Федеральное государственное образовательное бюджетное

учреждение высшего образования

«ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»
ОМСКИЙ ФИЛИАЛ ФИНУНИВЕРСИТЕТА

Н. И. Ильина, Н. А. Бурмистрова

АНАЛИЗ ДАННЫХ
Теория вероятностей

Учебное пособие

Омск
Издательство ООО «Образование информ»
2020
2
 ОГЛАВЛЕНИЕ
Введение…………………………………………………………... 4
ГЛАВА 1. ВЕРОЯТНОСТЬ СОБЫТИЯ
§1.1. Основы комбинаторики …………………………………………. 5
§1.2. Основные понятия. Алгебра событий…………… 11
§1.3. Классическое определение вероятности………………………... 13
§1.4. Геометрическое определение вероятности 17
§1.5. Статистическое и аксиоматическое определение вероятности 19
ГЛАВА 2. Основные формулы для вычисления вероятностей 21
§2.1. Теоремы сложения вероятностей……………………………….. 21
§2.2. Условная вероятность и теоремы умножения………………….. 22
§2.3. Независимость событий 23
§2.4. Формула полной вероятности. Формулы Байеса ………… 27
ГЛАВА 3. Повторные независимые испытания 32
§3.1. Схема Бернулли. Формула Бернулли……………………... 32
§3.2. Формула Пуассона…………………. 33
§3.3. Теоремы Муавра-Лапласа ……………………………… 34
ГЛАВА 4. Случайные величины 41
§4.1. Закон распределения дискретной случайной величины… 41
§4.2. Действия над независимыми случайными величинами ……... 44
Основные числовые характеристики дискретных случайных
§4.3. 46
величин
§4.4. Непрерывные случайные величины …………………… 52
§4.5. Основные дискретные распределения …... 60
§4.6. Основные непрерывные распределения ………………….. 64
§4.7. Двумерные случайные величины... 69
§15. Закон больших чисел. Центральная предельная теорема ... 74

СПИСОК ЛИТЕРАТУРЫ……………………………………….. 77

3
 ВВЕДЕНИЕ
Основные методы анализа данных базируются на теории вероятностей и
математической статистике.
Человеку в своей практической деятельности часто приходится
сталкиваться с вероятностными и статистическими закономерностями, с
такими событиями реального мира, исход которых не может быть точно
предсказан заранее. Простыми и наглядными примерами таких событий
являются: результат бросания монеты или игральной кости, результат
розыгрыша лотереи и т.д. События такого рода называют случайными.
Теория вероятностей изучает свойства массовых случайных событий,
которые при воспроизведении определенного комплекса условий могут
многократно повторяться. На теорию вероятностей опираются
математическая и прикладная статистика, которые изучают методы сбора,
систематизации и обработки результатов наблюдений массовых случайных
событий с целью выявления статистических закономерностей.
Анализ данных – это процесс обнаружения в имеющихся данных
практически полезных знаний, необходимых для принятия решений в
различных сферах человеческой деятельности.

4
 ГЛАВА 1. ВЕРОЯТНОСТЬ СОБЫТИЯ

§ 1.1. Основы комбинаторики

При вычислении вероятностей событий, связанных с опытом, который
имеет конечное число исходов, очень важно знать основные правила и
формулы комбинаторики.
Правила суммы и произведения
Правило произведения. Пусть имеется m групп А1, А2, , Аm, каждая
из которых содержит n1, n2, , nm элементов соответственно. Общее число n
способов, которыми можно выбрать по одному элементу из каждой группы и
расставить их в определенном порядке, т.е. получить упорядоченную
совокупность (а1, а2,  , аm), где аiАi , равно n=n1n1  nm.
Это правило можно применять, если новые группы образуются в
процессе выбора элементов, при этом численность этих групп не зависит от
того, какие именно элементы были выбраны.
Правило суммы. Пусть имеется m групп А1, А2, , Аm, каждая из
которых содержит n1, n2, , nm элементов соответственно и никакие две
группы не имеют общих элементов. Если один элемент из группы Аi можно
выбрать ni способами, то выбор ровно одного элемента или из А1, или из А2,
, или из Аm можно осуществить n=n1 + n2 + + nm способами.
Пример 1.1. Если имеется три чайных блюдца и две чайные чашки, то
можно составить 6 различных чайных пар. Действительно, оно чайное блюдце
(из трех) можно выбрать тремя способами. Одну чайную чашку (из двух)
можно выбрать двумя способами. Поэтому общее число чайных пар, по
правилу произведения, равно: N =32=6.
Пример 1.2. В ящике 12 шаров, из которых пять белых, три черных и
остальные красные. Извлечь один шар белого или красного цвета (красных
шаров четыре) можно по правилу суммы n=5+4=9 способами.

5
 Комбинации без повторений
В комбинаторике часто используется понятие факториала.
Факториалом натурального числа n называется число n! (читается «n-
факториал»), которое вычисляется по формуле
n! n  (n  1)  (n  2)   2  1. (1.1)
Факториал нуля по определению равен единице: 0!1.
Пусть имеется некоторое множество из n различных элементов. Из него
случайным образом выбирают m элементов. Эти m-элементные подмножества
могут отличаться: составом элементов; порядком следования элементов;
возможностью повтора элементов в подмножестве и объемом.
В соответствии с этим выделяют следующие типы соединений
(комбинаций): размещения, сочетания и перестановки.
Размещения – это комбинации из n элементов по m, отличающиеся
составом или порядком элементов. Число всех возможных размещений из n по
m обозначается Anm (читается «А из n по m») и вычисляется формулой
n!
Аnm  n  (n  1)  (n  2)    (n  m  1)  ; (0  m  n ) . (1.2)
(n  m)!
Перестановки – это комбинации из n элементов, отличающиеся
порядком элементов. Их число определяется формулой

Pn  Аnn  n! (1.3)
Сочетания – это комбинации из n элементов по m, отличающиеся
только составом, порядок следования элементов значения не имеет. Число
всех возможных сочетаний из n элементов по m обозначается Сnm (читается «С
из n по m») и определяется формулой
n!
С nm  (0  m  n ) (1.4)
m!(n  m)!
Пример 1.3. Правление банка выбирает из 10 кандидатов трех человек
на различные должности. Сколькими способами можно осуществить этот
выбор, если каждый кандидат может занять лишь одну должность?
Р е ш е н и е. Испытание состоит в выборе трех человек из десяти. Так
6
как должности различны, то важен не только состав, но и порядок. Повторы в
тройках по условию невозможны. Значит, общее число способов можно найти
как число размещений из 10 элементов по 3:
10! 10!
n  A103    10  9  8  720 .
(10  3)! 7!
Пример 1.4. Сколько существует способов составления случайным
образом списка из 5 деловых звонков?
Р е ш е н и е. Так как искомые комбинации будут состоять из всех 6
элементов исходного множества, то количество способов составления списка
будет равно числу перестановок из 6 элементов: n  P6  6! 720 .
Пример 1.5. Правление банка выбирает из 10 кандидатов трех человек
на одинаковые должности. Сколькими способами можно осуществить этот
выбор, если каждый кандидат может занять лишь одну должность?
Р е ш е н и е. Испытание состоит в выборе трех человек из десяти. Так
как должности одинаковые, то важен только состав, порядок не важен. Значит,
общее число способов можно найти как число сочетаний из 10 по 3:
10! 10! 10  9  8
n  С103     120 .
3!(10  3)! 3!7! 3  2  1
Замечание. Число различных комбинаций без повторений можно найти
с помощью соответствующей функций пакета MS Excel:
Anm= ПЕРЕСТ(n; m); Cnm= ЧИСЛКОМБ (n; m); Pn= ФАКТР(n).

Комбинации с повторениями
Если в размещениях (сочетаниях) из n элементов по m некоторые из
элементов (или все) могут оказаться одинаковыми, то говорят о размещениях
(сочетаниях) с повторениями из n элементов по m (m может быть больше n).
Число всех возможных размещений с повторениями из n по m
~
обозначается Anm и определяется по формуле:
~
Anm  n m . (1.5)

7
 Число всех возможных сочетаний с повторениями из n элементов по m
~
обозначается Сnm и определяется по формуле:
~ (n  m  1)!
C nm  C nm m1  . (1.6)
m!(n  1)!
Перестановки с повторениями из n элементов  это упорядоченные
подмножества, в которых элемент аi повторяется ni раз, i  1,, k , при этом
n1  n2    nk  n . Число всех возможных перестановок с повторениями из n
~
элементов обозначается Pn (n1 , n2 , nk ) и определяется по формуле
~ n!
Pn (n1 , n2 , nk )  . (1.7)
n1!n2 !  nk !
Пример 1.6. Для запирания сейфов применяют секретные замки,
которые открываются лишь тогда, когда набрано некоторое «тайное слово».
Пусть на диск нанесено 12 букв, а секретное слово состоит из 5 букв. Сколько
попыток может быть сделано, если не знаешь секретного слова?
Р е ш е н и е. Испытание состоит в выборе 5 элементов из 12. Имеет
значение и состав, и порядок. Кроме того, буквы могут повторяться, то общее
число возможных попыток можно найти как число размещений из 12 по 5 с
~
повторениями: N  A125  125.
Пример 1.7. В кондитерском магазине продавались 4 сорта пирожных.
Сколькими способами можно купить 7 пирожных?
Р е ш е н и е. Нужно выбрать 7 пирожных из 4 сортов. Очевидно, виды
пирожных в наборе могут повторяться, порядок не имеет значения. Значит,
~
число вариантов рано числу сочетаний с повторениями: N  С47  С107  120 .
Пример 1.8. Сколько существует семизначных чисел, составленных из
цифр 6, 7 и 8, в которых цифра 6 встречается 3 раза, а 7 и 8 – по 2 раза?
Р е ш е н и е. В числах важен порядок следования цифр, по условию
цифры повторяются. Значит, общее количество таких чисел равно числу
~ 7!
перестановок из 7 элементов с повторениями: N  P7 (2,2,3)   210 .
2!2!3!
8
 Задания для самостоятельной работы.
Задачи на занятиях.
1. У одного студента 6 книг, а у другого – 9. Все книги различные.
Сколькими способами студенты могут произвести обмен по одной книге?
2. Имеется набор чисел: {1, 2, 3, 4}. Сколькими способами можно
расположить числа так, что крайние числа имеют одинаковую четность?
3. Порядок выступления 7 участников конкурса определяется
жеребьевкой. Сколько вариантов жеребьевки возможно?
4. В шахматном турнире участвует 16 человек. Сколько партий будет
сыграно в турнире, если между любыми двумя участниками должна быть
сыграна одна партия?
5. На группу из 25 человек выделено три билета на дискотеку. Сколькими
способами они могут быть распределены (не более одного билета в руки)?
6. Есть три билета в различные театры. Сколькими способами они могут
быть распределены среди 25 студентов (не более одного билета в руки)?
7. В вазе стоят 9 красных и 8 белых роз. Сколькими способами можно
выбрать из нее: а) только 3 розы; б) 6 роз одного цвета; в) 4 красных и 3 белых
розы.
8. Десять приезжих мужчин размещаются в гостинице в двух трехместных
и одном четырехместном номерах. Сколько существует способов их
размещения?
9. В конкурсе по 5 номинациям участвует 10 кинофильмов. Сколько
существует вариантов распределения призов, если по каждой номинации
установлены различные премии?
10. В конкурсе по 5 номинациям участвует 10 кинофильмов. Сколько
существует вариантов распределения призов, если по каждой номинации
установлены одинаковые премии?

11. Вычислить:
6!
7
А10
 
 С75  С73 .

12. Решить уравнение: а) Сnn41  Cnn 3  15  (n  2); б) 5  Сn3  Сn4 2 .

Ответы. 1. 54; 2. 8; 3. 5040; 4. 120; 5. 2300; 6. 13800; 7. 680; 112; 7056;

8. 4200; 9. 100 000; 10. 2002; 11. 1/15; 12. А) 27; б) 3 и 14.

