов);
в) построить полигон частот, гистограмму относительных частот и
график эмпирической функции распределения;
г) найти числовые характеристики выборки выборочную среднюю,
выборочную и исправленную выборочную дисперсии;
д) исправленное выборочное среднеквадратическое отклонение:
е) выборочные моду и медиану;
ж) выборочные начальные моменты третьего и четвертого порядков;
и) выборочный эксцесс;
к) коэффициент асимметрии.
1.1.
17,1 21,4 15,9 19,1 22,4 20,7 17,9 18,6 21,8 16,1
19,1 20,5 14,2 16,9 17,8 18,1 19,1 15,8 18,8 17,2
16,2 17,3 22,5 19,9 21,1 15,1 17,7 19,8 14,9 20,5
17,5 19,2 18,5 15,7 14,0 18,6 21,2 16,8 19,3 17,8
18,8 14,3 17,1 19,5 16,3 20,3 17,9 23,0 17,2 15,2
15,6 17,4 21,3 22,1 20,1 14,5 19,3 18,4 16,7 18,2
16,4 18,7 14,3 18,2 19,1 15,3 21,5 17,2 22,6 20,4
33
22,8 17,5 20,2 15,5 21,6 18,1 20,5 14,0 18,9 16,5
20,8 16,6 18,3 21,7 17,4 23,0 21,1 19,8 15,4 18,1
18,9 14,7 19,5 20,9 15,8 20,2 21,8 18,2 21,2 20,1
1.2.
16,8 17,9 21,4 14,1 19,1 18,1 15,1 18,2 20,3 16,7
19,5 18,5 22,5 18,4 16,2 18,3 19,1 21,4 14,5 16,1
21,5 14,9 18,6 20,4 15,2 18,5 17,1 22,4 20,8 19,8
17,2 19,7 16,3 18,7 14,4 18,8 19,5 21,6 15,3 17,3
22,8 17,4 22,3 16,5 21,7 15,4 21,3 14,3 20,5 16,4
20,6 15,5 19,4 17,5 20,9 23,0 18,9 15,9 18,2 20,7
17,9 21,8 14,2 21,2 16,1 18,4 17,5 19,3 22,7 19,6
22,1 17,6 16,7 20,4 15,7 18,1 16,6 18,3 15,5 17,7
19,2 14,8 19,7 17,7 16,5 17,8 18,5 14,0 21,9 16,9
15,8 20,8 17,1 20,1 22,6 18,9 15,6 21,2 20,2 15,1
1.3.
189 207 213 208 186 210 198 219 231 227
202 211 220 236 227 220 210 183 213 190
197 227 187 226 213 191 209 196 202 235
211 214 220 195 182 228 202 207 192 226
193 203 232 202 215 195 220 233 214 185
234 215 196 220 203 236 225 221 193 215
204 184 2174 193 216 205 197 203 229 204
225 216 233 223 208 204 207 182 216 191
210 190 207 205 232 222 198 217 211 201
185 217 225 201 208 211 189 205 207 199
1.4.
9,4 7,9 0,3 6,8 4,2 11,9 7,8 1,7 5,1 8,8
8,7 11,1 7,7 1,8 5,5 10,5 4,3 3,8 1,4 11,2
1,1 7,3 3,7 4,4 11,8 8,6 1,9 5,6 10,1 8,4
10,0 11,6 5,2 2,1 5,7 4,8 7,4 0,8 4,7 3,6
8,3 7,6 0,7 7,3 3,41 11,4 5,7 9,9 2,2 7,2
2,3 4,7 9,7 11,3 5,8 4,9 3,3 0,5 7,5 4,6
5,0 0,4 8,9 7,1 9,6 11,5 5,9 9,0 5,3 2,4
9,25 5,9 1,0 9,1 2,5 6,0 8,2 3,2 10,9 6,1
10,2 2,6 4,25 3,1 6,2 11,7 6,3 0,2 7,0 9,2
1,2 6,4 11,9 6,9 8,1 6,5 2,9 6,2 4,4 10,3
1.5.
1,6 4,4 10,9 6,4 4,0 2,8 5,2 1,2 7,6 3,4
2,9 5,3 1,7 7,7 6,9 10,1 5,4 4,1 8,8 6,5
6,6 4,2 5,5 0,5 8,9 4,5 1,8 5,6 7,8 3,0
34
1,9 10,2 7,9 2,5 5,7 3,1 6,7 4,3 0,6 9,0
6,8 3,2 4,4 9,1 10,3 6,0 7,9 6,9 8,0 2,0
7,0 10,7 8,1 2,1 5,8 6,4 0,3 4,5 9,2 3,3
7,6 9,3 3,4 4,6 5,0 3,8 5,9 8,2 2,2 7,1
2,3 0,8 7,2 8,3 11,1 6,5 3,5 9,4 10,8 4,7
4,8 6,1 3,6 9,5 8,4 2,4 6,2 7,3 5,7 0,9
7,4 8,5 5,8 1,1 5,9 4,9 3,7 9,6 2,6 6,1
1.6.
20 26 32 34 26 28 22 30 17 24
30 28 18 22 24 26 34 28 22 20
34 24 28 20 32 17 22 24 26 30
30 22 26 35 28 24 30 32 28 18
20 30 17 24 32 28 22 26 24 30
34 26 24 28 22 30 35 32 20 17
28 22 36 30 20 26 28 23 24 32
20 26 30 24 32 17 22 28 35 26
28 35 32 22 26 24 26 24 30 24
18 24 26 28 35 30 26 22 26 28
1.7.
57 46 33 49 29 50 38 41 27 34
37 49 51 26 55 42 59 43 46 30
31 43 58 41 35 47 33 45 49 37
47 34 54 39 60 49 25 50 31 53
38 41 30 51 37 55 47 43 35 42
35 46 27 45 41 34 50 29 51 39
42 59 43 31 38 58 54 37 26 43
29 42 33 41 24 39 53 45 3,3 51
45 25 54 50 37 30 41 60 42 46
38 53 34 47 35 49 57 39 55 31
1.8.
37 49 43 31 44 38 40 31 28 43
32 44 47 29 51 25 43 38 41 32
38 24 49 40 32 34 31 28 37 46
41 35 43 25 37 46 38 24 41 50
38 29 41 32 34 49 44 37 31 47
50 34 25 37 40 32 35 28 44 43
46 37 41 35 29 43 38 31 26 34
49 32 46 26 38 35 40 51 37 46
37 25 40 34 24 44 32 28 34 38
44 34 29 47 37 49 43 35 47 50
35
1.9.
70 95 75 85 60 77 55 63 80 67
90 78 57 76 84 82 75 68 73 62
62 81 77 72 97 68 85 56 92 71
73 78 98 63 83 85 70 90 66 91
86 68 55 93 71 96 77 81 86 72
82 62 70 78 67 87 91 99 78 87
91 58 81 97 75 83 71 66 61 76
73 85 65 90 86 61 54 75 78 93
87 58 72 92 66 98 65 81 76 63
95 83 65 57 80 87 61 92 56 71
1.10.
57,3 75,1 78,1 69,3 60,1 77,3 66,1 69,5 72,1 68,7
81,1 69,4 63,1 67,4 77,1 82,6 64,8 72,5 62,5 80,7
77,6 65,8 78,3 57,7 80,7 64,4 82,8 67,3 83,1 70,6
75,3 58,0 60,7 81,3 67,1 69,6 82,4 62,3 66,9 80,6
62,7 73,8 68,9 83,8 57,0 72,6 65,6 78,7 59,5 70,0
73,5 58,1 64,0 83,9 84,0 63,5 74,1 77,7 68,5 80,5
66,3 73,0 79,1 71,1 80,4 62,1 66,7 83,7 76,8 59,3
71,3 63,7 71,2 78,96 65,2 77,9 74,9 69,1 70,8 74,8
71,6 72,9 61,9 71,5 75,4 71,7 59,9 74,3 76,1 70,9
61,3 71,4 71,8 65,0 67,8 75,5 71,9 64,9 74,7 62,9
1.11.
181 141 162 103 136 124 41 117 69 153
101 24 67 154 172 110 62 59 197 121
135 58 199 159 81 39 142 87 179 85
171 107 125 192 163 200 133 150 178 98
148 56 113 169 73 138 104 31 90 109
127 116 190 20 111 94 57 119 53 76
66 132 166 9 44 115 72 26 128 149
46 75 105 137 82 64 186 96 176 97
156 33 188 58 112 139 86 174 106 77
152 130 43 108 119 129 37 71 96 114
1.12.
32 105 48 80 144 128 64 112 18 81
66 129 113 17 94 78 90 51 104 34
110 149 36 103 82 53 93 130 68 150
114 84 55 131 70 38 102 77 16 135
41 19 142 61 85 159 115 57 72 101
56 100 86 146 73 40 141 25 87 126
151 71 94 15 125 76 54 99 39 140
36
17 124 52 98 13 37 147 88 69 109
35 158 67 30 93 123 50 138 21 97
96 121 49 137 89 145 91 65 92 33
1.13.
0,053 0,026 0,037 0,056 0,041 0,035 0,031 0,046 0,021 0,054
0,035 0,039 0,043 0,031 0,038 0,023 0,045 0,026 0,037 0,042
0,030 0,041 0,021 0,047 0,026 0,046 0,033 0,038 0,053 0,035
0,049 0,054 0,039 0,034 0,051 0,029 0,046 0,023 0,038 0,043
0,026 0,039 0,033 0,020 0,042 0,050 0,025 0,037 0,041 0,029
0,029 0,038 0,027 0,043 0,035 0,030 0,049 0,055 0,039 0,034
0,022 0,045 0,034 0,055 0,037 0,025 0,033 0,051 0,027 0,045
0,041 0,051 0,027 0,046 0,029 0,038 0,042 0,020 0,039 0,031
0,025 0,047 0,030 0,050 0,023 0,039 0,035 0,049 0,030 0,047
0,034 0,022 0,042 0,031 0,049 0,033 0,056 0,037 0,050 0,025
1.14.
0,026 0,034 0,028 0,036 0,030 0,038 0,041 0,038 0,030 0,028
0,028 0,030 0,034 0,038 0,040 0,036 0,034 0,023 0,032 0,026
0,034 0,032 0,024 0,036 0,032 0,026 0,030 0,028 0,038 0,034
0,038 0,041 0,028 0,026 0,030 0,034 0,032 0,040 0,036 0,032
0,030 0,036 0,034 0,032 0,023 0,032 0,028 0,032 0,026 0,038
0,026 0,032 0,028 0,040 0,038 0,030 0,032 0,024 0,036 0,030
0,024 0,032 0,030 0,036 0,028 0,041 0,032 0,038 0,034 0,026
0,041 0,034 0,023 0,038 0,026 0,030 0,028 0,036 0,040 0,028
0,030 0,026 0,034 0,028 0,024 0,036 0,032 0,030 0,038 0,034
0,028 0,034 0,040 0,036 0,030 0,038 0,023 0,034 0,032 0,026
1.15.
0,86 1,04 1,45 1,31 1,22 1,09 0,73 1,11 0,95 0,84
0,96 0,78 1,23 1,13 1,04 1,44 1,32 1,29 0,68 0,86
1,33 1,08 0,87 0,67 1,28 0,97 1,14 0,83 1,33 1,40
1,24 1,43 0,98 1,34 0,81 0,88 1,10 0,70 1,15 1,23
1,34 1,09 0,80 1,16 1,24 0,75 0,99 1,41 0,88 0,79
1,36 1,25 0,89 1,26 1,42 1,35 0,80 1,17 0,90 1,00
1,11 0,69 1,18 0,82 1,01 0,90 1,36 1,25 0,67 0,91
1,37 1,02 0,92 1,27 1,19 1,38 1,46 0,93 1,27 0,83
1,04 1,11 1,47 1,07 0,72 0,93 1,26 0,77 1,20 1,28
0,77 1,10 0,95 1,05 1,08 1,11 1,10 1,48 1,07 0,92
1.16.
0,76 0,82 0,70 0,86 0,78 0,96 0,68 0,83 0,92 0,86
0,86 0,84 0,66 0,92 0,76 0,95 0,84 1,91 0,78 0,70
0,78 0,70 0,82 0,99 0,83 0,86 0,67 0,91 0,75 0,86
37
0,83 0,75 0,95 0,79 0,65 0,84 0,78 0,88 0,70 0,95
0,87 0,71 0,92 1,00 0,75 0,87 0,80 0,79 0,66 0,90
0,79 0,82 0,65 0,83 0,88 0,96 0,75 0,91 0,71 0,87
0,76 0,90 0,71 0,87 0,74 0,94 0,80 1,00 0,95 0,79
0,96 0,98 0,84 0,79 0,91 0,71 0,65 0,90 0,88 0,74
0,74 0,67 0,94 0,72 1,01 0,82 0,80 0,83 0,99 0,83
0,88 0,80 0,72 0,91 0,84 0,74 0,94 0,72 0,83 0,87
1.17.
1,66 2,21 1,21 1,46 1,16 1,81 0,86 1,74 2,08 1,38
2,27 0,81 2,39 2,19 2,25 1,67 1,84 1,37 2,12 2,37
1,15 2,17 1,45 1,75 1,14 1,94 1,53 0,83 1,68 1,35
2,39 1,63 1,86 1,24 1,73 1,07 2,10 1,13 1,91 1,31
1,78 2,09 1,54 1,79 1,08 1,42 0,80 1,96 1,19 0,85
1,88 1,27 0,84 2,60 1,44 1,77 2,45 1,10 2,16 1,59
1,56 2,30 2,48 0,99 1,18 2,11 1,64 2,28 1,29 1,93
2,15 1,72 1,83 1,47 1,87 1,17 2,29 1,90 1,71 2,55
2,31 1,39 1,85 2,38 1,65 2,51 1,48 1,28 2,18 1,49
2,14 1,76 1,51 1,82 0,91 2,51 2,34 2,59 1,69 2,13
1.18.
2,1 2,3 1,5 3,1 2,7 1,9 2,4 0,9 2,5 1,1
1,3 2,3 2,3 3,9 2,4 3,6 1,6 3,2 2,9 2,0
2,1 3,3 0,8 3,5 1,7 2,6 4,1 2,8 1,2 2,5
1,1 2,4 1,5 3,2 2,7 1,5 3,7 1,9 3,1 4,0
4,1 2,9 2,0 2,0 1,1 0,7 3,3 2,5 1,6 2,4
2,1 3,2 0,9 2,8 4,2 2,8 1,9 1,2 1,7 3,5
2,1 3,9 2,4 1,7 3,6 2,5 0,8 3,1 2,1 1,3
3,2 1,6 0,7 2,6 1,3 2,0 3,7 2,9 4,0 3,1
2,8 4,1 1,9 3,6 3,3 2,9 0,6 1,5 1,2 2,4
1,1 3,5 1,6 2,4 3,9 2,7 2,5 1,9 2,6 3,2
1.19.
19,3 44,5 49,9 26,9 50,2 51,1 18,6 72,7 35,4 25,4
42,7 17,5 51,7 49,3 26,2 47,1 71,4 27,1 75,7 43,2
25,5 27,2 80,4 50,4 70,2 14,9 52,4 62,3 41,7 49,5
40,6 14,5 62,8 34,5 53,4 26,1 69,3 52,5 27,3 80,3
25,3 43,1 27,4 80,1 68,4 63,3 13,4 55,4 39,5 33,1
38,4 19,7 63,8 40,4 80,8 56,4 66,1 27,5 79,1 24,6
28,6 47,9 78,4 57,4 66,5 37,3 23,4 67,6 11,1 64,3
22,7 64,8 36,2 58,7 10,8 47,7 58,4 29,2 46,7 77,2
51,9 31,3 44,7 66,3 20,1 65,3 45,5 76,3 67,8 35,1
66,9 18,9 42,9 50,7 34,9 43,5 32,5 48,4 53,1 65,8
38
1.20.
56,5 47,3 23,1 38,6 92,5 50,9 74,9 67,5 47,5 83,9
11,8 70,1 57,1 39,9 54,7 70,9 47,4 28,1 39,1 76,2
32,3 92,1 20,7 48,6 87,1 66,3 45,8 41,4 56,9 22,6
45,8 58,4 53,4 51,4 11,6 30,9 31,4 37,4 65,8 19,3
45,3 74,4 21,2 25,7 56,7 20,3 48,3 60,1 46,2 64,1
15,1 47,7 12,7 92,6 29,5 52,0 60,2 32,1 74,5 54,2
36,1 47,2 26,1 65,3 42,0 50,1 72,1 56,4 25,1 75,1
83,8 38,7 81,2 65,1 87,4 35,3 92,4 85,6 83,5 20,5
76,3 69,4 41,6 35,9 29,7 80,9 49,9 59,5 83,4 76,5
24,4 55,9 74,2 27,3 76,7 29,9 69,1 30,1 65,4 18,4
1.21.
15,2 23,1 27,1 18,6 25,1 27,5 16,0 28,8 22,7 18,8
24,9 26,3 21,2 28,0 25,5 27,7 20,9 31,9 16,8 29,1
26,8 17,4 31,5 21,4 24,8 17,2 30,8 23,7 29,7 21,1
20,4 24,5 26,0 28,7 20,0 33,0 27,9 24,5 20,6 32,1
26,9 19,7 21,5 19,8 16,8 21,7 26,4 23,2 22,9 26,6
25,3 25,8 16,6 23,6 15,0 22,3 24,0 22,4 32,5 19,1
24,7 29,8 18,2 29,6 23,4 18,1 16,9 24,2 24,1 32,2
24,4 18,4 22,1 30,1 22,0 17,8 28,0 25,7 30,9 22,5
30,7 22,5 30,0 27,3 25,4 26,2 20,7 28,1 19,3 28,9
20,3 30,4 24,3 31,6 30,0 22,6 29,2 32,7 26,7 15,8
1.22.
19,1 23,5 19,6 27,5 33,3 31,2 27,7 21,4 27,3 20,5
21,9 20,7 15,2 27,3 23,0 31,7 18,9 23,7 33,1 27,9
23,9 18,5 24,1 28,1 22,0 16,4 30,8 27,1 19,9 30,4
20,5 30,9 31,9 26,9 19,8 28,3 22,7 15,6 22,4 18,3
28,5 16,2 22,5 18,1 28,4 33,9 30,8 19,6 26,7 32,5
21,1 24,3 26,5 15,4 24,5 26,4 28,7 17,9 30,6 23,1
32,1 23,2 17,7 28,9 22,9 20,1 30,4 26,3 16,0 25,4
26,1 15,8 30,2 19,4 25,1 25,3 17,5 24,7 21,7 29,1
21,2 21,8 17,3 33,5 29,3 24,9 30,0 15,0 25,2 25,8
33,7 24,5 25,6 23,3 29,8 17,2 25,1 22,4 29,6 19,3
1.23.
81 106 135 170 206 60 181 178 154 103
78 176 31 204 145 85 229 47 108 234
110 207 241 168 133 68 174 143 89 182
203 153 172 93 48 228 255 134 112 58
144 235 114 77 208 183 59 170 95 154
104 202 39 164 247 226 110 67 121 193
123 91 164 57 209 30 185 162 250 225
39
201 160 239 211 131 142 101 153 76 125
137 54 127 87 66 190 158 241 33 221
100 195 156 146 231 220 129 83 151 56
1.24.
76 28 151 91 60 204 177 102 128 217
120 66 207 126 124 152 27 221 131 51
241 77 250 134 123 147 184 195 47 160
159 74 169 178 79 129 250 223 182 96
135 199 56 25 82 116 44 229 145 203
88 209 146 224 239 103 201 245 130 163
71 165 176 194 78 154 99 78 127 69
171 173 31 181 117 84 73 161 240 149
247 107 140 53 205 155 29 132 185 179
180 128 42 114 93 191 174 210 133 226
1.25.
157,2 137,1 136,0 131,1 142,1 152,0 150,2 125,74 146,6 141,6
138,3 143,4 143,7 144,2 158,3 146,0 140,8 135,8 150,9 156,4
145,1 122,4 139,1 155,5 150,2 146,2 159,6 146,2 164,1 140,5
156,4 141,6 134,4 149,2 145,3 128,4 150,6 133,7 142,1 136,9
127,2 138,2 160,8 155,2 121,8 150,5 144,5 150,5 141,4 128,0
136,2 145,9 162,5 136,9 142,9 146,4 153,2 161,4 150,8 141,6
149,8 154,1 148,4 144,8 150,8 129,3 145,3 141,2 146,4 135,5
134,8 147,1 137,5 159,7 142,7 145,7 150,3 123,5 139,6 153,6
138,4 166,8 148,8 152,5 151,6 133,4 145,6 144,5 144,4 140,8
152,1 137,4 132,1 149,7 166,2 151,1 145,1 139,5 130,1 145,6
1.26.
2,85 5,92 3,06 2,47 6,28 3,86 2,19 5,81 3,88 3,01
3,91 3,11 1,46 4,67 3,95 5,76 3,08 3,99 6,38 1,51
2,34 4,19 5,72 4,14 3,03 4,08 6,47 4,05 5,96 4,01
4,23 2,16 6,55 3,14 4,26 4,31 1,48 4,45 2,71 5,69
6,60 4,69 2,93 7,68 0,65 6,68 3,18 5,64 4,56 3,36
2,64 3,23 6,75 4,57 5,61 3,29 7,08 2,91 4,59 2,59
4,61 1,98 6,21 3,39 4,62 2,28 4,64 3,45 5,56 4,07
3,58 4,73 3,61 2,24 4,31 3,81 5,52 4,26 4,17 7,49
1,29 4,45 4,78 5,01 7,85 5,49 2,01 4,89 0,98 4,84
2,26 5,47 4,63 4,98 5,42 4,60 5,10 4,96 4,63 5,05
1.27.
76,23 45,29 92,41 35,48 56,81 45,67 54,01 45,88 25,56 65,91
48,11 6,32 26,31 74,27 27,82 88,04 36,12 56,97 4,97 46,31
55,78 46,85 57,31 37,28 66,41 28,53 72,48 29,34 38,34 62,35
46,82 39,47 81,04 54,06 48,64 61,22 40,56 30,11 78,45 48,53
40
86,24 47,51 66,92 42,74 4,83 47,83 64,02 57,84 41,63 53,75
65,21 43,82 58,31 33,71 44,95 68,91 32,84 45,21 84,47 31,27
49,29 83,09 55,11 94,75 49,85 58,86 55,30 69,44 50,41 35,07
67,24 41,78 50,56 34,05 37,91 71,25 17,84 14,51 18,23 51,93
50,89 9,41 16,31 51,33 70,58 15,91 51,84 59,31 25,01 60,31
85,52 59,77 75,26 52,22 95,73 19,04 60,85 22,91 53,84 15,02
1.28.
1,58 1,95 0,89 1,76 1,54 2,18 1,13 2,59 1,91 1,60
1,19 1,70 2,58 1,31 2,54 1,90 2,20 1,49 2,69 1,51
1,77 1,93 1,48 2,21 1,64 2,92 1,25 1,97 0,90 1,78
1,12 2,48 1,38 1,79 1,75 0,67 2,22 1,62 1,82 1,09
1,61 1,71 0,95 2,23 1,46 1,99 2,24 1,72 2,03 1,25
1,28 2,04 1,83 1,69 1,81 1,22 2,05 1,07 1,74 1,88
1,80 0,69 2,07 1,29 2,27 2,75 1,41 2,08 2,30 2,18
1,34 1,84 1,73 2,31 1,86 1,40 2,46 0,73 2,33 1,85
1,02 2,13 1,66 2,84 1,16 2,34 1,44 2,89 2,09 2,90
1,87 1,43 2,11 0,84 1,91 2,44 2,10 1,75 2,60 1,68
1.29.
30,2 51,9 43,1 58,9 34,1 55,2 47,9 43,7 53,2 34,9
47,8 65,7 37,8 68,6 48,4 67,5 27,3 66,1 52,0 55,6
54,1 26,9 53,6 42,5 59,3 44,8 52,8 42,3 55,9 48,1
44,5 69,8 47,3 35,6 70,1 39,5 70,3 33,7 51,8 56,1
28,4 48,7 41,9 58,1 20,4 56,3 46,5 41,8 59,5 38,1
41,4 70,4 31,4 52,5 45,2 52,3 40,2 60,4 27,6 57,4
29,3 53,8 46,3 40,1 50,3 48,9 35,8 61,7 49,2 45,8
45,3 71,5 35,1 57,8 28,1 57,6 49,6 45,5 36,2 63,2
61,9 25,1 65,1 49,7 62,1 46,1 39,9 62,4 50,1 33,1
33,3 49,8 39,8 45,9 37,3 78,0 64,9 28,8 62,5 58,7
1.30.
88 72 100 60 116 74 36 143 114 70
56 75 30 76 89 53 117 90 135 103
35 128 71 86 43 76 61 113 34 83
62 84 50 69 120 91 102 47 119 99
33 76 91 37 85 17 85 63 121 74
46 85 63 104 77 92 54 78 42 105
85 79 49 80 93 32 106 81 64 79
73 19 80 65 107 123 51 94 80 108
52 83 124 81 96 82 109 20 95 68
66 41 82 98 111 67 125 97 112 58
41
Задание 2. Для интервального ряда из задания 1 требуется:
а) вычислить теоретические частоты, предполагая по нулевой гипотезе,
что генеральная совокупность имеет нормальный закон распределения;
б) пользуясь критерием Пирсона при уровне значимости   0,05 ,
сравнить теоретические и эмпирические частоты. Вычислить  набл
2
и сравнить с
 2 ,к ;
в) найти доверительные интервалы для математического ожидания и для
среднего квадратичного отклонения при надежности   0,95 .
Задание 3. Значения признаков Х и Y заданы корреляционной