9
 Домашнее задание.
1. В автобус, в котором имеется 6 свободных мест, вошли 6 пассажиров.
Сколькими различными способами вошедшие пассажиры могут разместиться
на свободных местах?
2. Сколько существует трехзначных чисел, в которых ровно две девятки?
3. Группа студентов из 12 юношей и 7 девушек выбирает по жребию 5
человек для участия в конкурсе. Сколько существует способов, при которых в
эту «пятерку» попадут: а) одни девушки или одни юноши; б) 1 юноша и 4
девушки; в) 3 юноши и 2 девушки.
4. Правление коммерческого банка выбирает из 10 кандидатов трех
человек на различные должности (все кандидаты имеют равные шансы).
Сколькими способами можно осуществить этот выбор, если каждый кандидат
может занять лишь одну должность?
5. Сколько существует семизначных чисел, составленных из цифр 6, 7 и 8,
в которых цифра 6 повторяется 3 раза, а цифры 7 и 8 – по 2 раза?
6. Каждый из 5 пассажиров автобуса должен выйти на одной из
оставшихся десяти остановок. Сколько имеется различных вариантов выхода?
7. Шесть студентов, переведенных с других факультетов, следует
распределить по трем группам. Сколькими способами это можно сделать?
8. Автомобильный номер состоит из трех букв и трех цифр. Сколько
различных номеров можно составить, используя 12 букв и 10 цифр?
Ответы. 1. 720; 2. 26; 3. а)813; б) 420; в) 4620. 4. 720; 5. 210;
6. 100 000; 7. 729; 8. 1728000.

10
 § 1.2. Основные понятия. Алгебра событий
Испытание (опыт, эксперимент, наблюдение) – это выполнение
определенного комплекса условий, который может быть воспроизведен
неограниченное число раз.
Событие  исход (результат) испытания, то есть любой факт, который
может наступить в условиях испытания. Обозначают события большими
буквами начала латинского алфавита А, В, С,….
Событие называется: случайным, если оно может, как произойти, так и
не произойти в результате испытания.
Среди случайных событий выделяются два, фактически случайными не
являющихся: событие, которое никогда не наступает, называется
невозможным и обозначается символом , и событие, которое наступает
всегда, называется достоверным и обозначается буквой  (омега большое).
Например, при бросании одновременно двух игральных костей событие
A={в сумме выпало 15 очков} является невозможным, а событие B={в сумме
выпало не менее 12 очков} – достоверным.
Для каждого события A всегда существует противоположное ему
событие, обозначаемое Ā (читается «не А»): оно происходит тогда и только
тогда, когда не происходит событие A.
Так, при стрельбе по мишени противоположными событиями являются
события A={попадание} и Ā={промах}, а при бросании монеты  события
A={выпал герб} и Ā={выпала цифра}.
Два события A и B называются несовместными, если они не могут
наблюдаться одновременно в одном и том же испытании. Несколько событий
называются попарно несовместными, если появление любого из них
исключает появление остальных.
Например, выигрыш двух ценных призов по одному билету денежно-
вещевой лотереи – события несовместные, а выигрыш тех же призов по двум
билетам – события совместные.

11
 Несколько событий Н1, Н2, , Нn образуют полную группу, если они
попарно несовместны и в каждом испытании появится только одно из них.
Случайное событие, наступившее в результате испытания, которое
невозможно представить в виде суммы более простых событий, связанных с
тем же испытанием, называют элементарным событием или элементарным
исходом испытания.
Совокупность всех элементарных исходов испытания называется
пространством элементарных исходов и обозначается буквой , а каждый
его элемент (элементарное событие) обозначается i.
Можно считать, что результат любого испытания – случайный выбор
элемента  из множества , а любое возможное событие А данного испытания
 подмножество пространства элементарных исходов, т.е. А. Все исходы,
входящие в это подмножество, называются исходами,
благоприятствующими событию А.
Например, при однократном бросании игральной кости пространство
элементарных исходов состоит из 6 элементарных исходов: ={1; 2; 3; 4; 5; 6},
а событию А – выпало четное число, благоприятны три исхода: А={2; 4; 6}.
В теории вероятностей случайные события рассматриваются с точки
зрения теории множеств. Это позволяет определить отношения между ними.
Два события A и B называются равными (AB), если эти события
происходят или не происходят в одном испытании одновременно.
Суммой двух событий A и B называется событие AB (AB, А или В),
состоящее в наступлении хотя бы одного из этих событий (или только
события А, или только события В, или обоих событий одновременно).
Произведением двух событий называется событие AB (AB, А и В),
состоящее в одновременном наступлении обоих событий. Очевидно,
произведение двух несовместных событий есть событие невозможное.
Разностью событий A и B называется событие A \ B , состоящее в том,
что событие A произошло, а событие B – нет.

12
 Если из наступления события A следует наступление события B, то
говорят, что событие А влечет за собой событие В (А – частный случай В).
Обозначается это символом включения: AB.

А В А В А В

А+B АB А \B
Рисунок 1.

Свойства операций над событиями

1 А+В=В+А 7 АВ=ВА
2 (А+В)+С= А+(В+С) 8 (АВ)С=А(ВС)
3 А+А=А; А+Ā=; А+=; А+=А 9 АА=А; АĀ=; А=А; А=
4 (А+В)С=АС+ВС; 10 А+ВС=(А+В)(А+С)
5 A BА+В=В; АВ=А; А\В= 11 A  B  A  B;
6 А+АВ=А; А(А+В)=А 12 A B  A  B

Свойства 11 и 12 называются законами де Моргана. С помощью

операций сложения и умножения, можно сложные события разложить на
более простые события и наоборот.

§ 1.3. Классическое определение вероятности

Количественной характеристикой возможности наступления
случайного события является его вероятность.
Классическая схема применяется, если пространство элементарных
исходов конечно и все элементарные события одинаково возможны.

13
 Вероятностью события А называется отношение числа NA исходов,
благоприятствующих этому событию к общему числу N всех равновозможных
попарно несовместных элементарных исходов, образующих полную группу:
NA
P( A)  . (1.8)
N
Из этого определения вытекают следующие свойства вероятности.
1. 0  Р( A)  1; 2. Р()  1;
3. Р()  0; 4. P( A)  P( A )  1.
Пример 1.9. Из урны, в которой 4 белых и 6 черных, извлекают наугад
три шара (выбранный шар в урну не возвращается). Какова вероятность, что
были извлечены 2 черных и 1 белый шар?
Р е ш е н и е. Испытание состоит в выборе трех шаров из десяти. При
этом 2 шара должны быть выбраны из 6 черных, а один – из четырех белых.
Так как отбор элементов производится без возвращения и без учета порядка,
то общее число исходов равно числу сочетаний из 10 по 3: N  C103  120, а
число благоприятных исходов можно найти по правилу произведения:
N A 60 1
N А  C62  С41  15  4  60. Следовательно: P( A)     0,5.
N 120 2

Задания для самостоятельной работы.

Задачи на занятиях.
1. Два игрока по одному разу подбрасывают игральную кость. Выигрывает
тот, у кого выпадет большее число очков. Найдите вероятность: а) выигрыша
первого игрока; б) вероятность ничьей.
2. В партии из 13 деталей 8 стандартных. Наудачу отобрано 7 деталей.
Какова вероятность того, что среди отобранных деталей, ровно 4
стандартных?
3. В ящике 12 шаров, из них 3 белые, а остальные – черные. Из ящика
наугад берут 5 шаров. Какова вероятность того, что среди них хотя бы один
белый шар?

14
4. Группа, состоящая из 24 человек, случайным образом делится на 3
равные подгруппы. Найдите вероятность того, что близнецы – Таня и Наташа
– окажутся в одной подгруппе.
5. Компания из 16 человек случайным образом рассаживается в ряд (за
круглым столом). Найдите вероятность того, что между двумя определенными
людьми окажется ровно 6 человек.
6. Монету бросают 10 раз. Какова вероятность того, что герб при этом
выпадет ровно 3 раза?
7. Из колоды в 36 карт случайным образом извлекают 5 (6) карт (без
возвращения). Найти вероятность того, что среди извлеченных карт окажутся
карты всех мастей.
8. В шкафу находится 10 пар ботинок различных видов. Случайным
образом из шкафа берут 4 ботинка. Найдите вероятность того, что среди
выбранных нет парных.
9. Двое равносильных противников играют матч из 8 партий в теннис.
Каждая партия заканчивается либо выигрышем, либо проигрышем одного из
участников. Найдите вероятность того, что первый игрок выиграет ровно 5
партий.

Ответы. 1. а) 5/12; б) 1/6; 2. 0,408; 3. 0,841; 4. 7/23; 5. а) 0,075; б) 2/15;

6. 0,117; 7. а) 0,278; б) 0,449; 8. 0,693; 9. 0,21875=7/32.

Домашнее задание
1. Преподаватель предлагает каждому из трех студентов задумать любое
число от 1 до 10. Найти вероятность того, что у кого-нибудь из них задуманные
числа совпадут.
2. Десять человек входят в комнату, где имеется всего 7 стульев и
рассаживаются случайным образом, но так, что все стулья оказываются
занятыми. Какова вероятность того, что а) два определенных лица окажутся
без места? б) четыре определенных лица будут сидеть?
15
3. Среди кандидатов в студсовет факультета 3 первокурсника, 5
второкурсников и 7 студентов с третьего курса. Из них выбирают 5 человек на
конференцию. Найти вероятность того, что будут выбраны а) одни
третьекурсники; б) двое первокурсников попадут на конференцию; в) хотя бы
один второкурсник?
4. В лифт девятиэтажного дома вошли 3 человека. Каждый из них с
одинаковой вероятностью может выйти на одном из 8 этажей, начиная со
второго. Какова вероятность того, что все пассажиры выйдут а) на 4 этаже;
б) на одном этаже; в) на разных этажах.
5. Цифры от 1 до 9 записываются в случайном порядке. Найдите
вероятность того, что а) на четных местах будут стоять четные цифры;
б) цифры 1 и 2 будут стоять рядом в порядке убывания.
6. В кондитерской имеется 6 видов пирожных. Найдите вероятность того,
что покупатель, выбивший чек за три пирожных, возьмет пирожные разных
сортов.
7. Два друга и еще 8 человек стоят в очереди. Найдите вероятность того,
что между друзьями в очереди оказалось три человека.
8. Некто носит в кармане 3 десятикопеечные и 4 пятидесятикопеечные
монеты. У киоска он достает из кармана 3 монеты. Какова вероятность того,
что он достал не меньше одного рубля?
9. Из множества всех возможных четырёхзначных чисел, составленных из
цифр 1, 2, 3, 4, 5, 6, 7, 8, 9, наугад выбирают одно. Какова вероятность того,
что в выбранном числе две одинаковые цифры не стоят рядом?
10. На пяти карточках написаны цифры от 1 до 5. Найти вероятность того,
что сумма чисел на трех произвольно выбранных карточках делится на три.
11. В колоде 32 карты, по 8 каждой масти. Каждому из трех игроков сдано
по десять карт. У одного из игроков на руках шесть карт крестовой масти, а
четыре – других мастей. Он сбрасывает две карты из четырех и берет себе
прикуп. Какова вероятность того, что в прикупе окажутся две крестовые
карты?
16
Ответы. 1. 0,28; 2. а) 1/15; б) 1/6; 3. а) 1/143; б) 20/91; в) 131/143; 4. а) 1/512;
б) 1/64; в) 21/32; 5. а) 1/126; б) 1/9 6. 5/14; 7. 2/15; 8. 22/35;
9. 0,702; 10. 0,4; 11. 1/231/

§ 1.4. Геометрическое определение вероятности

В случае, когда пространство элементарных исходов бесконечно (но эти
события являются одинаково возможными), вероятность наступления
события можно найти, используя геометрический подход. Это возможно, если
множество элементарных исходов  представимо в виде отрезка прямой, или
фигуры на плоскости, или тела в пространстве, а событие А состоит в
случайном попадании «брошенной» точки в некоторую область G
(область, благоприятная для события А)
Геометрической вероятностью события А называется отношение
меры области G к мере всего пространства благоприятных исходов.
mes(G )
P ( A)  (1.9)
mes()
Под «мерой» здесь понимается длина в одномерном случае, площадь и
объем в двух- и трехмерном случаях, соответственно.
Пример 1.10. На отрезок АВ длины 10 см наудачу поставлена точка.
Какова вероятность того, что она окажется не далее 3 см от его середины?
Р е ш е н и е . Построим отрезок на числовой прямой так, что точка А
совпадает с началом координат. Пусть точка Х имеет координату х.
Пространство элементарных исходов – все точки отрезка АВ, т.е.
  {x : 0  x  10} . Его мера равна 10. Разобьем данный отрезок АВ точками С
и D (в указанном порядке) на три части так, что МC  МD  3 см.