таблицей. Требуется найти:
а) выборочные средние каждого из признаков хв, ув;
б) их среднеквадратичные отклонения sx, sy;
в) коэффициент линейной корреляции rxy;
г) уравнения прямых регрессий y на x и x на y.
3.1
Y 12 17 22 27 32 37
X
105 3 4
110 6 3
115 6 35 2
120 8 12 6
125 4 7 4
3.2
X 14 17 20 25 33 37
Y
100 3 6
110 4 3
120 8 35 2
130 6 12 6
140 4 7 4
3.3
X 22 27 32 37 42 47
Y
5 3 4
10 6 3
15 6 35 7
20 8 12 2
25 4 6 4
42
3.4
X 2 7 12 17 22 28
Y
95 3 4
100 6 3
105 6 35 2
110 8 12 6
115 4 7 4
3.5
X 9 20 31 42 53 64
Y
2,2 4 1
3,0 6 4
3,8 2 50 2
4,6 1 9 7
5,4 4 3 7
3.6
X 21 31 41 51 61 71
Y
3,6 3 2
4,9 6 3
6,2 4 45 5
7,5 2 11 4
8,8 4 7 3
3.7
X 15 22 29 36 43 50
Y
2,9 1 5
4,0 6 3
5,1 7 43 5
6,2 2 8 6
7,3 5 6 3
3.8
X 9 13 17 21 25 29
Y
11 1 5
18 3 5
25 9 40 2
32 4 11 6
39 4 7 3
3.9
X 6 1 1 2 26 31
Y 1 6 1
43
9 4 2
1 5 3
5
2 5 4 5
1 5
2 2 8 7
7
3 4 3
3 7
3.10
1 1 1 2 26 30
X 0 4 8 2
Y
1 5 1
0
1 6 2
5
2 5 4 5
0 0
2 2 8 7
5
3 4 7 8
0
3.11
X 3 1 1 2 35 43
Y 1 9 7
1 2 4
00
1 3 7
15
1 5 3 10
30 0
1 7 1 8
45 0
1 5 6 3
60
3.12
X 2 8 1 2 26
Y 4 0
1 3 5
10
1 4 4
20
44
1 7 3 9
30 4
1 1 1 8
40 1
1 6 5
50
3.13
X 7 1 1 1 19 22
Y 0 3 6
8 3 3
0
9 5 4
0
1 40 2 8
00
1 5 1 6
10 0
1 4 7 3
20
3.14
X 2 2 3 3 40 45
Y 0 5 0 5
1, 3 2
6
2, 6 3
9
4, 4 5 10
2 0
6, 2 1 4
8 1
8, 4 7 3
2
3.15
X 1 2 3 3 46 53
Y 8 5 2 9
2, 1 5
8
3, 3 5
8
5, 7 4 5
0 3
6, 3 5 6
45
2
3.16
X 9 1 1 1 21 24
Y 2 5 8
2, 5 2
4
3, 7 5
0
3, 2 5 2
8 0
4, 1 9 7
6
5, 3 2 6
2
3.17
X 7 1 1 1 23 27
Y 1 5 9
1 1 5
0
1 3 5
7
2 9 4 2
4 0
3 4 7 3
1
3.18
X 1 2 2 3 36 41
Y 6 1 6 1
8 4 2
1 5 3
4
2 5 4 5
0 5
2 4 7 3
6
3 2 8 7
2
3.19
X 5 8 1 1 20 25
Y 1 6
1 2 5
0
2 3 8
46
0
3 4 8 45
0
4 2 7 3
0
3.20
X 1 1 2 2 29 33
Y 3 7 1 5
8 6 4 12
1 8 10 1
0 2
1 2 4 46
2
1 2 3
4
3.21
X - 0 3 6 12 15
Y 3
7 1 3 7
,8
8 3 9 1
,1 1
8 2 7 34
,4
8 2 5
,9
3.22
X 7 8 8 8 92 98
Y 7 0 4 9
2 1 4 8
3 2 6 3
,5 4
5 9 1 45
2
6 2 7
,9
7 3
,5
3.23
X 3 7 1 1 20 25
Y 2 8
47
3 7 15 7
1 4 6 1
0 5
1 3 1 35
5 0
2 3 7
0
3.24
X 1 1 1 1 16 18
Y 00 20 40 55 5 0
5 1 5 7
8 4 9 1
6
1 8 5 45
2
1 2 8
6
3.25
X 5 6 7 8 95 10
Y 5 5 5 5 5
4 1 5 8
8 4 8 1
0
1 1 50 4
2
1 16
6
3.26
X 2 6 1 1 18 21
Y 0 5
1 1 3 5
2
1 4 6 1
6 5
2 2 1 35
0 2
2 2 4
4
3.27
Y 1 1 1 1 11 11
X 04 06 08 10 2 6
1 4 5 6
0
48
2 7 2
0 19 5
3 1 5 45
0
4 5 12
0
3.28
4 5 6 7 85 90
X 5 5 5 5
Y
1 3 5 9
0
1 4 6 1
5 0
2 1 2 50
0 1
2 1 25
5
3.29
X 1 1 1 2 27 31
Y 2 6 8 5
7 4 8 6
1 2 6 1
4 2
2 3 1 40
1 2
2 5 10
8
3.30
X 4 4 5 5 58 62
Y 2 6 0 4
1 1 5 6
4
1 4 7 9
8
2 1 2 41
8
3 4 10
2
49
Задание 1. В результате эксперимента получены данные, записанные в
виде статистического ряда.
20 15 17 19 23 18 21 15 16 13
20 16 19 20 14 20 16 14 20 19
15 19 17 16 15 22 21 12 10 21
18 14 14 18 18 13 19 18 20 23
16 20 19 17 19 17 21 17 19 17
13 17 11 18 19
Требуется:
а) записать значения результатов эксперимента в виде вариационного
ряда (выборку в порядке возрастания);
б) записать интервальный статистический ряд (минимальную и
максимальную варианты, размах варьирования, число интервалов,
эмпирические частоты интервалов);
в) построить полигон частот, гистограмму относительных частот и
график эмпирической функции распределения;
г) найти числовые характеристики выборки выборочную среднюю,
выборочную и исправленную выборочную дисперсии ;
д) исправленное выборочное среднеквадратическое отклонение:
е) выборочные моду и медиану;
ж) выборочные центральные моменты третьего и четвертого порядков;
и) выборочный эксцесс;
к) коэффициент ассиметрии.
Решение: заметим, что вычисления и построение графиков производится
в среде Mathcad. Копия файла из Mathcad приведена ниже. То, что получено в
Mathcad, следует оформить и пояснить;
а) объём выборки n = 55. Данные вариационного ряда вводятся через
заданиe матрицы Х размером (55  1);
Y - выборка в порядке возрастания команда sort(X):
T 0 1 2 3 4 5 6 7 8 9
Y 
0 10 11 12 13 13 14 14 14 14 ...
(в среде Mathcad эта таблица просматривается вся нажатием на указатель