A C М D B
0 2 5 8 10

17
 Событие Е наступит, если точка попадет на отрезок СD:
CD 6
Е  {x : 2  x  8}. Следовательно: P    0,6.
AB 10

Задания для самостоятельной работы.

Задачи на занятиях.
1. На отрезок длиной 10 см наугад вброшена точка. Найдите вероятность
того, что она окажется а) не далее 1 см от середины отрезка; б) удалённой от
концов отрезка больше, чем на 1 см.
2. Интервал движения автобуса равен 20 минут. Какова вероятность того,
что пассажир, приходя на остановку в случайный момент времени, будет
ожидать транспорт не более 5 минут?
3. На плоскости начерчены две концентрические окружности, радиусы
которых 20 и 100 соответственно. Найдите вероятность того, что точка,
брошенная наудачу в большой круг, попадет также и в кольцо, образованное
окружностями.
4. На отрезок [2;5] наудачу бросают 2 точки. Найти вероятность того, что
расстояние между ними меньше 2.
5. Двое договорились о встрече в период от 17.30 до 17.45, причем
договорились ждать друг друга не более 5 минут. Считая, что приход каждого
из участников встречи возможен в любой момент указанного промежутка,
найти вероятность того, что встреча состоится.
6. Найти вероятность того, что сумма двух наугад взятых правильных
дробей не больше 1, а их произведение не меньше 0,09. (cчитать ln 9  2,2)

Ответы.1. а) 0,2; б) 0,8; 2. 0,25; 3. 0,96; 4. 8/9; 5. 5/9; 6. 0,4  0,09 ln 9  0,202
Домашнее задание.
1. На отрезок АВ длины 120 наудачу поставлена точка Х. Найдите
вероятность того, что меньший из отрезков имеет длину меньшую, чем 40.
2. Интервал движения автобуса равен 40 минут. Расстояние между

18
остановками А и В автобус проходит за 4 минуты, а пешеход за 20 минут. Петя
приходит на остановку А в случайный момент времени и сразу идет к
остановке В. Найдите вероятность того, что автобус не обгонит Петю.
3. В квадрат со стороной 10 см вписан круг, а в круг вписан правильный
треугольник. Случайным образом в квадрат вбрасывается точка. Какова
вероятность того, что эта точка не попадёт в треугольник?
4. Найти вероятность того, что сумма двух наугад взятых правильных
дробей не больше 1, а их произведение не превосходит 2/9.
5. Цена единицы продукции первого вида колеблется на рынке от200 до
350 рублей, а второго – от 300 до 600 рублей. Какова вероятность того, что
покупатель заплатит не более 800 рублей, если он решил приобрести два вида
продуктов.
3 3 1 2
Ответы.1. 2/3; 2. 0,6; 3. 1 ; 4.  ln 2; 5. 0,75.
16 3 9

§ 1.5. Статистическое и аксиоматическое определение вероятности

Статистическое определение вероятности предполагает, что проводится
серия из n испытаний, в каждом из которых интересующее нас событие А
может наступить или не наступить.
Отношение числа испытаний, в которых событие А появилось, к общему
числу произведенных испытаний, называется относительной частотой
события А.
Пусть событие А наблюдается в mА испытаниях из n проведенных.
Статистической вероятностью события А называется предел относительной
частоты появления события А при условии, что число произведенных испытаний
стремится к бесконечности:
m
P  A  lim А .
~
(1.10)
n n

19
 В 1933 академик Андрей Николаевич Колмогоров (1903-1987)
предложил аксиоматику, которая превратила теорию вероятностей в строгую
математическую науку. Отправным пунктом аксиоматики Колмогорова
является пространство элементарных событий .
Непустое семейство подмножеств F множества  называется алгеброй
событий, если оно замкнуто относительно операций конечного числа
объединений и перехода к противоположному событию (а значит замкнуто и
относительно операций пересечения и дополнения). Если алгебра событий
состоит из бесконечного множества событий и с каждой счетной
последовательностью событий она содержит их объединение и пересечение,
то она называется -алгеброй (сигма-алгебра).
При аксиоматическом построении теории вероятностей в каждом
конкретном пространстве элементарных событий  выделяется -алгебра F, и
для каждого события АF задается вероятностная мера (вероятность) –
числовая функция Р, удовлетворяющая следующим аксиомам.
(А1). Аксиома неотрицательности вероятности: А  F : P( A)  0.
(А2). Аксиома нормированности вероятности: P()  1;
(А3). Аксиома аддитивности вероятности – вероятность суммы попарно
несовместных событий равна сумме вероятностей этих событий:
  
P  Ai    P( Ai )
 i 1  i 1
Тройка (; F; Р) называется вероятностным пространством.
Аксиоматическое определение вероятности включает в себя как частные
случаи, рассмотренные выше классическое, статистическое и геометрическое
определения и не содержит недостатков каждого из них.

20
 ГЛАВА 2. Основные формулы для вычисления вероятностей

§ 2.1. Теорема сложения вероятностей

Теория вероятностей разрабатывает правила вычисления вероятностей
сложных событий по известным вероятностям более простых событий.
Одно из основных таких правил – правило сложения вероятностей.
Теорема 2.1. (теорема сложения). Вероятность наступления хотя бы
одного из двух событий вычисляется по формуле:
P( A  B)  P( A)  P( B)  P( AB). (2.1)
Следствие 1. Для любых событий А и В следует, что:
Р( A  B)  Р( A)  Р( B). (2.2)
Следствие 2. Вероятность совместного наступления двух событий
вычисляется формулой:
P( AB )  P( A)  P( B)  P( A  B). (2.3)
Следствие 3. Если события А и В несовместны (АВ=), то вероятность
суммы этих событий равна сумме их вероятностей:
Р( A  B)  Р( A)  Р( B). (2.4)
Следствие 4. Для любого конечного числа попарно несовместных
событий А1, А2, , Аn выполняется равенство:
Р( A1  A2  ...  An )  Р( A1 )  Р( A2 )  ...  Р( An ).
Следствие 5. Если события А1, А2, , Аn образуют полную группу, то
Р( A1 )  Р( A2 )  ...  Р( An )  1.

В частности, Р( А)  Р( А )  1.
Теорема сложения обобщается на случай трех и более слагаемых. Так для
трех событий А, В и С справедлива формула:
P( A  B  C)  P( A)  P( B)  P(C)  P( AB )  P( AC )  P( BC)  P( ABC ). (2.5)
При большом числе слагаемых используется более простой способ
вычисления, основанный на вероятности противоположного события.

21
 Пример 2.1. Среди сотрудников фирмы 42% знают английский язык, 30%
 немецкий и 28%  французский. При этом английский и немецкий знают 5%
сотрудников, немецкий и французский – 8%, английский и французский –
10%, все три языка  3%. Найти вероятность того, что случайно выбранный
сотрудник фирмы: а) знает английский или немецкий; б) знает хотя бы один
из трех языков; в) не знает ни один из этих трех языков.
Р е ш е н и е. Пусть А, В и С события, состоящие в том, что сотрудник
фирмы владеет английским, немецким или французским языком
соответственно. Доли сотрудников, владеющие теми или иными языками,
определяют вероятности этих событий: Р(А)=0,42, Р(В)=0,3, Р(С)=0,28,
Р(АВ)=0,05, Р(ВС)=0,08, Р(АС)=0,1 и Р(АВС)=0,03. Тогда:
а) P( A  B)  P( A)  P( B)  P( AB )  0,42  0,3  0,05  0,67.
б ) P( A  B  C )  P( A)  P( B)  P(C )  P( AB )  P( AC )  P( BC )  P( ABC ) 
 0,42  0,3  0,28  0,05  0,08  0,1  0,03  0,8.

в ) Р ( А  В  С )  1  Р ( А  В  С )  1  0,8  0,2.

§ 2.2. Условная вероятность и теоремы умножения

Пусть два события связаны с одним испытанием. Наступление одного из
них может изменить вероятность наступления другого.
Пусть события А и В имеют ненулевую вероятность.
Условной вероятностью события А при условии, что событие В
произошло, называется отношение вероятности их совместного наступления к
вероятности события В (которое наступило). Обозначается: Р(АВ) или РВ(А).
Р( A  B) Р( A  B)
Р( А В)  ; Р ( B A)  . (2.6)
Р( В) Р ( A)
Теорема 2.2. (теорема умножения вероятностей) Если события А и В
имеют ненулевую вероятность, то:
Р( AB )  Р( A)  Р( B А) или Р( AB )  Р( B)  Р( А B). (2.7)

Эта теорема выполняется для любого конечного числа событий:

22
 P( ABC  MN )  P( A)  P( B А)  P(C АВ )    P( N ABC  M ) (2.8)
Здесь вероятность каждого последующего события вычисляется в
предположении, что все предыдущие события произошли.
Пример 2.2. В ящике находится 7 деталей первого сорта, 5 – второго и
3 – третьего сорта. Из ящика последовательно и без возвращения вынимают
три детали. Найти вероятность того, что первая деталь окажется первого,
вторая – второго и третья – третьего сорта (событие А).
Р е ш е н и е. Введем события: Ai (i=1; 2; 3)  i-я деталь i-го сорта.
Очевидно, что событие А  А1  А2  А3 . В ящике 7 деталей первого сорта,
следовательно: Р(А1)=7/15. После наступления события А1 в ящике осталось
14 деталей, из которых 5 второго сорта, поэтому: P ( A2 A1 )  5 / 14 . После
наступления событий А1 и А2 останется 13 деталей, из которых только 3
третьего сорта. Значит: P ( A3 A1 A2 )  3 / 13 . Получаем:

7 5 3 1
Р( А1 А2 А3 )  Р( А1 )  Р( А2 А1 )  Р( А3 А1 А2 )     .
15 14 13 26

§ 2.3. Независимость событий

С условной вероятностью связано одно из важнейших понятий теории
вероятностей – понятие независимости событий.
Два события связанные с одним и тем же испытанием, считаются
независимыми, если наступление любого из них не меняет вероятность
наступления другого, т.е. условная вероятность любого из них при условии,
что наступило другое, равна его безусловной вероятности.
Р(АВ)=Р(А), Р(ВА)=Р(В) (2.9)
В противном случае события называются зависимыми.
Из этого следует теорема умножения для независимых событий
Теорема 2.3. Если события А и В независимы, то
Р( AB )  Р( A)  Р( B). (2.10)

23
 Так как верно и обратное утверждение, то это равенство используется
как критерий независимости событий. При этом, если события А и В
независимы, то независимы и пары событий: А и В, А и В , А и В .
Пример 2.3. Два стрелка делают по мишени по одному выстрелу.
Вероятность поражения мишени для первого стрелка равна 0,8 и для второго 0,9.
Найти вероятность того, что а) оба стрелка попали в цель (событие А); б) мишень
не поражена (событие В); в) мишень поражена только один раз (событие С).
Р е ш е н и е. Обозначим Аi, i=1, 2, события, состоящие в том, что мишень
поразил i-й стрелок. Тогда: А=А1А2, В=Ā1Ā2; С=А1Ā2+Ā1А2. По смыслу испытания
события А1 и А2 независимы и несовместны, поэтому:
Р( А)  Р( А1 )  Р( А2 )  0,8  0,9  0,72; Р( В)  Р( А1 )  Р( А2 )  0,2  0,1  0,02
Р(С )  Р( А1 )  Р( А2 )  Р( А1 )  Р( А2 )  0,8  0,1  0,2  0,9  0,26.
Понятие независимости обобщается на любое конечное число событий.
События А1 , А2 , , Аn независимы в совокупности (или просто
независимы), если вероятность любого из них не меняется при осуществлении
какого угодно числа событий из остальных и попарно независимы, если
независимы любые два из них.
Например, три события А, В, С независимы, если независимы события А и
В, А и С, В и С, А и В  С, В и А  С, С и А  В.
Для независимых событий справедливо равенство:
P( A1  A2  ...  An )  P( A1 )  P( A2 )  ...  P( An ). (2.11)
Очевидно, из независимости событий в совокупности следует их попарная
независимость, но попарная независимость событий еще не означает их
независимость в совокупности.
Теорема 2.4. Вероятность появления хотя бы одного из событий
A1, A2 ,..., An определяется формулой:

P( A1  A2   An )  1  P( A1  A2  An ). (2.12)
Следствие. Если события A1, A2 ,..., An независимы, то:

P( A1  A2  ..  An )  1  P( A1 )  P( A2 )    P( An )  1  q1  q2  ...  qn (2.13)
24
 Пример 2.4. Вероятность попадания в цель при стрельбе из первого орудия
равна 0,8, а из второго – 0,9. Каждое из орудий производит по одному выстрелу.
Найти вероятность попадания хотя бы одним из орудий.
Р е ш е н и е. Очевидно, события Аi, i=1, 2 – i-е орудие попало в цель
независимы, но совместны. Вероятность события «хотя бы одно орудие попало в
цель» можно найти двумя способами:
P( A  B)  P( A)  P( B)  P( AB )  0,8  0,9  0,8  0,9  0,98.
P( A  B)  1  P( A  В )  1  0,2  0,1  0,98.