направления движения);
б) для построения интервального статистического ряда определим
сначала следующее:
наибольшие и наименьшие варианты: a  xmin  10 , b  xmax  23 ; размах
выборки: R  b  a  13 ; величину интервалов округляем до целого и найдём
по формуле Стерджеса:
50
x x 13
h  max min  2  m   6,781  7
1  log 55 2
2 ;
за начало первого интервала рекомендуется брать величину
h h
xнач  x   10   9.041  9
min 2 2 ;
в Mathcad интервалы выражает матрица - t, а середины интервалов – x:
T
t  ( 9 11 13 15 17 19 21 23 ) ;
подсчет эмпирических частот - n i - число вариант, попавших в каждый
n
i
интервал и относительных частот (т.е. pi  ), найдены в среде Mathcad
n
T T
через команду w1=hist(t,Х), (см. w1 и w2 ).
Таким образом, искомый интервальный ряд имеет вид:
интервалы [9,11) [11,13) [13,15) [15,17) [17,19) [19,21) [21,23]
ni 1 2 6 9 13 16 8
n 0,018 0,036 0,109 0,164 0,236 0,291 0,145
pi  i
n
в) по интервальному статистическому ряду построим гистограмму

частот и относительных частот (в среде Mathcad):
20 0.4
0.3
w1 10 w2
0.2
0.1
0 10 20
0 10 20
t t
Для построения соответствующего дискретного статистического ряда
xi  xi 1
найдём середины интервалов X i  :
2
,
и им будут отвечать соответствующие частоты - w1 и относительные частоты-
w2 из интервального ряда. Искомый дискретный статистический ряд:
x i  x i 1 10 12 14 16 18 20 22
2
ni 1 2 6 9 13 16 8
51
pi 0,018 0,036 0,109 0,164 0,236 0,291 0,145
По данному дискретному статистическому ряду строится полигон

частот и относительных частот - команда w3=hist(x,X); w4=w3/n;
20 0.4
w3 0.3
w4
10 0.2
0.1
0 10 20 0 10 20
x x
а также эмпирическая функция распределения:
 0, при x  10

 0,018, при 10  x  12
 1.5

 0,054, при 12  x  14

 0,163, при 14  x  16 1
F ( x)   F ( y)
 0,327, при 16  x  18
 0.5
 0,563, при 18  x  20

0,854, при 20  x  23
 0 10 20 30

 1, при x  23 y ;
г) выборочная средняя вычисляется (или через команду mean(X))

x n
i i
xв  i  17.564 ;
n
выборочная дисперсия (команда var(X)):
n  x 2
 
i i
Dв  i  x 2  8,428;
n в
исправленная выборочная дисперсия (stdev(X)):
S2 
n
n 1 в
 
D  8,584;
д)   s  2,93 - исправленное выборочное среднеквадратическое

отклонение;
е) мода M 0 = 19 определяется вариантой, имеющую наибольшую
частоту, медиана M e =18 определяется серединой вариационного ряда и
зависит от чётности объёма выборки (команды mode(X) и median(X));
52
ж) выборочные центральные моменты третьего и четвертого порядков
вычисляются по формулам:
3 4
 n  (x  х )  n  (x  х )
i i в i i в
3  i  14,73;   i
4
 196,112;
n n
и) выборочный эксцесс
 196,112
E  4 3   3  0,19552;
в 4 2,93 4
к) коэффициент асимметрии
  14,73
A 3   0,6091.
 в3 2,933
Копия файла из Mathcad:
n  55
X  ( 20 15 17 19 23 18 21 15 16 13 20 16 19 20 14 20 16 14 20 19 15 19 17 16 15 22 21 12 10 21 18
Y  sort X  T a  min(X) b  max(X) a  10 b  23
0
0 20
1 15
2 17
3 19
4 23
5 18
6 21
T
X  7 15
8 16
9 13
10 20
11 16
12 19
13 20
14 14 T 0 1 2 3 4 5 6 7 8 9
Y 
15 ... 0 10 11 12 13 13 14 14 14 14 ...
R  b  a R  13
ba
h 
ln ( 55)
1
ln ( 2) h  1.917 h1  2
R
m 
h m  6.781
53
h
x0  a 
2 x0  9.041
a1  9 m1  7
j  0  m1
i  0  m1  1
h1
tj  a1  h1  j xi  ti 
2
T
x  ( 10 12 14 16 18 20 22 )
T
w1  hist(t X) w1  ( 1 2 6 9 13 16 8 )
w1
w 2  T
n w2  ( 0.018 0.036 0.109 0.164 0.236 0.291 0.145 )
0.018  0.036  0.109  0.164  0.236  0.291  0.145  0.999
mode(X)  19 x1  mean(X)
x1  17.564
M  median(X) M  18
x2  var (X) x2  8.428

n
s  x2
n1 s  8.584
  s   2.93
stdev(X)  2.903
Функция накопленных частот:

i  0  6
T
w  ( 0.018 0.036 0.109 0.164 0.236 0.291 0.145 )
i
Fi 
 wj
T
j0 F  ( 0.018 0.054 0.163 0.327 0.563 0.854 0.999 )
54
F ( y )  0 if y  10
0.018 if 10  y  12
0.054 if 12  y  14
0.163 if 14  y  16
0.327 if 16  y  18
0.563 if 18  y  20
0.854 if 20  y  23
1 if y  23
Задание 2. Дан интервальный ряд с объемом выборки n=300:

Номер i 1 2 3 4 5 6 7
Интервал [-20;-10) [-10;0) [0;10) [10;20) [20;30) [30;40) [40;50]
частота 20 47 80 89 40 16 8
а) вычислить теоретические частоты, предполагая по гипотезе H 0 о
нормальном его распределении;
б) пользуясь критерием Пирсона при уровне значимости   0,05 ,
сравнить теоретические и эмпирические частоты. Вычислить  набл

2
и сравнить
с  крит
2
 2,к ;
в) найти доверительные интервалы для математического ожидания и для
среднего квадратичного отклонения при надежности   0,95 .
Решение:
а) для данной выборки найдены выборочные среднее, дисперсия и
среднеквадратичное отклонение
1
xв   x  n  10,4 ;
300 i i i
n  x 2
 
i i
Dв  i  x 2  186,84;   D  13,67 .
n в в
Вычислим теоретические частоты, учитывая n=300, h=10,   13,67 по
формуле:
55
nh 300 10
nti   ( zi )   ( zi );
 13.67
xx  x
zi  i в;

x x
xxi  i  1 i .
2
Значения функции Гаусса φ(х) приведены в Приложении 1.
Последовательность вычислений теоретических частот (nt) в Excele приведены
ниже.
i-интервал xi xi+1 xxi zi=xxi-xv)/sigma φ(zi) nt ne (nt-ne)^2/nt
1 -20 -10 -15 -1,86 0,07 15,58 20,00 1,26
2 -10 0 -5 -1,13 0,21 46,42 47,00 0,01
3 0 10 5 -0,40 0,37 80,99 80,00 0,01
4 10 20 15 0,34 0,38 82,74 89,00 0,47
5 20 30 25 1,07 0,23 49,49 40,00 1,82
6 30 40 35 1,80 0,08 17,34 16,00 0,10
7 40 50 45 2,53 0,02 3,56 8,00 5,55
суммы 296,1038 300 9,23
χ(набл)
10,4 xv
186,84 Dv
13,6689429 sigma
б) для сравнения эмпирических (ne) и теоретических (nt) частот с

помощью критерия Пирсона необходимо далее вычислить наблюдаемое
значение критерия:
(ne  nt ) 2 (ne ) 2
н2   i i   i  n  9,23 .
i nti i nti
При заданном уровне значимости α=0,05 найдем число степеней
свободы k=m-3=7-3=4, где m=7 – число групп выборки, и определим
критическое значение из Приложения 3  крит
2
 2,к   02.05,4  9,5 .
Критерий Пирсона. Если  н   крит , то нет оснований отвергнуть
2 2
нулевую гипотезу о нормальном распределении, т.е. теоретические и

эмпирические частоты отличаются незначимо. Если  н   крит , то нулевую
2 2
гипотезу отвергают, т.е. различие эмпирических и теоретических значимо.

Сравним наши полученные данные:
 н2  9,23   крит
2
 9,5 - гипотеза о нормальном распределении
принимается;
в) если генеральная совокупность распределена нормально, то
надежностью   0,95 можно утверждать, что математическое ожидание а
случайной величины Х покрывается доверительным интервалом
56
в 
xв  t   a  xв  в t  ,
n n
где t  определяется через функцию Лапласа (Приложение 2 [7])
 0,95
(t  )    t   1,984.
2 2
В нашем случае доверительный интервал
13,67 13,67
10,4  1,984  a  10,4  1,984 или 8,8341  a  11,9658 .
300 300
Доверительный интервал, покрывающий среднее квадратичное
отклонение с надежностью   0,95 ,
(  в (1  q)     в (1  q) ),
где q=q(γ;n) находится по данным γ и n из Приложения 3. При
  0,95 и n=300 имеем q= 0.079. В нашем случае доверительный интервал
для σ:
13,67  (1  0,079)    13,67  (1  0,079) или 12,59    14,75.
Задание 3. Значения признаков Х и Y заданы корреляционной таблицей:

Y 20 30 40 50 60 70 80
X
250 19 5 - - - -
350 23 116 11 - - - -
450 1 41 98 9 - - -
550 - 4 32 65 7 - -
650 - 1 4 21 36 3 -
750 - - 1 2 12 16 3
а) выборочные средние каждого из признаков хв, ув;
б) их среднеквадратичные отклонения sx, sy;
в) коэффициент линейной корреляции rxy;
г) уравнения прямых регрессий y на x и x на y.
Решение:
а) путем суммирования частот по столбцам получим вариационный ряд
распределения признака Х :
Х 250 350 450 550 650 750
ni 24 150 149 108 75 34
Аналогично, путем суммирования частот по строкам получим

вариационный ряд распределения признака Y:
Y 20 30 40 50 60 70 80
57
nj 43 167 146 97 55 19 3
Находим обьем выборки и выборочные средние составляющих:

6 7
n   nix   n jy  530 ;
1 1
6
1
xв   xi nix  476,79 ;
n 1
1 7
yв   yi n jy  40,43 ;
n 1
б) находим выборочные дисперсии составляющих:
1 6 2
s 2
x  ( x i n ix )  xв 2  16640;
n 1
1 7
s y2  ( y 2j n jy )  yв 2  164,906.
n 1
Стало быть: sx  16640  128,999 ; sy  164,906  12,842;
в) находим корреляционный момент sху, используя формулу:
1 6 7
sxy  ( x y n
i j ij  xв  yв).
n i j
Так как
1
sxy  (20  (19  250  23  350  450) 
530
 30  (5  250  116  350  41  450  4  550  650)   
70  (3  650  16  750)  80  3  750)  476,79  40,43  1466.
Находим коэффициент корреляции:
sxy 1466
rxy    0,885;
sx  sy 129  12,85
г) оценкой теоретической линии регрессии является эмпирическая
линия регрессии, уравнение y на x имеет вид:
sy
y ( x)  yв  s xy x  xв .
sx
Используя данные, получим
y( x)  40,434  0,885 
12,842
x  476,8 , или y( x)  0,888х 1,563.
129
Уравнение регрессии x на y имеет вид:
58
x( y )  xв  s xy
sx
 y  yв ,
sy
x( y)  8,88 y 117,404.
График линии регрессии и некоторые вычисления удобно также
выполнять в программной системе Mathcad:
59
ORIGIN 1  0 20 30 40 50 60 70 80 
 
7 8  250 19 5 0 0 0 0 0
n    A
i j  350 23 116 11 0 0 0 0
i 2 j 2 A   450 1 41 98 9 0 0 0
n  530  
 550 0 4 32 65 7 0 0
 7 8   650 0 1 4 21 36 3 0
    ij 1j
1
yv 
n 
A A  750 
 0 0 1 2 12 16 3
i  2 j  2 
 7 8 
xv      AijAi1
1
n 
i  2 j  2 
xv  476.792 yv  40.434
 7 8 
 i j  i 1 
A  A 2  xv2
   
1
Dx 
n 
 i  2 j  2 
 7 8 
 i j  1 j  
A  A 2  yv2
Dy     
1
n 
 i  2 j  2 
4
Dx  1.664 10
Dy  164.906
y  Dy
x  Dx
x  128.999
y  12.842
 7 8 
   
    xv yv
1
Dxy  A i j
A
i 1
A
1 j

n 
i  2 j  2 
Dxy
rxy 
x y
3
Dxy  1.466 10
rxy  0.885
y
yy( xx)  yv  rxy  ( xx xv)
x
102931xx  182600
yy( xx)  
1168590 116859
x
tt( z)  xv  rxy  ( z  yv)
y
4117240z  54383950
tt( z)  
463221 463221
1
0
yy ( xx)
1
2
3
 10 5 0 5 10
xx
60
4 Расчетно графическая работа №4. Операционное исчисление
1. Функции комплексной переменной. Условие Коши-Римана.

2. Преобразование Лапласа. Оригинал и изображение по Лапласу.
3. Основные свойства оригиналов и изображений.
4. Свертка двух функций. Теорема Бореля. Формулы Дюамеля.
5. Нахождение оригинала по известному изображению.
6. Приложения операционного исчисления.
4.2 Расчетные задания
Задание 1. Для заданной функции комплексной переменной

w=f(z)=f(x+iy) требуется:
а) выделить действительную u(x,y) и мнимую v(x,y) части (т.е.
представить функцию в виде w(х+iу)=u(x,y)+iv(x,y));
б) проверить условие Коши-Римана (является ли w=f(z) аналитической
функцией). Если да, то найдите ее производную.
№ w=f(z) № w=f(z)
1.1 sh5 z 1.2 z 2 cos 2i
1.3 e z 1 1.4 z 2  3i
1.5 e4z
2
1.6 sh(3z  2)
1.7 cos 4 z 1.8 2 z 2 ( z  2)
1.9 e7z 1.10 e 5 z 5
1.11 2z  z 2 1.12 3z (1  2i)
1.13 z  2i 1.14 2( z  2i) 2
1.15 ch3z 1.16 sin 9 z  1
1.17 e iz
2
1.18 e 3 z  sin 3i
1.19 3z 3  3z  1 1.20 sh2 z  5z
1.21 sh(3iz ) 1.22 e 7t  5z
1.23 cos(2 z  i) 1.24 ( z  5) 3
1.25 ch( z ) 1.26 cos(2 z  1)
2
1.27 sin 2 z  i 1.28 Sin(z+1)
1.29 e5z  i 1.30 e 3iz
Задание 2. Найти изображения функций, пользуясь свойством

линейности и теоремами смещения, запаздывания.
№ f t  № f t 
2.1 sh 3t  e 2t sin 4t  t  6cost  6 2.16 cos 9t  e 4t sin 3t  t  1sin 2t  1
2.2 sin 2t  3e 2t sh4t  t  4sin 3t  4 2.17 sin 9t  e t sh2t  t  7sht  7
61
2.3 t 7  e t ch5t  cos 2 t  3 2.18 cht  3e 4t cht  t  5
4
2.4 cos 5t  3e 2t t 3  sin 2 t  3 2.19 e 6t  4e 2t t 6  t  6cht  6

7
2.5 sh 2t  e 3t sin 4t  t  1sh2t  1 2.20 8t 3  e 6t cos 3t  t  5e 3t 5

2.6 3  2e 5t cos 3t  t  8
7 2.21 2t  e 3t cos t  t  1cht  1
2.7 sin 5t  3e 2t sh3t  t  2ch 4t  2 2.22 2  e 2t sin 5t  t  2e t 2 
2.8 ch5t  e t ch 4t  t  9e 2t 9  2.23 t 3  3e 4t sh3t  cos 2 t  1
2.9 sin 7t  5e 6t t 2  t  2cos 3t  2 2.24 2t 5  e 3t ch 2t  sin 2 t  1
2.10 t  7e 8t cos 4t  t  8sint  8 2.25 t 3  2e 4t cos 3t  t  1e t 1
2.11 4t 7  2e 3t sin 2t  t  3sht  3 2.26 ch3t  3e t sin 2t  t  2cht  2
2.12 2 cos 5t  e 2t sh3t  2t  1 2.27 t  e 4t sh 3t  t  5
6 7
2.13 5  2e 3t ch 2t  t  3cht  3 2.28 t 2  e 4t ch5t  sin 2t  3

2.14 t 2  e 3t t 7  t  1e 2t 1 2.29 7  e 4t t 5  t  2e 3t 2 
2.15 e 7t  3e 4t cos 2t  t  3cos 3t  3 2.30 t 2  e 2t cos 4t  t  2cos 2t  2
Задание 3. Пользуясь теоремами дифференцирования изображения,