Задания для самостоятельной работы.

Задачи на занятиях.
1. Менеджер по кадрам разместил на портале объявление о том, что банку
требуется начальник отдела долговых обязательств, и получил 300 резюме. Из
прошлого опыта известно, что вероятность того, что претендент имеет бизнес-
образование равна 0,3, вероятность того, что претендент имеет опыт
руководящей работы в банке – 0,7, а вероятность того, что претендент имеет и
бизнес-образование, и опыт руководящей работы – 0,2. Оцените количество
претендентов, имеющих опыт руководящей работы или бизнес-образование.
2. Известно, что Р(А) = 0,6, P(B) = 0,8, P(A+B) = 0,9. Найдите P(AB), РВ(А),
РА(В). Определите, являются ли события А и В зависимыми.
3. Подбрасывают три правильных кубика. Рассматриваются следующие
события: A  «сумма выпавших очков равна 6»; B  «произведение выпавших
очков равна 6». Найдите вероятности: а) P(A); б) P(B); в) PА(B); г )PВ(A).
4. Диспетчер принимает вызовы с 3 объектов, функционирующих
независимо друг от друга. Вероятность того, что в течение смены придет вызов
с первого объекта, равна 0,6; со второго – 0,3; с третьего – 0,2. Найти
вероятность того, что в течение смены придет вызов: а) по крайней мере с двух
объектов; б) хотя бы с одного объекта.

25
5. Абонент забыл последнюю цифру телефонного номера и набирает ее
наугад. Найдите вероятность того, что ему придется сделать не более двух
неудачных попыток.
6. Вероятность хотя бы одного правильного ответа при опросе
преподавателем трех студентов равна 0,973. Найти вероятность того, что
наудачу выбранный студент правильно ответит на заданный вопрос, если для
каждого студента эта вероятность одинаковая.
7. Двое поочередно бросают монету. Выигрывает тот, у которого раньше
появится герб. Найдите вероятность выигрыша игрока, начавшего игру.
8. В фирме 20% работников получают высокую заработную плату.
Известно, что 35% работников фирмы – женщины и 6% работников –
женщины, получающие высокую зарплату. Можно ли утверждать, что на
фирме существует дискриминация женщин в оплате труда?
9. Некий гражданин, располагая суммой 3 млн руб., решил вложить по
одному миллиону в каждый из трех банков под 6% годовых на срок 7 лет.
Вероятность банкротства любого из этих банков в течение срока хранения
вклада равна 0,1. Какова вероятность того, что по истечении 7 лет гражданин
получит обратно, по меньшей мере, вложенную сумму 3 млн?

Ответы. 1. 240. 2. 0,5; 5/8; 5/6; зав. 3. 5/108; 1/24; 3/5; 2/3.4. 0,288; 0,776.
5. 0,3. 6. 0,7. 7. 2/3. 8. Да, можно. 9. 0,972.

Домашнее задание
1. В одном ящике 3 белых и 5 черных шаров, а в другом 6 белых и 4
черных. Из каждого ящика вынуто по одному шару. Найти вероятность того,
что хотя бы из одного ящика вынут один белый шар.
2. Вероятность того, что при одном измерении некоторой физической
величины допущена ошибка, равна 0,05. Найдите наименьшее число
измерений, которые необходимо произвести, чтобы с вероятностью большей
0,83 ожидать, что хотя бы один результат измерений окажется неверным.
26
3. Два игрока вслепую по очереди выбирают фишку из имеющихся 2 белых
и 3 черных. Побеждает тот, кто первым вытянет белую фишку. В каком
отношении находятся шансы игроков на успех? Рассмотреть два случая: а)
фишки не возвращают в урну б) фишки возвращают в урну.
4. Преподаватель университета подсчитал, что студентка Иванова
отсутствует на его лекциях с вероятностью 0,7, а студент Петров – с
вероятностью 0,8. Вероятность того, что оба студента присутствуют на
лекции, равна 0,12. Какова вероятность того, что на следующую лекцию не
придет ни Иванова, ни Петров?
5. В торговом центре два одинаковых автомата продают кофе. Вероятность
того, что к концу дня в автомате закончится кофе, равна 0,3. Вероятность того,
что кофе закончится в обоих автоматах, равна 0,12. Найти вероятность того,
что к концу дня кофе останется в обоих автоматах.
6. Вероятность попадания в мишень при одном выстреле равна 0,8.
Сколько выстрелов должен произвести стрелок, чтобы с вероятностью,
меньшей 0,4, можно было ожидать, что не будет ни одного промаха?

Ответы. 1. 0,75. 2. 35. 3. а) 3:2; б) 5:3. 4. 0,62. 5. 0,52. 6. 5.

§ 2.4. Формула полной вероятности. Формулы Байеса.

Пусть событие А может происходить в различных условиях, о характере

которых можно выдвинуть n гипотез H1 , H 2 ,..., H n  n событий, образующих
полную группу. Из некоторых соображений известны вероятности P(Hi)
гипотез до проведения испытания (априорные вероятности), известны также
условные вероятности РH i ( A) события А по каждой гипотезе. Формула полной

вероятности позволяет вычислять вероятность события А, которое может

произойти вместе с одной из гипотез.

27
 Теорема 2.5. Пусть события H1, H2, … , Hn, образуют полную группу.
Тогда вероятность любого события А вычисляется по формуле
n
P( A)   P( H i )  PHi ( A). (2.14)
i 1

Пример 2.5. Брокерская компания проводит операции с ценными

бумагами: 10% сделок заключается с инвестиционными банками, 20%  с
другими брокерскими компаниями и остальные  с физическими лицами.
Вероятность того, что контрагент не выполнит условия сделки, составляет
0,01, 0,05 и 0,2 соответственно для указанных групп. Найти вероятность того,
что случайно выбранная сделка не исполнится (событие А).
Р е ш е н и е . Событие А может наступить при появлении одного из трех
несовместных событий (гипотез): Н1  сделка заключена с инвестиционным
банком; Н2  с другой брокерской компанией; Н3  с физическим лицом.
Вероятности этих гипотез известны и равны 0,1, 0,2 и 0,7 соответственно.
Условные вероятности события А по каждой из гипотез также известны:
P( А H 1 )  0,01; P( А H 2 )  0,05; P( А H 3 )  0,2.

Вероятность события А найдем по формуле полной вероятности

3
P( A)   P( H i ) P( А H i ) 0,1 0,1  0,2  0,05  0,7  0,2  0,151 .
i 1

Из ФПВ следуют формулы Байеса, которые позволяют вычислить

вероятности гипотез после наступления события А – апостериорные
вероятности PA(Hi) гипотез.
Теорема 2.6. Пусть события H1 , H 2 ,..., H n образуют полную группу, и в
результате испытания произошло событие А. Тогда вероятность того, что при
этом была реализована гипотеза с номером k, вычисляется по формуле:
P( H k )  P( A H k ) P( H k )  P( А H k )
Р ( H k А)   n
, k  1,2 , ,n. (2.15)
P ( A)
 P( H i )  P( А H i )
i 1

28
 Пример 2.6. Пусть в условиях предыдущего примера, событие А
произошло. Найти вероятность того, что сделка была заключена с другой
брокерской компанией, т.е. была реализована вторая гипотеза.
Решение. Воспользуемся формулой (2.15) и результатом
предыдущего примера:
P( H 2 )  P( А H 2 ) 0,2  0,05 10 16
Р( H 2 А)      0,066.
P( A) 0,151 151 31
Заметим, что вероятность гипотезы H 2 после наступления события А
изменилась, она уменьшилась. Так как вероятность события H 2 и его
условная вероятность не равны, то события H 2 и А зависимы.

Задания для самостоятельной работы.

Задачи на занятиях.
1. Три экзаменатора принимают экзамен у группы в 30 человек. Первый
опрашивает 6 студентов, второй – 3 студентов, остальные отвечают третьему
преподавателю (выбор студентов произволен из списка). Шанс слабо
подготовившемуся студенту сдать экзамен у первого преподавателя равен
40%, у второго – 10%, у третьего – 70%. Найти вероятность того, что слабо
подготовившийся студент сдаст экзамен.
2. Три машинистки перепечатывают рукопись. Первая напечатала 1/3 всей
рукописи, вторая – 1/4, а третья – все остальное. Вероятность того, что первая
машинистка сделает ошибку, равна 0,15; вторая – 0,1; третья – 0,1. При
проверке была обнаружена ошибка. Найти вероятность того, что ошибку
допустила первая машинисткой.
3. В первой урне было 4 красных и 6 синих шаров, во второй – 3 красных
5 синих. Из первой урны во вторую случайным образом перекладывают два
шара, после чего из второй извлекается один шар. Найти вероятность того,
что шар оказался синим.

29
4. Два автомата производят одинаковые детали, которые поступают на
общий конвейер. Производительность первого автомата в два раза больше
производительности второго. Первый автомат производит в среднем 60
деталей отличного качества, а второй 84. Наудачу взятая с конвейера
деталь оказалась отличного качества. Найти вероятность того, что эта деталь
произведена первым автоматом.
5. Имеется 5 монет, из которых одна бракованная: вследствие заводского
брака на этой монете с обеих сторон отчеканен герб. Наугад выбранную
монету, не разглядывая, бросают пять раз, причем при всех бросаниях она
ложится гербом вверх. Найдите вероятность того, что была выбрана монета с
двумя гербами.
6. Вероятность попадания в цель при одном выстреле для первого стрелка
равна 0,4, для второго – 0,8 и для третьего – 0,3. Стрелки произвели залп по
мишени и две пули попали в цель. Найдите вероятность того, что третий
стрелок попал в цель.
7. 60% студентов курса изучают экономику (экономисты), а остальные –
учет, анализ и аудит (бухгалтера). Экзамен по анализу данных не сдали 20%
студентов первой группы и 10%  из второй. Чему равна вероятность того, что
наудачу выбранный студент сдал экзамен по анализу данных? Наудачу
выбранный студент сдал экзамен по анализу данных. Чему равна вероятность
того, что этот студент изучает экономику?

Ответы: 1. 0,58; 2. 3/7; 3. 0,62; 4. 10/17; 5. 8/9; 6. 3/7; 7. 0,84 и 0,57.

Домашнее задание.
1. Имеются две урны. В первой урне два белых и три черных шара, во
второй – три белых и пять черных. Из обеих урн случайным образом берут по
одному шару и кладут их в третью урну. Найдите вероятность того, что шар,
случайным образом извлеченный из третьей урны, будет белым.

30
2. Из 18 стрелков 5 попадают в мишень с вероятностью 0,8; 7 – с
вероятностью 0,7; 4 – с вероятностью 0,6; 2 – с вероятностью 0,5. Наудачу
выбранный стрелок произвел выстрел, но в мишень не попал. К какой группе
вероятнее всего принадлежал этот стрелок?
3. Курс доллара повышается в течение квартала с вероятностью 0,9 и
понижается с вероятностью 0,1. При повышении курса доллара фирма
рассчитывает получить прибыль с вероятностью 0,85; при понижении – с
вероятностью 0,5. Найдите вероятность того, что фирма получит прибыль.
4. Количество акций, представленных 4 различными предприятиями на
рынок, относятся как 5:4:1:10. Вероятности того, что акции будут
котироваться по 25 тысяч за штуку для этих предприятий, соответственно
равны 0,5, 0,6, 0,7, 0,8. Известно, что цена случайно выбранной акции
составила 25 тысяч рублей. Найти вероятность того, что эта акция была
представлена вторым предприятием.
5. Батарея из трех орудий произвела залп, причем два снаряда попали в
цель. Найти вероятность того, что первое орудие дало попадание, если
вероятность попадания в цель из первого, второго и третьего орудия
соответственно равны 0,4; 0,3 и 0,5.
6. В трёх списках, представленных экспертами, содержится перечень
проверенных предприятий. В списке из 10 предприятий, проверенных первым
экспертом, два имеют нарушения в финансовой отчётности, во втором списке
из 8 предприятий нарушения отчётности отмечены у трёх предприятий, а из
12 предприятий, проверенных третьим экспертом, нарушения выявлены у 5
предприятий. Из каждого списка наугад выбирают одно предприятие и затем
из них выбирают одно для повторной проверки. Какова вероятность того, что
в результате будет выбрано предприятие, не имеющее нарушений в
финансовой отчётности?