интегрирования оригинала и изображения, найти изображения функций.
№ а) f t  б) g t  в) ht 
3.1 t cos3t t
1  cos3t
   cos3d t
0
3.2 t sin 2t t
sin 3t
   sin 2d t
0
e 2t  e 3t
  
2
3.3 t cos 2t t
2
 e  d
0 t
 e d
2
3.4 t sin 3t t
3
sin t cos3t
0
t
sin 2t  cos3t
  
2t
3.5 te t
3
 1 d
0
t
3.6 t  2sin 4t t
e t sin 2t
  sin d t
0
3.7 
t 2e 5t
 t
3  e 2t
 cos3d t
0
3.8 t 1 sin t  t
 ch2d
2
1  cos 2t 
0
t
t 3  cos 2t 
  e d
3.9 t
3 2 
2
1  sin 4t 
0
t
62
3.10 t 2 cht t
sin 2t cos8t
 cos 2d
2
0
t
1  e 3t  t
3 t
3.11 t e t
 sin 3d
2
0 t
2
3.12 t cos 4t t
sin 4t
 1  ch2d t
0
e 5t  3
2
3.13 t sin 5t t
  cos 4d
2
0 t
3.14 t  1cos2t t
sin 2 2t
  sin 5d
2
0 t
e t  3
  d
2 3t
3.15 t e t
5 
4
 3e
0 tet
3.16 tsht t
sin 3t
 e
2 4 
d
0
tet
3.17 tcht t
sin t  e t
e
5 
sin d
0 t
3.18 t 2 sht t
5  e 7 t
e
3 
cos3d
0 t

t 2 e 2t  cost 
 e 
3.19 t
 e 3t sin 4t
 2 d
0 t
3.20  t
t e  sin 5t
2
 t
cos 2t  cos 4t
 1  sin 2d t
0
3.21 t 5  sh2t  t
sin 4t cost
 ch3   sin 2d t
0
t 2  ch3t 
 2  3 d
3.22 t
3 4  e 2t
0 te6t
3.23 t cost  1
2 t
1 cos 6t
 2  cos 2d t
0
t 2  sin 3t  e 2t sin 2t

 sh3  e d
2
3.24 t
6
0 t

t e 2  e 3t  e 5t
  e 
3 t
3.25 t
2
2
 cos  d
0 t
3.26 t 3 cost t
cos 6t  cos3t
 e
7 8 
d
0
t
3.27 t 3 sin t t
e 3t  2
 e  d
9  3
0 t
63
3.28 t 2 t  sin 5t  t
sin t
  sin 4d
2
0
tet
3.29 t cos 4t  t 
2 t
1 cost
 sin 3d
2
0
t
3.30 2

t cos 2t  e 2t
 t
1  e 2t
 cos d
2
0 te t
Задание 4. Найти свертку оригиналов f t  и g t  и изображение свертки.

№ f t  g t  № f t  g t 
4.1 2t  1 cost 4.2 e 2t sh3t
4.3 t 5 ch3t 4.4 2t  1 cos 2t
2t
4.5 e sin 3t 4.6 sht ch2t
t
4.7 sh3t sin 2t 4.8 e sh2t
4.9 cht sh3t 4.10 e 4t
e 2t
4.11 t cht 4.12 t 7 sin 3t
4.13 e t
ch2t 4.14 t2 sin t
4.15 cost sin 2t 4.16 sin 2t sin t
t
4.17 cost cos 2t 4.18 e cos 2t
4.19 e 2t
e t
4.20 t 1 e 2t
4.21 sin t cost 4.22 4t  2 sin 2t
4.23 cost cost 4.24 t 1 sin t
t t t
4.25 e e 4.26 e cos 2t
4.27 t 9 cost 4.28 sin t sin t
t
4.29 ch6t sin t 4.30 e sh2t
Задание 5. Найти изображение по графику оригинала.
64
65
Задание 6. Используя теорему Бореля или формулы Дюамеля, найти
оригинал, соответствующий данному изображению.
№ F  p № F  p № F  p
6.1 p 6.2 p2 6.3 p
p4 1 p 2

 4 p2  9  p 2
1 p2  4 
6.4 1 6.5 2 6.6 p
p  p  1
4

p p2  4
2
  p  3 p  2
6.7 1 6.8 p 6.9 1
p  p  5
3  p  3 p  7 
p p  36 2

6.10 1 6.11 5p 6.12 2p
p p  6  
 p  1 p 2  4   p  3 p  1
6.13 2 6.14 p 6.15 3p

p p2  3  
p2 p2  4   p  5 p  7 
6.16 1 6.17 2p 6.18 1
p  p  1
2

 p  1 p 2  25  
p p 2  16 
6.19 5p 6.20 p2 6.21 1
 p  4 p  5 p 
2  p  2 p  6
2
9
6.22 2 6.23 8p 6.24 p
p 4
2  p  1 p  2  p  1 p 2  1  
6.25 3p 6.26 1 6.27 p2
 2

p  1  p  9 p p  2 p 4
2

2
6.28 2p 6.29 p 6.30 1

 p  1 p  2  p  3 p  4 p 9
2
Задание 7. Используя теорему о разложении, найти оригинал по

данному изображению.
№ F  p № F  p
7.1 2p 3 7.2 2p
 p  1 p 2  p  1  
p  1 p2  9
2

7.3 2 p 1 7.4 3
 
p2  2 p2 1  
 p  1 p 2  2 p  2 
66
7.5 1 7.6 4 p 1
p  2 p2  2 p
3

p p2  3
2

7.7 3p 7.8 p 1
p3  8 p p  1 p  2 p  3
7.9 3 p 1 7.10 3p
p  4 p2  9
2
   p  12  p  3
7.11 p2  2 7.12 p 1
p p  4 p  6 
 p  2 p 2  4 
7.13 p 1 7.14 2 p 1
p 2
2 p 
2

p p2 1 
7.15 p 1 7.16 p 1
2 p  12 p  2 
p p2  4
2

7.17 p5 7.18 3p 1

 p  1 p 2  2 p  5  
p p2  1
2

7.19 1 p 7.20 2  3p

p p  3p  3
2
 
 p  1 p 2  4 p  5 
7.21 p 1 7.22 2 p 1

 p  3 p 2  3 p  4  
p p2  2 p 1
2

7.23 1 7.24 3p 1
p  p  2 p  1
3

p p2  1
2

7.25 p 1 7.26 2 p 1

 p  1 p 2  4 p  4  
p p  1 p 2  3 
7.27 p 1 7.28 3p  2
p p  1 p  2 
 p  1 p 2  3 p  1 
7.29 p 1 7.30 p3
 p  1 p  22  p  12  p  22
Задание 8. Решить операторным методом линейное дифференциальное

уравнение  y    y   y  f t , yt 0   A, yt 0   B .
№    f t  t0 A B №    f t  t0 A B
8.1 1 1 1 cost 0 0,5 -1 8.2 1 1 2 5 cost 0 2 -3
8.3 1 1 -2 2e 2t
0 1 -2 8.4 1 1 2 sin t 0 0 -4
8.5 1 -2 2 e t 0 0 0 8.6 1 0 -9 2t 0 0 1
8.7 1 -6 9 cost 0 1 2 8.8 1 0 1 1  1 0
t
8.9 1 1 0  2t 2 2 -2 8.10 1 1 -6 e 0 -1 5
8.11 1 0 9 18e 3t
0 0 1 8.12 1 0 1  2 sin t 2 0 1
8.13 1 0 -4 4t 0 1 0 8.14 1 6 5 12e t 0 0 5
8.15 1 6 13 4e 3t 0 1 0 8.16 1 0 1 2  e t 0 0 1
67
8.17 1 2 1 2e1t1 1 -1 8.18 1 1 0 2t 1 1 -1
8.19 1 -1 0 - 2t 2 8 6 8.20 1 -6 5 2e 2t 0 1 0
8.21 1 4 4 9e t 0 1 1 8.22 1 2 1 1 cos 2t 0 0 0
8.23 1 -2 1 1 sin t 0 1 0 8.24 1 -1 0 te t 0 0 -1
8.25 1 -1 0 3t 2 0 0 -1 8.26 2 8 -4 2 t
t e 0 1 1
8.27 2 0 8 2 cos 2 t 0 -1 2 8.28 1 -2 1 1  et 0 1 2
8.29 3 6 -9 2e 3t 0 3 -1 8.30 1 -4 5 cos 2t 2 -1 1
Задание 9. Решить операторным методом систему линейных

a1 x  b1 y   c1 x  d1 y  f1 t , x0  A,
дифференциальных уравнений 
 a 2 x   b2 y   c2 x  d 2 y  f 2 t , y0  B.
№ a1 b1 c1 d1 f1 t  a2 b2 c2 d2 f 2 t  A B
9.1 1 0 0 1 0 0 1 -2 -2 1 1 1
9.2 0 1 -1 -2 1 1 0 2 1 0 0 0
9.3 1 0 -2 -4 2 0 1 1 2 0 0 0
9.4 1 0 7 -1 -1 0 1 2 5 0 1 1
9.5 1 10 0 -1 -2 2 1 0 2 1 0 0
9.6 1 0 -1 1 0 0 1 4 2 -2 0 0
9.7 1 0 0 1 4 0 1 1 0 5 1 1
9.8 1 2 1 1 1 0 1 -1 1 0 1 0
9.9 1 1 2 0 2 1 1 -1 0 4 0 0
9.10 1 1 0 -1 0 2 1 0 2 -3 0 0
9.11 3 0 2 0 0 1 4 0 3 1 0 3
9.12 11 0 2 2 0 0 1 -2 1 2 1 1
9.13 1 0 1 -3 3 0 1 -1 -1 0 1 0
9.14 1 0 1 -3 5 0 1 -1 -1 4 0 0
9.15 1 0 -1 -1 2 0 1 -3 1 2 0 1
9.16 1 0 -1 -1 -2 0 1 -3 1 0 1 1
9.17 1 0 5 2 4 0 1 -1 7 3 1 0
9.18 1 2 2 0 -4 1 1 -1 0 5 0 1
9.19 1 0 1 -3 1 0 1 -1 -1 -1 1 2
9.20 1 0 -1 -2 1 0 1 -2 -1 1 4 0
9.21 1 0 2 4 2 0 1 1 -1 1 0 0
9.22 1 0 -1 -1 3 0 1 1 -3 -1 0 1
9.23 1 0 -2 -2 0 0 1 1 0 3 1 1
9.24 1 0 0 1 1 0 1 1 0 2 -1 1
9.25 4 1 3 0 1 1 3 0 3 1 0 0
9.26 1 5 -1 0 -2 2 1 -1 0 4 0 -1
9.27 2 4 -2 -1 1 0 -2 1 0 0 1 0
9.28 3 3 -3 0 6 3 0 2 1 5 0 -2
9.29 4 2 -4 -2 4 0 -1 0 2 1 2 0
9.30 5 1 -5 3 5 4 0 -2 0 2 0 3
68
Задание 1. Для функции f z   sin(5z  1) требуется:

а) выделить действительную и мнимую части;
б) проверить является ли функция аналитической.
Решение:
а) используется свойство синуса суммы
f z   sh(5 z  1)  sh(5( x  iy )  1)  sh(5 x  1  i5 y )  sh(5 x  1)ch5iy 
ch (i5 y )  cos 5 y
 ch (5 x  1) sh5iy   sh(5 x  1) cos 5 y  i  ch (5 x  1) sin 5 y.
sh(i5 y )  i  sin 5 y
Таким образом, для f z   sin(5z  1) выделяется действительная и
мнимая части:
u(x,y)=sh(5x+1)cos5y, v(x,y)=ch(5x+1)sin5y;
б) функция комплексной переменной f x  iy   u( x, y)  iv ( x, y) является
аналитической, если удовлетворяет условию Коши-Римана:
ux  vy ; vx  uy .
Тогда производная аналитической функции вычисляется по формуле:
f ( z )  ux ( x, y)  i  vx ( x, y) .
Проверим частные производные
ux  ( sh(5 x  1) cos 5 y)х  5  ch(5 x  1)соs5 y;
vy  (ch(5 x  1) sin 5 y )y  5  ch(5 x  1)соs 5 y,
где условие Коши-Римана выполняется, далее вычисляется производная
аналитической функции
f ( z )  u x  iv x  ( sh(5 x  1) cos 5 y ) х  i(ch(5 x  1) sin 5 y) x  5  ch(5 x  1)соs5 y 
 i  5sh(5 x  1) sin 5 y.
Задание 2. Найти изображение функции f t   2t 7  e 2t ch6t  5t  9 ,

3
пользуясь свойствами преобразования Лапласа.

Решение: используя теорему линейности, находим изображение
каждого слагаемого по отдельности:
2  7! p2
2t 7  8 (по таблице 1), e 2t ch6t  (по теореме смещения),
p  p  22  36
3 15e 9 p
5t  9  5e  4 
9 p
3
(по теореме запаздывания);
p p4
2  7! p2 15e 9 p
f t   2t  e ch6t  5t  9  8  
7 2t 3
.
p  p  22  36 p 4
В среде Mathcad (см. ниже) это выполняется через операцию: панель
инструментов symbolics
69
7 2 t 3 10080 s 2 30 270 1215 3645
2 t  e  cosh ( 6 t)  5 ( t  9) laplace  t      
8 2 4 3 2 s
s ( s  2)  36 s s s .
Задание 3. Пользуясь теоремами дифференцирования изображения,
интегрирования оригинала и изображения, найти изображения функций:
а) f t   t 2 sin 2t  5e 3t  1;
б) f t     2  3 cos 2 4  7  d ;
t
ch 2t  3e 9t
в) f t   .
t
Решение:
а) сначала находим по таблице изображение функции sin 2t  5e3t  1 ,
затем по теореме дифференцирования изображения находим производную
второго порядка:
2 5 1
sin 2t  5e3t  1    ;
p 4 p 3 p
2
 
 2 1    4 p 1 
2

f t   t sin 2t  5e  1  (1)  2 3t

5

   2

5
 
 p  4 p  3 p   p 2  4
2
 p  32 p 2   


 12 p 2  16

10 2
 3.
p 4
2
 3

 p  3 p
3
В среде Mathcad (см. ниже)

3

2
5 4 3 3 t 2 4 s  5 s  10 s  12 2 1 5
222 s  540 s sin ( 2 t)s  5 e1872s
 824  1 laplace
 1728s 
 1728 parfrac   
3 2  2 s s 3 
 4 s  12
3 2
3 s  s  3 s  4 s  12 s  4
s  3 s
2 2
d  2  1  5   16 s  2  4

10
2 2 
ds  s  4 s s 3
 2
s 4
3
s
3
2
s 4
2
( s  3)
3
   
б) найдем изображение оригинала f t   t  3 cos2 4t  7. Из свойства 2
линейности получаем:
1  cos8t 2! 3  1 p  7
t 2  3 cos2 4t  7  t 2  3   7  3    2  .
2 p 2  p p  64  p
Тогда, согласно правилу интегрирования оригинала, имеем
1  2! 3  1 p  7
 
t
f t     2  3 cos 2 4  7 d   3    2   .
0 pp 2  p p  64  p 
Вычисления в среде Mathcad (см. ниже)
2 2
t  3 cos ( 4 t)  7 laplace  
 4
2 2 s  175 s  64
2  parfrac 
3 s

11

2
3 2
s  s  64  2
2 s  64  2 s
s
3
70
 2  3cos (4 )2  7 d  3sin(8t)  11t  t
t
 3

 16 2 3
0
3 sin( 8 t)

11 t

t
3
laplace  
 4
2 2 s  175 s  64
2  parfrac 
3

11

2
16 2 3 4 2
s  s  64  2
2 s  64  2 s
2
s
4
p 3
в) очевидно, что ch 2t  3e 9t   . Из правила
p 4 p9
2
интегрирования изображения следует, что
 
ch 2t  e  9t  z 1   z 1 
f t      2  dz  lim   2  dz 
t p  z 4 z 9     z  4
p
z  9 
 
1  z 4 2
 lim  ln( z 2  4)  ln( z  9)   lim ln 
    2  p    z9
p
 2 4 p 2  4  p2  4 p9
 lim ln  ln   ln  ln .
     9 p9  p9
  p2  4
 9t s 1
cosh ( 2 t)  e laplace  t  
2 s 9
s 4




s

1
ds 
1 2 
 ln s  4  ln( s  9)
2 s9 2
 s 4

Задание 4. Найти изображение по графику оригинала
Решение: обозначим точки, в которых происходит разрыв или изменение

функции через  k , скачок функции в точке разрыва через  k , угловой
71
коэффициент k -го участка через а k и разность угловых коэффициентов через
 k  ak 1  ak . Изображение такого вида функций можно найти по формуле:
  
F  p     k  k2   e  p .
k
k  p p 
На основе уравнений прямой, проходящей через две точки t1 , y1  и
t  t1 y  y1
t 2 , y2  :  , определим первую наклонную по точкам a, 2 и 0, 0 ,
t 2  t1 y 2  y1
а вторую наклонную по точкам 3a, 0 и 2a, 1 . Тогда соответственно имеем:
y  t и y   t  3a  . Следовательно, a1  0, a2  , a3  0, a4   , a5  0 .
2 1 2 1
a a a a
2 2
В нашем случае: 1  0, 1  0, 1  ;  2  a,  2  1  2  1,  2   ;
a a
1 1
3  2a,  3  0,  3   ;  4  3a,  4  0,  4  .
a a
Таким образом,
0 2   1 2  0 1  0 1 
F  p     2   e 0    2   e ap    2   e 2 ap    2   e 3ap 
 p ap   p ap   p ap   p ap 
2 1 2  1 1
 2    2   e ap  2  e 2 ap  2  e 3ap .
ap  p ap  ap ap
Задание 5. Найти свертку оригиналов f t   ch5t и g t   cos3t и

изображение свертки.
Решение: согласно определению свертки имеем:
e5(t  )  e5(t  )
t t
ch5t  cos 3t   ch5(t   )  cos 3d   cos 3d .
0 0 2
Для упрощения вычисления этой свертки используется готовый интеграл
(см. справочный материал)
eax (a  сosbx  b  sin bx)
 e cos bxdx 
ax
.
a 2  b2
t 5 ( t  )
e  e 5(t  ) 1
t
1
t
а  5
ch5t  cos 3t   cos 3d  e5t  e  5 cos 3d  e  5t  e5 cos 3d  
0 2 2 0 2 0
b3
1 e5t (e  5 (5 cos 3  3 sin 3 ) t 1 e  5t (e5 (5 cos 3  3 sin 3 ) t
  
2 (5) 2  33 0 2 52  33 0
1 5 3 5 5 3 5 3 5 e5t  e 5t
 ( cos 3t  sin 3t  e5t  cos 3t  sin 3t  e  5t )  sin 3t  ( )
2 34 34 34 34 34 34 34 34 2
3 5
 sin 3t  sh5t.
34 34
Находим изображение полученного оригинала:
72
3 5 3 3 5 5 1  9 25 
sin 3t  sh5t   2    2  2 
34 34 34 p  9 34 p  25 34  p  9 p  25 
2
p2
 2

p  25 p 2  9
.
 
То же изображение можно получить другим путем. Известно, что
p p
ch5t  2 , cos3t  2 . На основании теоремы Бореля имеем
p  25 p 9
p p p2
ch5t  cos3t  2  
p  25 p 2  9  p 2  25 p 2  9
.
Вычисления в среде Mathcad это (см. ниже)

t
 3  5  e10 t  5   e(  5)  t
 cosh 5  t    cos  3  d 
6 2
 sin( t)   sin( t)  cos ( t)   68 

0 34 17  68
3 6 2  5  e10 t  5   e(  5)  t laplace  t  9 5 5
 sin( t)   sin( t)  cos ( t)   68   
34 17  68  2
34 s  9 68 ( s  5) 68 ( s  5)
2
9 5 5 s
  simplify 

34 s  9
2  68 ( s  5) 68 ( s  5) s2  9(s  5)(s  5)
Задание 6. Используя теорему Бореля или формулы Дюамеля, найти
оригинал, соответствующий изображению:
а) F  p  
12 p
;
 p  5 p  3
1
б) G p   .
 p  5 p  3
Решение: а) при решении практических задач используется формула
Дюамеля

t
pF1  p F2  p   f1 t  f 2 0   f1   f 2 t   d .
0
12 p 1 1
Представим изображение в виде F  p    p  .
 p  5 p  3 p5 p3
1 1
Т.к.  e 5t  f1 t ,  e 3t  f 2 t  , то на основании теоремы Дюамеля
p5 p3
получим
t t
F  p 
12 p
 12e5t  e0  12 e5  e3t  d  12e5t  12 e8  3t d 
 p  5 p  3 0 0
 12e5t 
12 8  3t t
8
e
0
 12e5t 
8

12 5t 3t 15 5t 9 3t
e e  e  e .
2 2

73
12 s 15 (  5)  t 9 3 t
invlaplace  s  e  e
( s  5)  ( s  3) 2 2
б) если f t   F(p), g t   G p  , то F  p   G p   f t   g t  . Таким образом,

 e 2t 1  e 7 t .
t
1 1 1 1 1
 e 2t  e 5t   e 2t  e 5  d   e 2t 7 
t
 
 p  2 p  5 p2 p5 0 7 0
7
t
 2 ( t  )  5  1 (  5)  t 1 2 t
 e e d  e  e
 7 7
0
1 1 (  5)  t 1 2 t
invlaplace  s  e  e
( s  5)  ( s  2) 7 7
Задание 7. Используя теорему о разложении, найти оригинал по

5p  4
изображению F  p  
 p  1 p 2  p  3
.
Решение: функция F  p  разложима в сумму простейших дробей вида

A Bp  C
F  p   2 .
p 1 p  p  3
Дроби в правой части последнего равенства приведем к общему
знаменателю, числитель полученной дроби приравниваем к 5 p  4 и
9 9 7
определим неизвестные коэффициенты: A  , B   , C  . Следовательно,
5 5 5
9 9 7
 p
F  p 
5p  4
 5  25 5  1  9   9 p  7  
 
 p  1 p  p  3 p  1 p  p  3 5  p  1 p 2  p  3 
2
   
    1  23 
    
1  9  1 9 
9 p
9p  7    2 2 
    
5  p 1  1   11   5  p  1 
2 2
1   11  
2 2
  p      
 
  p      
 
  2  2   2  2
       
 
 1 23 
 p 
1 9
  9 2  2 
5  p 1  1
2
 11 
2
 1
2
 11 

2
  p     
  p    

 
 
  2   2  2   2
   
74
 
 1 11 
 p 
1 9 23
  9 2   2 
5  p 1  1 
2
11 
2
11  1
2
 11 

2
  p       p      

  2  2   2    2  
 
1 11 
1 1
 t 11 23  2 t
  9e t  9e 2 cos t e sin t .
5  2 11 2 
1 t 11 
1 1
 t 11 23  2 t
Итак, искомый оригинал f t    9e  9e cos
2
t e sin t.
5 2 11 2 
В среде Mathcad это выполняется через операцию панели инструментов

symbolics (см. ниже)
1
t  1  1 1  1 
5 s  4 9 t 9 2  1 2  23 2  t 2  1 2 
invlaplace  s  e  e  cos   11  t  e  11  sin   11  t
2 
( s  1)   s  s  3
5 5 2  55 2 
5 s  4 9 1 ( 7)  9 s
convert  parfrac  s   
2 
( s  1)   s  s  3
5 ( s  1) 5 2
s s3
1
t  1  1 1  1 
9 1 ( 7)  9 s 9 t 9 2  1 2  23 2  t 2  1 2 
  invlaplace  s   e   e  cos   11  t  e  11  sin   11  t
5 ( s  1) 5 2
s s3
5 5 2  55 2 
Задание 8. Решить операторным методом линейное дифференциальное
уравнение  y   y   y  f t , yt 0   A, yt 0   B , где
  1,   2,   1, f t   3cos 2t , t 0   , A  5, B  3.
Решение: подставляя данные в уравнение, получим
y  2 y  y  3cos 2t , y   5, y   3.
Составляем изображающее уравнение, пользуясь операторными
равенствами:
3p
yt   Y  p , yt   pY  p   y0  pY  p , yt   p 2Y  p   1, 3 cos 2t  2 .
p 4
В результате получаем операторное уравнение для данного
дифференциального уравнения:
3p
p 2Y  p   1  2 pY  p   Y  p   2 .
p 4
Отсюда
75
p2  3 p  4
Y  p  p  2 p  1  2
3p
2
 1 или Y  p   2
p 4  p  4 p 2  2 p  1 .
Разложив Y  p  на простые дроби, найдем оригинал по изображению:
p2  3 p  4 1  15 p  24 15 p  35
Y  p  2
15 p 12 2
 (  2 )  2  
 2