Ответы: 1. 0,3875=31/80; 2. 2; 3. 0,815; 4. 0,176; 5. 0,19; 6. 241/360.

31
 ГЛАВА 3. Повторные независимые испытания

§ 3.1. Схема Бернулли. Формула Бернулли

Пусть проводится серия из n последовательных испытаний, в каждом из
которых некоторое событие А («успех») может наступить или не наступить
(«неудача»).
Последовательность испытаний называют повторными независимыми
испытаниями или схемой Бернулли, если выполняются условия:
 событие А случайно в каждом испытании;
 испытания проводятся в одинаковых условиях, т.е. вероятность успеха в
каждом отдельно взятом испытании равна одному и тому же числу р
(соответственно, вероятность неудачи в каждом испытании равна q=1p);
 испытания независимы, т. е. результат каждого испытания не зависит от
исходов предыдущих испытаний.
Теорема 3.1. (формула Бернулли). Вероятность того, что в серии из n
испытаний Бернулли «успех» наступит ровно m раз, вычисляется формулой:
Pn (m)  Cnm  p m  q n  m (3.1)
Формула (3.1) называется формулой Бернулли, а сами вероятности
Pn (m) называют «биномиальными вероятностями».
Замечание. Для вычисления вероятностей Pn(m) и Pn(mk) в пакете MS
EXCEL можно воспользоваться статистической функцией БИНОМ.РАСП:
Pn(m)=БИНОМ.РАСП(m; n; p;0); Pn(mk)=БИНОМ.РАСП.(k; n; p;1).
Пример 3.1. Вероятность того что расход электроэнергии в течение суток
не превысит установленной нормы (событие А), равна 0,3.
а) Найти вероятность того, что в ближайшие 5 суток расход
электроэнергии не превысит нормы в течение 3 суток; от 3 до 5 суток.
б) Найти наименьшее количество дней, в течение которых необходимо
фиксировать расход электроэнергии, чтобы с вероятностью не меньшей 0,95 хотя
бы в один из дней было зафиксировано превышение нормы.
32
числа задачников возникнет с вероятностью 0,035; б) вероятность того, что
потребуется не менее 30, но не более 45 задачников.
Р е ш е н и е. а) Обозначим через m число задачников, которое
востребуется с вероятностью 0,035. Из условий задачи следует:
n  144, p  0,36, q  0,64. Подставим эти значения в формулу (3.5):

1  m  144  0,36  1  m  51,84 

0,035       0,035   
144  0,36  0,64  144  0,36  0,64  5,76  5,76 
 m  51,84 
    0,035  5,76  0,2016 .
 5,76 
Из таблицы значений функции Гаусса находим:  (1,17)  0,2016 .
Отсюда, в силу четности функции Гаусса, получаем два значения:
m  51,84
 1,17  m1  51,84  1,17  5,76  59
5,76
m  51,84
 1,17  m2  51,84  1,17  5,76  46.
5,76
Таким образом, число задачников, которое может потребоваться с
вероятностью 0,035, равно 46 или 59.
б) Воспользуемся интегральной теоремой Лапласа:
 45  144  0,36   30  144  0,36 
(3.6)  P(30  m  45)     


 144  0,36  0,64  
 144  0,36  0,64   
 Ф(1,19)  (3,79)  (3,79)  (1,19)  0,4999  0,3830  0,1169 .

Задания для самостоятельной работы.

Задачи на занятиях.
1. В результате каждого визита страхового агента договор заключается с
вероятностью 0,2. Какова вероятность того, что из 5 визитов страхового агента
3 закончатся заключением договоров?
2. Вероятность хотя бы одного попадания при двух выстрелах равна 0,96.
Найти вероятность трех попаданий при 4 выстрелах.

37
3. Проводится 6 независимых испытаний с вероятностью успеха, равной
0,4. Найти вероятность наибольшего числа успехов.
4. Вероятность появления успеха в каждом из независимых испытаний
равна 0,3. Найти число испытаний n, при котором наивероятнейшее число
успеха в этих испытаниях будет равно 30.
5. В некотором многочисленном сообществе 5 процентов левшей. Каков
должен быть объем выборки, чтобы вероятность встретить в ней хотя бы
одного левшу была не менее 0,95?
6. Банк совершил 3000 транзакций по кредитным картам. Вероятность
того, что транзакция будет ошибочной, равна 0,001. Найдите вероятность того,
что банк совершит не более 3 ошибочных транзакций.
7. Завод отправил в магазин 5000 лампочек. Вероятность того, что в дороге
лампочка разобьется, равна 0,0002.Какова вероятность того, что в магазин
доставили не более трех разбитых лампочек?
8. Установлено что в среднем каждый десятый клиент банка, взявший
кредит, задерживает ежемесячный платеж. Найти вероятность того, что из 6
клиентов, взявших кредит в данном банке 1 сентября 2019 года, следующий
платеж задержит: а) половина заемщиков; б) хотя бы два заемщика; в)
наивероятнейшее число заемщиков. Найти вероятность того, что из 300
заемщиков, взявших кредит в банке в августе 2019 года, следующий платеж
задержат: г) 25 клиентов; д) не более 40 клиентов.
9. Вероятность появления успеха в каждом из 841 независимых испытаний
равна 0,8. Найти а) число успехов, которое возникнет с вероятностью 0,0115;
б) вероятность того, что число успехов будет не менее 670 и не более 710.
10. В банке, осуществляющем кредитование населения, 1000 клиентов.
Каждому из клиентов выдается кредит 200 тыс. ден. ед. при условии возврата
119,31% от этой суммы. Вероятность невозврата кредита каждым из клиентов
составляет 0,09. Найти вероятность того, что прибыль банка будет не ниже
12,8 млн. рублей?

38
11. В страховом обществе застраховано 10 000 лиц одного возраста и одной
социальной группы. Вероятность смерти в течение года для каждого
застрахованного лица равна 0,006. Каждый застрахованный в начале года
вносит 12 у.е. страховых, и в случае его смерти родственники получают от
общества 1 000 у.е. Найти вероятность того, что общество получит прибыль
не меньшую 40 000 у.е.

Ответы:
1. 0,0512; 2. 0,4096; 3. 0,31104; 4. 99102; 5. 59; 6. 0,6472; 7. 0,981; 8. 0,01458;
0,114265; 0,531441; 0,0484; 0,9726; 9. 656 и 690; 0,5941; 10. 0,9767; 11. 0,9952

Домашнее задание.
1. Два равносильных противника играют в шахматы. Что вероятнее:
а) выигрыш одной партии из двух или двух партий из четырех; б) выигрыш не
менее двух партий из четырех или не менее трех партий из пяти? в) три партии
из четырех или пять из восьми. Ничьи во внимание не принимаются.
2. Вероятность поступления вызова в течение часа на коммутатор равна
0,01. Коммутатор обслуживает 800 абонентов. Найдите вероятность того, что
в течение часа поступит ровно 5 вызовов.
3. Бракованные изделия составляют 1% всей продукции завода. Найти
вероятность того, что из 400 наудачу взятых изделий окажется: а) не более
трех некачественных изделий; б) четыре или пять некачественных изделия.
4. Вероятность найти белый гриб среди прочих равна 0,25. Какова
вероятность того, что среди 300 грибов белых будет ровно 75?
5. В одном из читальных залов университета занимаются 150 студентов.
Каждый студент с вероятностью 0,4 берет сборник задач по теории
вероятностей. Выяснить: а) требование какого числа задачников возникнет с
вероятностью 0,0029; б) вероятность того, потребуется не менее 35, но не
более 50 задачников.

39
6. Для поступления в колледж достаточно успешно сдать вступительные
экзамены. В среднем 65% абитуриентов экзамены сдают. В приемную
комиссию поступило 700 заявлений. Найдите вероятность того, что хотя бы
500 из них поступят в колледж.
7. Известно, что в среднем 80% продукции завода является продукцией
первого сорта. Найдите вероятность того, что в партии из 125 изделий будет
не менее 105 изделий первого сорта.
8. Вероятность появления события в каждом из 10000 независимых
испытаний равна 0,75. Найти вероятность того, что относительная частота
появления события отклонится от его вероятности по абсолютной величине не
более чем на 0,01.
9. Инвестор вложил средства поровну в три предприятия при условии
возврата каждым предприятием через определенный срок 150% от вложенной
суммы. Вероятность банкротства каждого из предприятий равна 0,2. Найти
вероятность того, что по истечении срока кредитования инвестор получит
обратно хотя бы вложенную сумму.
10. Банк выдал 10 кредитов независимым заемщикам по X руб. на
одинаковый срок. В конце срока каждый заемщик либо с вероятностью 0,9
возвращает банку 1,3X руб., либо разоряется (с вероятностью 0,1) и не
возвращает ничего. Какова вероятность, что банк будет иметь прибыль?

Ответы: 1. 0,5 и 3/8; 0,6875 и 0,5; 0,25 и 0,21875; 2. 0,0916; 3. 0,4335; 0,3517;
4. 0,053; 5. 45 и 75; 0,0475; 6. 0,0002; 7. 0,1314; 8. 0,979; 9. 0,896; 10. 0,93.

40
 ГЛАВА 4. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

Случайной величиной Х называется числовая функция X  Х (),   ,

определенная на пространстве элементарных исходов , которая каждому
элементарному исходу    ставит в соответствие некоторое число х таким
образом, что множество элементарных исходов, для которых выполняется
неравенство X  x , является событием.
Обозначать случайные величины будем заглавными буквами конца
латинского алфавита: X, Y, Z, U, V, W, , а их возможные значения 
соответствующими строчными буквами: x, y, z, u, v, w, . .
Простейший пример случайной величины – индикатор события. Пусть
А – некоторое событие. Случайная величина, которая принимает значение,
равное единице, если событие А происходит и нулю в противном случае,
называется индикатором IA события А.

§ 4.1. Закон распределения дискретной случайной величины

Случайную величину называют дискретной (ДСВ), если число ее
возможных значений конечно или бесконечно, но счетно.
Примеры случайных величин:
1. Число очков, выпавших на верхней грани игральной кости.
Множество возможных значений содержит 6 элементов.
2. Количество звонков, принятых на телефонной станции в течение
суток. Возможные значения образуют счетное множество: 0; 1; 2;  .
Законом распределения случайной величины называется всякое
соотношение, устанавливающее связь между всеми возможными значениями
случайной величины и соответствующими им вероятностями.
Говорят, что случайная величина распределена по данному закону или
подчинена данному закону распределения.

41
 Ряд распределения дискретной случайной величины  это таблица, в
первой строке которой перечислены в порядке возрастания все возможные
значения х1, х2, …, хn этой случайной величины, а во второй 
соответствующие им вероятности pi  P( X  xi ), i  1,2,, n .

xi x1 x2 … xn-1 xn Сумма
pi p1 p2 … pn-1 pn 1

Так как в первой строке таблицы перечислены все возможные значения

ДСВ, то сумма вероятностей во второй строке таблицы равна единице.
n n
 pi   P( X  xi )  1. (4.1)
i 1 i 1

Многоугольник распределения (полигон распределения)

вероятностей  ломаная линия с вершинами в точках (xi, pi).
Функцией распределения случайной величины Х называется функция
F(x), значение которой для любого действительного числа х равно вероятности
события « X  x », то есть вероятность того, что случайная величина Х
принимает значения меньшие х:
F ( x)  Р( X  x) (4.2)
Свойства функции распределения F (x)
1. 0  F ( x)  1 для любого x  R .
2. Функция F(x) является неубывающей.
3. lim F ( x)  0, lim F ( x)  1.
x x

4. P(a  X  b)  F (b)  F (a).

5. Функция F(x) непрерывна слева в любой точке.
Функция распределения дискретной случайной величины является
кусочно-постоянной и имеет следующий вид:

42
  0, если х  х1 ;
 p1 , если х1  х  х2 ;

 p1  p2 , если х2  х  х3 ;
F ( x)   P( X  xi )   (4.3)
xi  x   
 p1  p2    pn 1 , если хn 1  х  хn ;

 1 если х  хn .