p  4 p  2 p  1 41 p 4
2
 p  2 p 1 41 p  4 41 p 2  4
15 p 1 25 2 2 15 12 15 25
      cos 2t  sin 2t  et ch 2t  et sh 2t.
41  p  1  2
2
41  p  1  2
2
41 41 41 41
Таким образом, искомое решение
yt   
15 12 15 25
cos 2t  sin 2t  et ch 2t  et sh 2t .
41 41 41 41
В среде Mathcad это выполняется через операцию панели инструментов
symbolics
2
2 3 p p  4  3 p
p  Y( p )  1  2 p  Y( p )  Y( p )  solve  Y( p ) 
2 4 2 3
p 4 p  3 p  2 p  8 p  4
 1  1  1 
2
p  4  3 p 15 t  2  25 t 2  2  15 12
invlaplace  p   e  cosh  2  t   e  2  sinh  2  t   cos ( 2 t)   sin ( 2 t)
4 2 3 41 41 41 41
p  3 p  2 p  8 p  4
Задание 9. Решить
операторным методом систему линейных
a x  b1 y   c1 x  d1 y  f1 t , x0  A,
дифференциальных уравнений  1
a2 x  b2 y   c2 x  d 2 y  f 2 t , y0  B,
где a1  1, b1  2, c1  0, d1  1, f1 t   3, a2  1, b2  0, c2  4, d2  1,
f 2 t   5, A  1, B  0.
Решение: подставляя данные в систему уравнений, получим
 x  2 y   y  3,

  x  4 x  y  5
при заданных начальных условиях x0  1, y0  0.
Находим изображения по Лапласу:
3
xt   X  p , xt   pX  p   x0  pX  p   1, 3  , yt   Y  p ;
p
5
yt   pY  p   y0  pY  p , 5  .
p
Получаем систему линейных операторных уравнений:
76
 3
 pX  p   1  2 pY  p   Y  p   ,
p
 5
(*)
  pX  p   1  4 X  p   Y  p   .
 p
Решив ее относительно X  p  и Y  p  , методом определителей имеем
 p2  5 p  4
 X  p 
 
p p2  4 p  2 ,

Y  p   2( p  3)
 
p p2  4 p  2 
.
Разложив на простейшие дроби, получаем

  p3  p2
 X  p  p  p2  4 p  2 ,
2
 X  p  2  
1 1 2
  ,
 или  p  p  2  2
2
2  p  2  2
2
 
Y  p    3  3 p  10 , Y  p    3  3  p2 2 2 2
    .
p p2  4 p  2
 p  p  2  2 1  p  22  2
2
Проводится обратное преобразование, которое и есть искомое решение

системы дифференциальных уравнений

 xt   2  e ch 2t 
2t 1
sin 2t ,
 2
 y t   3  3e 2t ch 2t  2 2 sin 2t.

В среде Mathcad сразу решается система операторных уравнений (*)
через панель инструментов symbolics
 p 2 p  1  3  1 2 p  1  p 3
 1
  
4  p 1 
  p 
   p 
2   
1     4  p 5  1
 15
1   p 
 p 
p 3 2
2  4 4  5 p  p 2
p 1  2   ( 8)  p  2 p  4
p
 1  1  1 
1 2 t  2  1 2 t 2  2 
x( p )  invlaplace  p  2  e  cosh  2  t   e  2  sinh  2  t
 2
 1  1  1 
2 2 t  2  2 t 2  2 
Y( p )  invlaplace  p  ( 3)  3 e  cosh  2  t  2 e  2  sinh  2  t

77
Справочный материал.
Свойства тригонометрических функций.

1) e  ix  cos x  i  sin x,
sin ix  i  shx, cos ix  chx, shix  i  sin x, chix  cos х,
e x  e x e x  e x
shx  , chx  ;
2 2
2) cos(   )  cos  cos   sin  sin  ,

sin(   )  sin  cos   cos  sin  ,
cos(   )  cos(   ) cos(   )  cos(   )
cos  cos   , sin  sin   ,
2 2
sin(   )  sin(   )
sin  cos   ;
2
e ax (a  сosbx  b  sin bx)
 e cos bxdx 
ax
3) ,
a2  b2
e ax (a  sin bx  b  cos bx)
 e sin bxdx 
ax
.
a2  b2
Свойства преобразования Лапласа.

Пусть f t   F  p , g t   G p 
1) Af t   Bg t   AF  p   BG p  (теорема линейности).
1  p
2) f t   F   (теорема подобия).
 
3) e f t   F  p  a  (теорема смещения).
at
4) f t    e  p F  p  (   0 теорема запаздывания).
5) f   pF  p   f 0, f   p 2 F  p   pf 0  f 0, ...
f n    p n F  p   p n 1 f 0  ... f n 1 0 (теорема дифференциорования
оригинала).
t
F  p
6)  f z dz  (теорема интегрирования оригинала).
0 p
7) 1n t n f t   F n   p  (теорема дифференцирования изображения).
f t  
8)   F z dz (теорема интегрирования изображения).
t p
9) f t   g t   F  p   G p , (теорема умножения изображений).

t t
10) f t   g t    f  g t   d   f t   g  d (свертка функций).
0 0
78
11) F  p  G p   f t  g t   f 0 g t   g t  f t   g 0 f t  , (интеграл
Дюамеля).
Таблица оригинал-изображение
№ f t  F  p № f t  F  p
1 1 1 8 e sin t
at

p  p  a 2  2
2 e at 1 9 e at cost pa
pa  p  a 2  2
3 tn n! 10 t n e at n!
p n 1  p  a n1
4 sin t  11 t sin t 2p
p  2
2
p  2 
2 2
5 cost p 10 t cost p 2  2
p  2
2
p 2
 2 
2
6 sht  11 tsht 2p

p  2
2
p  2 
2 2
7 cht p 12 tcht p 2  2
p  2
2
p 2
 2 
2
79
Приложение 1
1  x2 
Таблица значений функции  ( x)  exp   .
2  2 
0 1 2 3 4 5 6 7 8 9
0,0 0,3989 3989 3989 3988 3986 3984 3982 3980 3977 3973
0,1 3970 3965 3961 3956 3951 3945 3939 3932 3925 3918
0,2 3910 3902 0894 3885 3876 3867 3857 3847 3836 3825
0,3 3814 3802 3790 3778 3765 3752 3739 3726 3712 3697
0,4 3683 3668 3652 3637 3621 3605 3589 3572 3555 3538
0,5 3521 3503 3485 3467 34448 3429 3410 3391 3372 3352
0,6 3332 3312 3292 3271 3251 3230 3209 3187 3166 3144
0,7 3123 3101 3079 3056 3034 3011 2989 2966 2943 2920
0,8 2897 2874 2827 2803 2780 2756 2756 2732 2709 2685
0,9 2661 2637 2613 2589 2565 2541 2516 2492 2468 2444
1,0 0,2420 2396 2371 2347 2323 2299 2275 2251 2227 2203
1,1 2179 2155 2131 2107 2083 2059 2036 2012 1989 1965
1,2 1942 1919 1895 1872 1849 1826 1804 1781 1758 1736
1,3 1714 1691 1609 1647 1626 1604 1582 1561 1539 1518
1,4 1497 1476 1456 1435 1415 1394 1374 1354 1334 1315
1,5 1295 1276 1257 1238 1219 1200 1182 1163 1145 1127
1,6 1109 1092 1074 1057 1040 1023 1006 0989 0973 0957
1,7 0940 0925 0909 0893 0878 0863 0848 0833 0818 0804
1,8 0709 0775 0761 0748 0734 0721 0707 0694 0681 0669
1,9 0656 0644 0632 0620 0608 0596 0584 0573 0562 0551
2,0 0,0540 0529 0519 0508 0498 0488 0478 0468 0459 0449
2,1 0440 0431 0422 0413 0404 0396 0387 0379 0371 0363
2,2 0355 0347 0339 0332 0325 0317 0310 0303 0297 0290
2,3 0283 0277 0270 0264 0258 0252 0246 0241 0235 0229
2,4 0224 0219 0213 0208 0203 0198 0194 0189 0184 0180
2,5 0175 0171 0167 0163 0158 0154 0151 0147 0143 0139
2,6 0136 0132 0129 0126 0122 0119 0116 0113 0110 0107
2,7 0104 0101 0099 0096 0093 0091 0088 0086 0084 0081
2,8 0079 0077 0075 0073 0071 0069 0067 0065 0063 0061
2,9 0060 0058 0056 0055 0053 0051 0050 0048 0047 0046
3,0 0,0044 0043 0042 0040 0039 0038 0037 0036 0035 0034
3,1 0033 0032 0031 0030 0029 0028 0027 0026 0025 0025
3,2 0024 0023 0022 0022 0021 0020 0020 0019 0018 0018
3,3 0017 0017 0016 0016 0015 0015 0014 0014 0013 0013
3,4 0012 0012 0012 0011 0011 0010 0010 0010 0009 0009
3,5 0009 0008 0008 0008 0008 0007 0007 0007 0007 0006
3,6 0006 0006 0006 0005 0005 0005 0005 0005 0005 0001
3,7 0004 0004 0004 0004 0004 0004 0003 0003 0003 0003
3,8 0003 0003 0003 0003 0003 0002 0002 0002 0002 0002
3,9 0002 0002 0002 0002 0002 0002 0002 0002 0001 0001
80
1
x
 t2 
Таблица значений функции Ф( x)   exp   2 dt.
2 0
х Ф(х) х Ф(х) х Ф(х) х Ф(х) х Ф(х)