Пример 4.1. Охотник имеет четыре патрона. Он стреляет по дичи до тех

пор, пока не попадет или пока не закончатся все патроны. Вероятность
попадания при первом выстреле равна 0,7 и при каждом следующем
уменьшается на 0,1. Составить ряд распределения числа израсходованных
патронов. Записать функцию распределения.
Р е ш е н и е. Обозначим буквой Х случайную величину  «число
израсходованных патронов». Ее возможные значения: 1; 2; 3 и 4. Найдем
соответствующие вероятности. Для этого введем события Ai , i  1, 2, 3, 4 ,
состоящие в попадании по дичи при i-ом выстреле. По условию вероятности
попадания при первом, втором и т.д. выстрелах равны 0,7, 0,6, 0,5 и 0,4:
р1  Р ( А1 )  0,7  q1  P( A1 )  1  р1  1  0,7  0,3; p2  0,6  q2  0,4,
p3  0,5  q2  0,5, p4  0,4  q2  0,6.
Вычислим соответствующие вероятности:
P( X  1)  P( A1 )  р1  0,7;

P( X  2)  P( A1 A2 )  q1  p2  0,3  0,6  0,18;

P( X  3)  P( A1 A2 А3 )  q1  q2  p3  0,3  0,4  0,5  0,06;
P( X  4)  P( A1 A2 А3 )  q1  q2  q3  0,3  0,4  0,5  0,06.
Окончательно закон распределения имеет вид:

1 2 3 4 
Х
0,7 0,18 0,06 0,06 1

43
 2) Значения дискретной случайной величины расположены в порядке
возрастания, следовательно, пользуясь формулой (4.3) получим следующую
функцию распределения:

 0, x  1;  0, x  1;
 0,7, 1  x  2;  0,7, 1  x  2;
 
F ( x)   0,7  0,18  0,88 2  x  3;   0,88 2  x  3;
0,188  0,06  0,94, 3  x  4; 0,94, 3  x  4;
 
 0,94  0,06  1, x  4.  1, x  4.

§ 4.2. Действия над независимыми случайными величинами

Дискретные случайные величины X и Y называются независимыми, если
для любых i=1, 2, ..., n и j=1, 2, …, m события (Х=хi) и (Y=yj) являются
независимыми, то есть вероятность совместного наступления этих событий
равна произведению их вероятностей:
P ( X  xi , Y  y j )  P ( X  xi )  P (Y  y j ), i, j.

Пусть Х – дискретная случайная величина. Новая случайная величина Y

может быть построена по Х с помощью заданной числовой функции Y=(Х).
Если закон распределения случайной величины Х задан таблицей:

  ( xi ) 
n n
x 
X   i  , то ряд распределения величины Y=(Х) имеет вид: Y    .
 pi i 1  pi i 1
n
 4 xi3  5 
n
 xi  2 
Например: Y  X  2    ; Z  4 X  5  
3


 i i 1
p  pi i 1
Замечание. Если среди полученных значений встретятся равные, то
соответствующие столбцы надо объединить в один, сложив вероятности.
Пример 4.2.. Случайная величина Х задана рядом распределения:
  2 1 0 1 2 
X   .
 0,2 0,1 0,3 0,1 0,3 
Составить ряд распределения случайной величины Y  X 2  1.
44
 Р е ш е н и е. Возможные значения случайной величины Y получим с
помощью заданной числовой функции yi  xi2  1 :

 (2) 2  1 (1) 2  1 0 2  1 12  1 2 2  1  3 0 1 0 3 
Y     
 0,2 0,1 0,3 0,1 0,3 .
 0 , 2 0,1 0,3 0 ,1 0,3   
Объединим столбцы с равными значениями, сложив соответствующие
 1 0 3 
вероятности, получим окончательно: Y   .
 0,3 0,2 0,5 
Часто для случайных величин X и Y необходимо рассмотреть их сумму
и произведение. В более общем случае рассматривают случайную величину
Z=(X, Y), где =(x, y) – некоторая числовая функция от X и Y.
Пусть законы распределения независимых дискретных случайных

 yi 
n m
x 
величин X и Y известны: X   i  ; Y    . Тогда случайная величина
 pi i 1  pj  j 1

Z=(X, Y) также будет дискретной, возможными значениями которой будут

числа: z11=(x1, y1), z12=(x1, y2), , z21=(x2, y1), z22=(x2, y2), , с
вероятностями pij  P ( Z  zij )  P ( X  xi , Y  y j )  pi  pj .

Если среди значений будут встречаться одинаковые, то их объединяют,

складывая соответствующие вероятности.
Пример 4.3. Пусть случайные величины Х и Y независимы и известны
 0 1 2   1 0 1 
их законы распределения: Х   . и Y   .
 0,5 0,2 0,3   0,1 0,6 0,3 
Составить закон распределения случайной величины U=XY.
Р е ш е н и е. Найдем все возможные значения случайной величины
U  X  Y : 0  (1)  1, 0  0  0, 0  1  1, 1  (1)  2, 2  0  2, 1  1  0,
2  (1)  3, 2  0  2, 2  1  1. Вероятности этих значений равны
произведениям вероятностей соответствующих значений случайных величин
Х и Y. Например, если значения случайных величин Х и Y равны 0 и 1

45
соответственно, то случайная величина U  X  Y принимает значение
U  0  (1)  1 с вероятностью P(U  1)  P( X  0)  P(Y  1)  0,5  0,1  0,05.
 1 0 1 2 1 0 3 2 1 
U   
 0, 05 0,3 0,15 0,02 0,12 0,06 0,03 0,18 0, 09 
Окончательно (после объединения) закон распределения случайной
 1 0 1 2 3 
величины U примет вид: U    .
 0,15 0,36 0,26 0,2 0,03 

§4.3. Основные числовые характеристики дискретных случайных

величин
Математическим ожиданием или средним значением дискретной
n
x 
случайной величины Х с законом распределения X   i  называется
 i i 1
p

число, равное сумме произведений всех возможных значений случайной

величины на соответствующие им вероятности:
n
M ( X )  x1 p1  x2 p2  ...  xn pn   xi pi (4.4)
i 1

Если множество значений случайной величины бесконечно и счетно, то


M ( X )   xi pi . (4.5)
i 1

Так как числовой ряд, стоящий в правой части, может расходиться, то

случайная величина может и не иметь математического ожидания.
Пример 4.4. Найдем среднее число израсходованных патронов в
примере 4.1.
 1 2 3 4 
Так ка ряд распределения имеет вид: Х    , то по
 0, 7 0,18 0,06 0,06 
определению, получим:
n
M ( X )   xi pi  1  0,7  2  0,18  3  0,06  4  0,06  1,48.
i 1

46
 Пример 4.5. Найти математическое ожидание случайной величины Х,
зная закон ее распределения:
2 22 23  2n 
X   1 1 1 1 .
 
2 22 23 2n 
Р е ш е н и е. Математическое ожидание найдем по формуле (4.5):
  1 1 2 1 n 1
M ( X )   xi pi   2n   2   2     2  n    1  1    .
i 1 n 1 2n 2 22 2
Эта случайная величина не имеет математического ожидания.

Свойства математического ожидания

1. M (С)  С , где С=const;
2. M (СХ )  С  M ( X );

3. M ( X  Y )  M ( X )  M (Y )  для любых случайных величин. В

частности, M ( X  С )  M ( X )  С.

4. M ( X  Y )  M ( X )  M (Y )  для независимых случайных величин.

5. M ( X  MX )  0  математическое ожидание отклонения случайной

величины от ее математического ожидания равно нулю.
Пример 4.6. Найти математическое ожидание суммы и произведения
числа очков, выпавших при бросании двух игральных костей.
Р е ш е н и е. Пусть Х и Y – число очков, выпавших на первой и второй
кости. Обе случайные величины распределены одинаково: возможные
значения от 1 до 6 с вероятностями 1/6. Тогда:
M(X)=M(Y)=1/6(1+2+3+4+5+6)=3,5  M(X+Y)=7; M(XY)=3,52=12,25.
Дисперсией случайной величины Х называется математическое
ожидание квадрата отклонения случайной величины от ее математического
ожидания:
n
D( X )  M ( X  MX ) 2    xi  MX   pi
2
(4.6)
i 1

47
 Для вычисления дисперсии используется более удобная формула:
n
D( Х )  M ( X 2 )  M 2 ( X )   xi2  pi  ( MX ) 2 (4.7)
i 1

Средним квадратическим отклонением (СКО) или стандартным

отклонением случайной величины называется арифметический квадратный
корень из ее дисперсии:
X  D(X ) (4.8)
Пример 4.7. Найти дисперсию случайной величины Х число
израсходованных охотником патронов, закон распределения которой был
 1 2 3 4 
составлен ранее (пример 4.1): Х   
 0, 7 0,18 0, 06 0, 06 
Ре ш е н и е. В примере 4.4 было найдено математическое ожидание:
М(Х) = 1,48. Дисперсию вычислим по формуле (4.6):
n
D( Х )    xi  MX   pi  (1  1,48) 2  0,7  (2  1,48) 2  0,18  (3  1,48) 2  0,06 
2

i 1

 (4  1,48) 2  0,06  0,16128  0,048672  0,138624  0,381024  0,7296 .

Найдем математическое ожидание квадрата случайной величины и
вычислим затем дисперсию по формуле (4.7).
M ( X 2 )  12  0,7  2 2  0,18  32  0,06  4 2  0,06  2,92;
DX  M ( X 2 )  M 2 ( X )  2,92  (1,48) 2  2,92  2,1904  0,7296 .

X  0,7296  0,854 .

Свойства дисперсии
1. D( X )  0.
2. D(C )  0. Верно и обратное: если дисперсия случайной величины
равна нулю, то это постоянная случайная величина.
3. D(СХ )  С 2  D( X ).
4. D( X  Y )  D( X )  D(Y )  для независимых случайных величин.

48
 5. D( XY )  DX  DY  M 2 ( X )  DY  M 2 (Y )  DX .  для независимых
случайных величин.
Пример 4.8. Найти математическое ожидание и дисперсию случайной
величины Z  3 X  5Y  6 , если известно, что случайные величины Х и Y
независимы, МX  20, МY  15 и DX  4, DY  2.
Р е ш е н и е. Используем свойства математического ожидания и
дисперсии:
M (Z )  M (3 X  5Y  6)  3  M ( X )  5  M (Y )  6  3  20  5  15  6  21.

D( Z )  D(3 X  5Y  6)  32  DX  52  DY  0  9  4  25  2  86.

Задания для самостоятельной работы.

Задачи на занятиях.

 3 0 3 4 
1. Известен ряд распределением ДСВ X    . Построить
 0,3 0,1 0,2 0,4 
ряд распределения случайной величины Y  X 2 .
2. Ряд распределения дискретной случайной величины Х имеет вид
 1 2 3 4
X    . Найти функцию распределения F(x) случайной
 0,3 0,4 0,2 0,1
величины Х. Построить многоугольник распределения и график функции F(x).
Найти вероятности событий ( X  2,5) и ( X  3,5) .
3. Распределение случайной величины Х определяется формулой
Р(Х=m)=C/6m, m=0, 1, 2, … . Найдите константу С и вероятность того, что
случайная величина Х принимает значения не большие двух.
4. Математическое ожидание случайной величины X равно 2. Найти
математическое ожидание случайной величины 3Х+5 и 23Х.
5. Найти математическое ожидание случайной величины Z=6X5Y+3, если
известно, что М(Х)=3, М(Y)=2.

49
6. Дисперсия случайной величины Х равна 2. Найдите дисперсию
случайных величин Y= 4X+1 и Z=32X.
7. Дискретная случайная величина Х, описывающая прибыль фирмы в млн.
рублей, принимает все целые значения в диапазоне от 6 до 11. Найдите
математическое ожидание и дисперсию прибыли, если известно, что
возможные значения прибыли равновероятны. Определите, с какой
вероятностью фирма будет терпеть убытки.
8. Независимые случайные величины Х2, Х2, , Х20 могут принимать
только два значения 0 и 1, причем каждая из них принимает значение ноль с
вероятностью 0,8. Найдите математическое ожидание квадрата суммы этих
случайных величин.
9. Если все возможные значения случайной величины увеличить
(уменьшить) на 5 единиц (в 5 раз), то изменятся ли ее математическое
ожидание, дисперсия и среднее квадратическое отклонение, и если изменятся,
то каким образом.
10. В урне 4 белых и 2 черных шара. Из нее последовательно и без
возвращения извлекают шары до первого появления белого шара. Найдите
математическое ожидание и дисперсию случайной величины Х – «число
извлеченных шаров».
11. Экзаменатор задает студенту вопросы до тех пор, пока тот правильно
отвечает. Как только число правильных ответов достигнет трех или студент
ответит неправильно, экзаменатор прекращает задавать вопросы. Вероятность
правильного ответа на один вопрос равна 2/3 Найдите математическое
ожидание и дисперсию случайной величины: Х – «число заданных вопросов».
12. Три раза бросается монета. Составьте закон распределения случайной
величины Х – «модуль разности числа появления орла и решки» и найдите
математическое ожидание и дисперсию этой случайной величины.

50
  0, x  1;
0,3,  1  x  2;
0 9 16  
Ответы. 1. Y   ; 2. F ( x)   0,7 2  x  3; ; 0,3; 0,9;
 0,1 0,5 0,4  0,9, 3  x  4;

 1, x  4.

3. С=5/6; Р=215/216; 4. 11 и 4; 5. 11; 6. 16 и 8; 7. М(Х)=2,5; D(X)=323/12;

P(X<0)=1/3; 8. 19,2; 10. 7/5 и 28/75; 11. 19/9 и 62/81;
 1 3 
12. Х   , М ( X )  1,5, D( X )  0,75.
 0,75 0, 25 

Домашнее задание.
1. Случайные величины X и Y независимы и имеют одинаковое
 0 1 2 3 
распределение X  Y    . Найдите: а) вероятность
 0,25 0,25 0,25 0,25 
события (X+Y >2); б) вероятность события X = 3, если известно, что событие
(X+Y >2) произошло.
2. Дискретная случайная величина X, описывающая величину убытков,
принимает целые значения 2, 5, 6, 9, 10 с равной вероятностью. Найдите
среднюю величину убытков M(X) и вероятность P(X<MX).
3. Найти дисперсию случайной величины Z  2 X  3Y  12 , если известно,
что случайные величины X и Y независимы и DX  4; DY  5 .
4. Найти дисперсию случайной величины (XY), если известно, что
случайные величины X и Y независимы и MX  1; MY  2; DX  3; DY  4 .
5. Каждая из двух независимых случайных величин X и Y принимает
только два значения 0 и 1, причем P(X=0)=0,8, P(Y=0)=0,4. Найти M([XY]2).
6. Дискретная случайная величина Х имеет только два возможных
значения: x1 и x2, причем х1  x2 . Вероятность того, что Х примет значение x1,
равна 0,6. Найти x1 и x2, зная, что М(Х)=1,4, а D(X)=0,24.

51
7. Экзаменатор задает студенту вопросы до тех пор, пока тот правильно
отвечает. Как только число правильных ответов достигнет трех либо студент
ответит неправильно, экзаменатор прекращает задавать вопросы. Вероятность
правильного ответа на один вопрос равна 2/3. Найдите математическое
ожидание и дисперсию случайной величины Х  «число правильных ответов».

Ответы. 1. а) 0,625; б) 0,4; 2. М(Х)=6,4; P(X<MX)=0,6; 3. 61; 4. 28; 5. 0,56;

6. 1 и 2; 7. 38/27 и 67/27.

§ 4.4. Непрерывные случайные величины

Случайная величина Х называется непрерывной, если ее функция
распределения F(x) непрерывна в любой точке х числовой оси.
Непрерывная случайная величина может принимать любое значение из
некоторого конечного или бесконечного промежутка.
Функция распределения F(x) непрерывной случайной величины
обладает всеми свойствами, которые справедливы для дискретной величины.
Вероятность того, что непрерывная случайная величина примет любое
определенное значение равна нулю. Поэтому свойство 4 функции
распределения F(x) для непрерывной случайной величины принимает вид:
P(a  X  b)  P(a  X  b)  P(a  X  b)  P(a  X  b)  F (b)  F (a). (4.9)
Плотностью распределения f (x) (функцией плотности или просто
плотностью) непрерывной случайной величины Х называется производная ее
функции распределения
f ( x)  F ( x). (4.10)
График функции плотности называется кривой распределения.

Свойства функции плотности


1. f ( x)  0. 2.  f ( x)dx  1.


52
 x b
3. F ( x)   f (t )dt. 4. P (a  X  b)   f ( x)dx.
 a

Свойство 3 позволяет по известной функции плотности случайной

величины найти ее функцию распределения.
Свойствам 2-4 можно дать графическую иллюстрацию:

f(x) f(x) f(x)

b

S=1 S=F(x) S= f (x)dx

a
0 x 0 x a 0 b x
Свойство 2 Свойство 3 Свойство 4

Математическое ожидание и дисперсия непрерывной случайной

величины Х определяются формулами:

MX   x  f ( x)dx. (4.11)


 
DX   ( x  MX )  f ( x)dx.
2
DX  x
2
 f ( x)dx  ( MX )2 (4.12)
 

Если плотность отлична от нуля на конечном промежутке, то говорят,

что случайная величина сосредоточена на этом промежутке и интегрирование
в формулах (4.11) и (4.12) выполняется на этом отрезке.
Пример 4.9. Непрерывная случайная величина задана функцией
распределения. Найти функцию плотности и вычислить числовые
характеристики случайной величины:
 0, x  0,
1
F ( x)   x 2 , 0  x  3,
9
 1, x  3.

Р е ш е н и е. Чтобы найти плотность, продифференцируем функцию F(x)

на каждом из промежутков. Получим:

53
  0, x  0,
2  0. х  [0;3],
f ( x)  F ( x)   x, 0  x  3,   2
9  9 x, x  [0;3].
 0, x  3.

Теперь можно по формулам найти числовые характеристики:

3
3
2 3
2 2 2 x3 2
MX   x  x  dx   x dx     (33  03 )  2.
0 9 09 9 3 0 93

Чтобы найти дисперсию, вычислим сначала математическое ожидание

квадрата случайной величины:
3
3
2 3
2 2 x4 2
M ( X )   x  x  dx   x 3 dx  
2 2
  (34  0 4 )  4,5.
0 9 09 9 4 0
94

DX  M ( X 2 )  ( MX ) 2  4,5  2 2  0,5.
Пример 4.10. Плотность распределения непрерывной случайной
величины имеет вид:
 ax, если 0  x  2;
f ( x)   .
0 , если x  0 или x  2.
Найти значение параметра а и функцию распределения. Вычислить
вероятность попадания случайной величины на отрезок [1;1],
математическое ожидание и дисперсию.
Р е ш е н и е . Значение параметра а найдем из свойства 2 функции
плотности: площадь под кривой распределения должна быть равна единице:
 2
2
ax 2 а 1
 f ( x ) dx   axdx  1 
2
1
2
 ( 2 2  0 2 )  1  2a  1  a  .
2
 0 0

 x
, если 0  x  2;
Таким образом: f ( x)   2
0, если x  0 или x  2.

Отрезок [0;2] делит множество значений аргумента х на три промежутка:

(;0); [0;2]; (2;) . На каждом из них воспользуемся свойством 3 функции
плотности:

54
 x
 Если x  0, то F ( x)   0  dt  0 .


x
x
t 0
t2 x
x2
 Если 0  x  2, то F ( x)   f (t )dt   0  dt   dt  0   .
  02 4 0
4
2

0
t 2
t2 22
 Если x  2, то F ( x)   0  dt   dt   0  dt  0  0  1.
 0 2 2 4 0
4

 0, если x  0;
 x 2
Таким образом: F ( x)   , если 0  x  2;
4
 1, если x  2.

Искомая вероятность может быть вычислена двумя способами (через

плотность и через функцию распределения):
1
1 0
x 1 x2
1
1 2 1
P(1  X  1)   f ( x)dx   0dx   dx  0     (1  0 2 )  .
1 1 02 2 2 0
4 4

12 1
P(1  X  1)  F (1)  F (1)   0  .
4 4
Так как случайная величина Х распределена на конечном промежутке,
то для математического ожидания получим:
2
2
1 2
1 1 x3 1 4
MX   x  x  dx   x 2 dx     (23  03 )  .
0 2 02 2 3 0
23 3

Для вычисления дисперсии, сначала найдем математическое ожидание

квадрата случайной величины:
2
2
1 2
1 3 1 x4 1
M ( X )   x  x  dx   x dx  
2 2
  (2 4  0 4 )  2 
0 2 02 2 4 0
24
2
4 20
 D( X )  M ( X 2 )  ( MX ) 2  2     .
3 9
Приведем другие числовые характеристики, отражающие те или иные
особенности распределения случайной величины.

55
 Модой M 0 ( X ) непрерывной случайной величины Х называют точку
локального максимума функции плотности.
Мода дискретной случайной величины  это значение случайной
величины, имеющее наибольшую вероятность.
Квантилью (квантилем) уровня α называется такое значение х
случайной величины, для которого вероятность события ( X  x ) равна α:
P( X  x )   .
Геометрически x  такое значение случайной величины Х, при котором

площадь под кривой распределения левее прямой x  x равна α. Квантиль

уровня α  есть корень (по предположению единственный) уравнения:
F ( x )   .
Медианой M l ( X )  xmed случайной величины Х называется квантиль
уровня 0,5. Прямая x  M l делит площадь под кривой распределения пополам.
Коэффициент вариации V(X)  это отношение стандартного
отклонения к математическому ожиданию, выраженное в процентах:
X
V (Х )   100 % (4.13)
MX
Начальный момент k-го порядка  математическое ожидание k-ой
степени этой случайной величины.
 k  M [ X k ]. (4.14)
Центральный момент k-го порядка  математическое ожидание k-ой
степени отклонения случайной величины от ее математического ожидания.
 k  M [ X  MX ]k . (4.15)
В частности:  1  M ( X ),  2  D( X ).
Справедливы следующие соотношения:
  2   2  12 ;

  3   3  3 2 1  2 13 ; (4.16)
    4   6  2  3 4 .
 4 4 3 1 2 1 1

56
 Если распределение симметрично относительно математического
ожидания, то все центральные моменты нечетного порядка равны нулю.
Коэффициент асимметрии характеризует «скошенность»
распределения по отношению к математическому ожиданию. Если
асимметрия непрерывной случайной величины отрицательна ( Аs  0 ), то
левый «хвост» ее плотности более пологий, чем правый.
3
K ac  Аs  . (4.17)
3
Коэффициент эксцесса характеризует «крутость» или «сглаженность»
распределения. Для более «островершинных» распределений он
положительный.
4
K экс  Ex   3. (4.18)
4

Задания для самостоятельной работы.

Задачи на занятиях.
1. Непрерывная случайная величина задана функцией распределения.
Найдите: а) плотность распределения; б) P( X  2,5) ; в) P(2  X  4) ;
г) P( X  2,5) ; д) медиану; е) математическое ожидание и дисперсию.

0, x  1;
х 1
F x    , 1  x  3;
 2
1, x  3.

2. Непрерывная случайная величина имеет плотность распределения.

Найдите: а) P( X  6) ; б) P(1  X  3) ; в) функцию распределения;
г) медиану; д) математическое ожидание и дисперсию.
 1
 , x  [2;4],
f ( x)   6

 0, x  [2;4].

57
3. Непрерывная случайная величина задана функцией распределения.
Найдите: а) значение константы а; б) плотность распределения;
в) математическое ожидание, дисперсию и СКО; г) моду, медиану и квантиль
уровня 0,32; д) P( X  1,4) , P(1,1  X  1,6) , P( X  1,3) .

 0, x  1,
 1
F ( x)  ax 2  , 1  x  2,
 3
 1, x  2.

4. Непрерывная случайная величина задана плотностью распределения.

Найдите: а) значение параметра а; б) функцию распределения F(x);
в) построить графики функций f(x) и F(x); г) вычислить M(X); D(X) и (X);
д) найти моду, медиану и квантиль уровня 0,1; е) вероятности P( X  1,5) ,
P(0,5  X  3,5) , P( X  0,5) .

a  ( x  1), x  [1;1],
 8  2x
f ( x)   , x  (1;4],
 15
 0, x  [1;4].

5. Непрерывная случайная величина задана функцией распределения.

Найдите коэффициенты асимметрии и эксцесса.
 0, при x  1,
 1 8 7
F ( x)   x 2  x  , при 1  x  4,
 9 9 9
 1, при x  4.