0,00 0,0000
0,01 0,0040 0,51 0,1950 1,01 0,3438 1,51 0,4345 2,02 04783
0,02 0,0080 0,52 0,1985 1,02 0,3461 1,52 0,4357 2,04 0,4793
0,03 0,0120 0,53 0,2019 1,03 0,3485 1,53 0,4370 2,06 0,4803
0,04 0,0160 0,54 0,2054 1,04 0,3508 1,54 0,4382 2,08 0,4812
0,05 0,0199 0,55 0,2088 1,05 0,3531 1,55 0,4394 2,10 0,4821
0,06 0,0239 0,56 0,2123 1,06 0,3554 1,56 0,4406 2,12 0,4830
0,07 0,0279 0,57 0,2157 1,07 0,3577 1,57 0,4418 2,14 0,4838
0,08 0,0319 0,58 0,2190 1,08 0,3599 1,58 0,4429 2,16 0,4846
0,09 0,0359 0,59 0,2224 1,09 0,3621 1,59 0,4441 2,18 0,4854
0,10 0,0398 0,60 0,2257 1,10 0,3643 1,60 0,4452 2,20 0,4861
0,11 0,0438 0,61 0,2291 1,11 0,3665 1,61 0,4463 2,22 0,4868
0,12 0,0478 0,62 0,2324 1,12 0,3686 1,62 0,4474 2,24 0,4875
0,13 0,0517 0,63 0,2357 1,13 0,3708 1,63 0,4484 2,26 0,4881
0,14 0,0557 0,64 0,2389 1,14 0,3729 1,64 0,4495 2,28 0,4887
0,15 0,0596 0,65 0,2422 1,15 0,3749 1,65 0,4205 2,30 0,4893
0,16 0,0636 0,66 0,2454 1,16 0,3770 1,66 0,4515 2,32 0,4898
0,17 0,0675 0,67 0,2486 1,17 0,3790 1,67 0,4525 2,34 0,4904
0,18 0,0714 0,68 0,2517 1,18 0,3810 1,68 0,4535 2,36 0,4909
0,19 0,0753 0,69 0,2549 1,19 0,3830 1,69 0,4545 2,38 0,4913
0,20 0,0793 0,70 0,2580 1,20 0,3849 1,70 0,4554 2,40 0,4918
0,21 0,0832 0,71 0,2611 1,21 0,3869 1,71 0,4564 2,42 0,4922
0,22 0,0871 0,72 0,2642 1,22 0,3883 1,72 0,4573 2,44 0,4927
0,23 0,0910 0,73 0,2673 1,23 0,3907 1,73 0,4582 2,46 0,4931
0,24 0,0948 0,74 0,2703 1,24 0,3925 1,74 0,4591 2,48 0,4934
0,25 0,0987 0,75 0,2734 1,25 0,3944 1,75 0,4599 2,50 0,4938
0,26 0,126 0,76 0,2764 1,26 0,3962 1,76 0,4608 2,52 0,4941
0,27 0,1064 0,77 0,2794 1,27 0,3980 1,77 0,4616 2,54 0,4945
0,28 0,1103 0,78 0,2823 1,28 0,3997 1,78 0,4625 2,56 0,4948
0,29 0,1141 0,79 0,2852 1,29 0,4015 1,79 0,4633 2,58 0,4951
0,30 0,1179 0,80 0,2881 1,30 0,4032 1,80 0,4641 2,60 0,4953
0,31 0,1217 0,81 0,2910 1,31 0,4049 1,81 0,4649 2,62 0,4956
0,32 0,1255 0,82 0,2939 1,32 0,4066 1,82 0,4656 2,64 0,4959
0,33 0,1293 0,83 0,2967 1,33 0,4082 1,83 0,4664 2,66 0,4961
0,34 0,1331 0,84 0,2995 1,34 0,4099 1,84 0,4671 2,68 0,4963
0,35 0,1368 0,85 0,3023 1,35 0,4115 1,85 0,4678 2,70 0,4965
0,36 0,1406 0,86 0,3051 1,35 0,4131 1,86 0,4686 2,72 0,4967
0,37 0,1443 0,87 0,3078 1,37 0,4147 1,87 0,4693 2,74 0,4969
0,38 0,1480 0,88 0,3106 1,38 0,4162 1,88 0,4699 2,76 0,4971
0,39 0,1517 0,89 0,3133 1,39 0,4177 1,89 0,4706 2,78 0,4973
81
0,40 0,1554 0,90 0,3159 1,40 0,4192 1,90 0,4713 2,80 0,4974
0,41 0,1591 0,91 0,3186 1,41 0,4207 1,91 0,4719 2,82 0,4976
0,42 0,1628 0,92 0,3212 1,42 0,4222 1,92 0,4726 2,84 0,4977
0,43 0,1664 0,93 0,3238 1,43 0,4236 1,93 0,1732 2,86 0,4979
0,44 0,1700 0,94 0,3264 1,44 0,4251 1,94 0,4738 2,88 0,4980
0,45 0,1736 0,95 0,3289 1,45 0,4265 1,95 0,4744 2,90 0,4981
0,46 0,1772 0,96 0,3315 1,46 0,4279 1,96 0,4750 2,92 0,4982
0,47 0,1808 0,97 0,3340 1,47 0,4292 1,97 0,4756 2,94 0,4984
0,48 0,1844 0,98 0,3365 1,48 0,4306 1,98 0,4761 2,96 0,4985
0,49 0,1879 0,99 0,3389 1,49 0,4319 1,99 0,4767 2,98 0,4986
0,50 0,1915 1,00 0,3413 1,50 0,4332 2,00 0,4772 3,00 0,49865
3,2 0,49931 3,8 0,499928

3,4 0,49966 4,00 0,499968
3,6 0,499841 4,50 0,499997
5,00 0,499997
82
1. Таблица значений q  q , n  .

 0,95 0,99 0,999  0,95 0,99 0,999
n n
5 1,37 2,67 5,64 20 0,37 0,58 0,88
6 1,09 2,01 3,88 25 0,32 0,49 0,73
7 0,92 1,62 2,98 30 0,28 0,43 0,63
8 0,80 1,38 2,42 35 0,26 0,38 0,56
9 0,71 1,20 2,06 40 0,24 0,35 0,50
10 0,65 1,08 1,80 45 0,22 0,32 0,46
11 0,59 0,98 1,60 50 0,21 0,30 0,43
12 0,55 0,90 1,45 60 0,188 0,269 0,38
13 0,52 0,83 1,33 70 0,174 0,245 0,34
14 0,48 0,78 1,23 80 0,161 0,226 0,31
15 0,46 0,73 1,15 90 0,151 0,211 0,29
16 0,44 0,70 1,07 100 0,143 0,198 0,27
17 0,42 0,66 1,01 150 0,115 0,160 0,211
18 0,40 0,63 0,96 200 0,099 0,136 0,185
19 0,39 0,60 0,92 300 0,079 0,110 0,152
2. Критические точки  2 - распределения Пирсона.

Число Уровень значимости 
степеней
свободы k 0,01 0,025 0,05 0,95 0,975 0,89
1 6,6 5,0 3,8 0,0039 0,00098 0,00016
2 9,2 7,4 6,0 0,103 0,051 0,020
3 11,3 9,4 7,8 0,352 0,216 0,115
4 13,3 11,1 9,5 0,711 0,484 0,297
5 15,1 12,8 11,1 1,15 0,831 0,554
6 16,8 14,4 12,6 1,64 1,24 0,872
7 18,5 16,0 14,1 2,17 1,69 1,24
8 20,1 17,5 15,5 2,73 2,18 1,65
9 21,7 19,0 16,9 3,33 2,70 2,09
10 23,2 20,5 18,3 3,94 3,25 2,56
11 24,7 21,9 19,7 4,57 3,82 3,05
12 26,2 23,3 21,0 5,23 4,40 3,57
13 27,7 24,7 22,4 5,89 5,01 4,11
14 29,1 26,1 23,7 6,57 5,63 4,66
15 30,6 27,5 25,0 7,26 6,26 5,23
16 32,0 28,8 26,3 7,96 6,91 5,81
17 33,4 30,2 27,6 8,67 7,56 6,41
18 34,8 31,5 28,9 9,39 8,23 7,01
19 36,2 32,9 30,1 10,1 8,91 7,63
20 37,6 34,2 31,4 10,9 9,59 8,26
21 38,9 35,5 32,7 11,6 10,3 8,90
22 40,3 36,8 33,9 12,3 11,0 9,54
23 41,6 38,1 35,2 13,1 11,7 10,2
83
Список литературы
1 Мустахишев К.М., Ералиев С.Е., Атабай Б.Ж. Математика (полный

курс). –Алматы: NSN-Company, 2009. -429 с.
2 Гмурман В.Е. Теория вероятностей и математическая статистика.-
Учебное пособие для вузов.- М.: ВШ, 2013.-479 с.
3 Гмурман В.Е. Руководство к решению задач по теории
вероятностей и математической статистике.- М.: ВШ, 2004. -400 с.
4 Лунгу К.Н. и др. Сборник задач по высшей математике. -М.:
Айрис-пресс, 2011. -576 с.
5 Сборник индивидуальных заданий по высшей математике: В 3ч.
/А.П. Рябушко, В.В. Бархатов и др. /Под ред. А.П. Рябушко. –Минск:
Вышэйшая школа, 2007. Ч.4. -356 с.
6 Чудесенко В.Ф. Сборник заданий по специальным курсам высшей
математики. Учебники для вузов. -Изд.: Лань, 2005. -128 с.
7 Масанова А.Ж., Толеуова Б.Ж. Компьютерное решение задач
задания по выполнению расчетно-графических работ №1,2 для студентов
специальности 5В071900 - Радиотехника, электроника и телекоммуникации).–
Алматы: АУЭС, 2014. -37 с.
8 Масанова А.Ж., Толеуова Б.Ж. Компьютерное решение задач
задания по выполнению расчетно-графических работ №3,4 для студентов
специальности 5В071900 - Радиотехника, электроника и телекоммуникации).–
Алматы: АУЭС, 2015. -40 с
84
Содержание
1 Расчётно-графическая работа №1. Случайные события и случайные

величины
1.1 Теоретические вопросы................................................................................. 3
1.2 Расчетные задания…..................................................................................... 3
1.3 Решение типового варианта РГР 1............................................................. 12
2 Расчетно-графическая работа №2. Основные законы распределения
случайных величин. Случайный процесс
2.1 Теоретические вопросы................................................................................ 20
2.3 Решение типового варианта РГР №2...........................................................
3 Расчётно-графическая работа №3. Математическая стастистика
3.1 Теоретические вопросы................................................................................. 25
3.2 Расчетные задания….................................................................................... 25
3.3 Решение типового варианта РГР №3........................................................... 46
4 Расчётно-графическая работа №4. Операциионное исчисление
4.1 Теоретические вопросы .....................................................................…….. 32
4.3 Решение типового варианта РГР №4........................................................... 65
Справочный материал…………………………………………………............. 74
Приложения…………………………………………………………………….. 76
Список литературы.............................................................................................. 80
85

ПОИТВ 1 4 0716 (рус)

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

ПОИТВ 1 4 0716 (рус)

Загружено:

Авторское право:

Доступные форматы

Некоммерческое

Кафедра высшей математики

ПРИЛОЖЕНИЯ ОПЕРАЦИОННОГО ИСЧИСЛЕНИЯ И ТЕОРИИ

Методические указания и задания по выполнению

Представлены методические указания и задания по выполнению

Рецензент: доц. каф. ЭиАПУ Гали К.О.

Печатается по плану издания некоммерческого акционерного общества

© НАО «Алматинский университет энергетики и связи», 2016 г.

Масанова Аида Жайлауовна

ПРИЛОЖЕНИЯ ОПЕРАЦИОННОГО ИСЧИСЛЕНИЯ

Методические указания и задания по выполнению

Подписано в печать _______ Формат 60х84 1/16

1.1 Теоретические вопросы

1. Предмет теории вероятностей. Случайные события, частота.

1.2 Расчётные задания

Задание 1. Участок электрической цепи MN состоит из элементов,

Задание 2. На сборку поступают детали с четырех автоматов. Первый

Задание 3. При передаче сообщения вероятность искажения одного

Задание 4. Промышленная телевизионная установка содержит n

Задание 5. Вероятность наступления события А в каждом испытании

Задание 6. Дискретная случайная величина Х задана рядом

Задание 7. Непрерывная случайная величина Х задана функцией

7.2  0, при х  0 1 2 7.17 0 

7.5 0 1 7.20 0 1,5

7.6 0 3 7.21 1 1,5

7.7 3 5 7.22 1,2 1,5

7.10 1 2 7.25 -0,5 0,2

1.3. Решение типового варианта

Задание 1. Участок электрической цепи MN состоит из элементов,

Задание 2. На сборку схем поступают детали с четырех автоматов.

Задание 3. При передаче сообщения вероятность искажения одного

Задание 4. Промышленная телевизионная установка содержит 1000

p(6 3)  0.05 .

Задание 5. Вероятность наступления некоторого события в каждом

pnorm(x2 0 1)  pnorm(x1 0 1)  0.494

P (k1 k2)   (x2)   (x1),

P (k1 k2)  0.494 , x3  5 , x4  20 ,

Задание 6. Дискретная случайная величина Х задана рядом

суммирование ведётся по всем i , для которых xi  x .

D( X )   ( xi  M ( X ))2  pi   xi2 pi  (M ( X )) 2 - дисперсия;

 ( x)  D( x) - среднее квадратичное отклонение;

Задание 7. Непрерывная случайная величина Х задана функцией

являются: M ( x)   xf ( x)dx - математическое ожидание;

D( x)   ( x  M ( x)) f ( x)dx D( x)  x f ( x)dx  M ( x) - дисперсия;

 ( x)  D( x) - - среднее квадратическое отклонение;

Таким образом, в нашей задаче M ( x)   2 x( x  2) =8/3;

D( x)   x 2  2( x  2)dx  (8 / 3) 2  1/ 18 ;  ( X )  1/ 18 = 0,236. Для определения

моды надо найти максимум функции на отрезке [2;3]:

P( X  M e ) = P(  X  M e )  P(2  X  M e )   2( x  2)dx  ( M e  2) 2 =0,5,

2.1 Теоретические вопросы

2.2 Расчётные задания

Нормальный закон распределения.

Задание 5. Случайный процесс определяется формулой X(t), где t≥0, V-

Задание 6. Задана матрица P1 вероятности перехода цепи Маркова из

2.3 Решение типового варианта

Задание 1. Случайная величина Х распределена равномерно на отрезке

в) математическое ожидание и дисперсия вычисляются по формулам:

В среде Mathcad равномерному закону распределения соответствуют

Задание 2. Случайная величина t, время безотказной работы

F (t )  P(T  t )  1  e   t определяет вероятность отказа элемента за время t;

Задание 3. Случайная величина Х подчинена нормальному закону

Задание 4. Вероятность некоторого события в каждом испытании из

 0.2 0.3 0.5 