Ответы: 1. а) f(x) =0,5, х[0;3]; б) 0,75; в) 0,5; г) 0,25; д) 2; е) 2 и 1/3;

0, x  2,
х  2
2. а) 0; б) 2/3; в) F  x    ,  2  x  4, ; г) 1; д) 1 и 3. 3. а) а=1/3; б) f(x)
 6
1, x  4;

=2х/3, х(1;2); в) M(X)=14/9; M(X2)=15/6; D(X)=13/162; г) М0 =2; Ml= 2,50,5;

58
х0,32=1,4; ж) 0,32; 0,45; 0,23; 4. а) а=1/5; г) M(X)=4/3; M(X2)=17/6; D(X)=19/18;
д) М0 =1; Ml1,26 х0,1=0; е) 7/12; 91/120; 39/40; 5. 0,56 и 0,6.

Домашнее задание
1. Может ли плотность распределения при каком-либо значении аргумента
быть: а) больше единицы; б) отрицательной?
2. Непрерывная случайная величина задана функцией распределения.
Найти функцию плотности, построить графики обеих функций и вычислить
основные числовые характеристики случайной величины:
 0, x  0,
 3
F ( x)   x , 0  x  1,
 1, x  1.

3. Непрерывная случайная величина задана функцией плотности f(x):
a  ( x  1), x  [1;3],
 5 x
f ( x)   , x  (3;5],
 6
 0, x  [1;5].
Найти значение параметра а и функцию распределения. Вычислить
вероятность попадания случайной величины на отрезок [1;1],
математическое ожидание и дисперсию

Ответы.
1. а) да; б) нет; 2. f ( x)  3x 2 , x [0;1] ; M(X)=0,75; D(X)=3/80; 3. a=1/3;

 0, x  1,
 ( x  1) 2
 ,  1  x  3,
F ( x)   24 M(X)=7/3; D(X)=14/9; P(1<X<1)=1/6;
1  (5  x) , 3  x  5,
2

 12
 1, x  5;

59
 § 4.5. Основные дискретные распределения
Распределение Бернулли (биномиальное распределение) определяется
как закон распределения случайной величины, равной числу успехов в
испытаниях Бернулли. Эта случайная величина имеет два параметра: n N и
p  (0;1) , может принять любое из значений: 0, 1, 2, , n вероятности которых
вычисляются по формуле Бернулли:
P( X  m)  Cnm  p m  q n  m . (4.19)
Биномиальное распределение обозначают: X ~ Bin(n; p) . Для него:
M ( X )  np; D( X )  npq. (4.20)
Распределение Пуассона. Случайная величина, распределенная по
закону Пуассона, может принять любое из значений 0, 1, 2, , k ,  с
вероятностями, вычисляемыми по формулам Пуассона:
m  
Р ( X  m)  e . (4.21)
m!
Распределение Пуассона обозначают: X ~ П ( ) . Для него:
M ( X )  ; D( X )  . (4.22)
Потоком событий называют последовательность событий, которые
наступают в случайные моменты времени. Интенсивностью потока λ
называют среднее число событий, которые появляются в единицу времени.
Если постоянная интенсивность  потока известна, то вероятность
появления m событий за время t определяется формулой:
(t ) m  t
Pt (m)  e . (4.23)
m!
Геометрическое распределение имеет случайная величина Х, равная
числу испытаний Бернулли до первого «успеха» включительно. Эта случайная
величина полностью определяется одним параметром p  (0;1) 
вероятностью успеха в одном испытании, она принимает значения
1, 2, 3, , m, с вероятностями, которые определяются формулой:

60
 Р( X  m)  q m1  p, (4.24)
Геометрическое распределение обозначают: X ~ Geom( p) . Для него:
1 q
M (X )  ; D( X )  . (4.25)
p p2
Гипергеометрическое распределение возникает, например, в задачах о
выборке. Пусть имеется N изделий, среди которых M стандартных, а
остальные изделия (N−M)  бракованные. Из данной совокупности
извлекаются n изделий. Случайная величина X, равная числу стандартных
изделий в извлеченной выборке, имеет гипергеометрическое распределение.
Случайная величина Х, распределенная по гипергеометрическому
закону, определяется тремя параметра: n, M, N, она может принять любое из
значений между max{0;n+MN} и min{n;M} вероятности которых
определяются формулой:
CMm  C NnmM
Р( X  m)  . (4.26)
C Nn
Обозначают такое распределение: X ~ GG(n, M , N ) . Для него:
nM n  M  ( N  M )  ( N  n)
M (X )  ; D( X )  . (4.27)
N N 2 ( N  1)

Задания для самостоятельной работы.

Задачи на занятиях.
1. Анализ большого числа деклараций о доходах показал, что каждая
десятая декларация заполняется с ошибками. Найдите математическое
ожидание и дисперсию числа деклараций с ошибками среди 20 выбранных.
2. Пять монет подбрасываются 80 раз. Найдите математическое ожидание
и дисперсию случайной величины Х – число исходов, в которых орел выпадает
два раза.

61
3. Вероятность попадания в цель при отдельном выстреле для данного
стрелка равна 0,8. Найдите математическое ожидание и дисперсию случайной
величины X  числа выстрелов до первого попадания.
4. Случайные величины Х1, , Х6 независимы и распределены по
геометрическому закону. Математическое ожидание каждой из них равно 5.
Найдите математическое ожидание квадрата суммы этих величин.
5. Для случайной величины Х, распределенной по закону Пуассона,
известно, что P( X  0)  0,75. Найдите M (3 X 2  2 X  7).
6. Из урны, содержащей 6 белых, 4 черных и 5 красных шара, случайным
образом извлекают 5 шаров. Найдите математическое ожидание и дисперсию
числа белых шаров в выборке.
7. Телефонные звонки, поступающие в отель, имеют пуассоновское
распределение: в среднем два звонка в течение пяти минут. Найдите
вероятность того, что в течение двух минут будет а) не более одного звонка;
б) хотя бы один звонок.
8. Случайная составляющая выручки равна 3Х, где Х – случайная величина,
распределенная по биномиальному закону с параметрами n = 180 и
p = 0,6. Случайная составляющая затрат имеет вид 40Y, где Y – случайная
величина, распределенная по закону Пуассона с параметром  = 3. Найдите
математическое ожидание и дисперсию прибыли, считая, что случайные
составляющие выручки и затрат независимы.
9. Производится 15 независимых испытаний с вероятностью успеха 0,7 в
каждом. Пусть X  число успехов в испытаниях с номерами 1, 2, ..., 10, Y 
число успехов в испытаниях с номерами 4, 5, ..., 15. Найдите дисперсию
случайной величины X+2Y.

Ответы. 1. 2 и 1,8; 2. 50 и 18,75; 3. 1,25 и 0,3125; 4. 1020; 5. 14,15; 6. 2 и 6/7;

7. 0,8088 и 0,5507; 8. 204 и 5188,8; 9. 18,06.

62
 Домашнее задание.
1. Вероятность того, что в течение часа на станцию скорой помощи не
поступит ни одного вызова, равна 0,0025. Считая, что число вызовов,
поступающих в течение часа на станцию, имеет распределение Пуассона,
найти математическое ожидание и дисперсию этой случайной величины.
2. Случайные величины Х1, , Х128 независимы и распределены по
биномиальному закону с параметрами n = 5 и p = 3/8. Найдите математическое
ожидание квадрата суммы этих величин.
3. Случайные величины Х1, , Х14 независимы и распределены по закону
Пуассона с одинаковым математическим ожиданием, равным 5. Найдите
математическое ожидание суммы квадратов этих величин.
4. На отрезке AB длиной 40 взята точка C так, что AC=30, CB=10. Двадцать
точек последовательно бросаются наудачу на отрезок AB. Найдите
математическое ожидание и дисперсию случайной величины X – число точек,
попавших на отрезок CB.
5. Из урны, содержащей 3 белых и 7 черных шара, случайным образом
извлекают 4 шара. Найдите вероятность того, что среди извлеченных шаров
имеются 2 белых и 2 черных шара, а также найдите математическое ожидание
и дисперсию числа белых шаров в выборке.
6. Производится 90 независимых испытаний, в каждом из которых
подбрасываются 2 игральных кубика. Найдите математическое ожидание и
дисперсию случайной величины Х  число испытаний, в которых оба
выпавших числа оказались меньше трех.
7. В пяти из 30 филиалов компании допускаются нарушения финансовой
дисциплины. Тщательной проверке подвергаются 10 случайно выбранных
филиалов. Найдите ожидаемое количество и дисперсию количества филиалов,
в которых выявлены нарушения.
Ответы. 1. 6; 2. 57750; 3. 420; 4. 5 и 3,75; 5. 0,3; 1,2 и 0,56; 6. 10 и 80/9; 7. 5/3 и
25/18.

63
 § 4.6. Основные непрерывные распределения
Равномерное распределение. Непрерывная случайная величина Х
равномерно распределена на отрезке [a,b] (обозначают: X ~ U (a; b) ), если ее
плотность f (x) постоянна на этом отрезке и равна нулю вне его:



1
, x  [a; b],
f ( x)   b  a (4.28)

 0, x  [a; b].
Функция распределения равномерно распределенной на отрезке [a,b]
случайной величины Х, имеет вид:
 0, x  a,
x  a
F ( x)   , a  x  b, (4.29)
 b  a
 1, x  b.

Графики плотности и функции распределения вероятностей случайной

величины X ~ U (a; b) изображены на рисунках.

f(x) F(x)

1/(b-a) 1

0 a b x 0 a b x

Для случайной величины X ~ U (a; b) :

ba (b  a) 2  
MX  ; DX  ; P (  X   )  . (4.30)
2 12 ba
Показательное (экспоненциальное) распределение. Непрерывная
случайная величина Х, принимающая неотрицательные значения,
распределена по показательному закону с параметром   0 , если ее плотность
имеет вид. Обозначают: X ~ Exp( ) .

 0, x  0,
f ( x)    x (4.31)
  e , x  0.

Функция распределения случайной величины X ~ Exp( ) имеет вид:

64
  0, x  0,
F ( x)    x (4.32)
1  e , x  0.
Графики функций f (x) и F (x) случайной величины X ~ Exp( )
представлены на рисунке.
f(x) F(x)

 1

0 x 0 x

Для случайной величины X~Exp():

1 1
M (X )  ; D( X )  ; P(  X   )  e  λα  e  λβ . (4.33)
  2

Нормальное распределение (распределение Гаусса). Непрерывная

случайная величина распределена по нормальному закону с параметрами а и
  0 , если её плотность имеет вид:
( x  a) 2

1 2 2
f ( x)  e . (4.34)
 2
Обозначают: X ~ N (a; ) . В частном случае, когда a  0;   1,
нормальное распределение называется стандартным и обозначается N(0,1).
Плотностью стандартного нормального распределения является функция
x2
1 
Гаусса  ( x )  e 2 .
2
Для случайной величины X ~ N (a; ) :

M ( X )  a; D( X )   2 ;  ( X )   . (4.35)
Для случайной величины X ~ N (a; ) функция распределения связана с
2
x t
1
функцией Лапласа  ( x) 
2
e 2 dt соотношением:
0

65
 1  xa
F ( x)    . (4.36)
2   
Для случайной величины X ~ N (a; ) :

 а   а 
P(  X   )      . (4.37)
     
В случае неограниченных интервалов:
 а   а 
P( X   )  0,5   ; P( X   )  0,5   . (4.38)
     
В частности, для промежутка (а   ; а   ) , симметричного относительно
математического ожидания имеем:
 
P( X  a   )  2 . (4.39)
 
 3 
Если   3 , то P( X  a    3 )  2     2  (3)  0,9973 .
 
В этом состоит правило трех сигм: все значения нормально
распределенной случайной величины с практической достоверностью лежат в
интервале (a  3 , a  3 ) .

Задания для самостоятельной работы.

Задачи на занятиях.
1. Плотность распределения случайной величины Х, подчиняющейся
равномерному закону распределения на отрезке [0;b] имеет вид: f(x)=0,1, если
х[0; b]. Найдите константу b; математическое ожидание и дисперсию;
медиану и квантиль уровня 0,9.
2. Если соблюдается график движения, то среднее время ожидания
пассажиром автобуса равно 3,5 минуты. Известно, что время ожидания имеет
равномерный закон распределения. Найти вероятность того, что пассажир
будет ожидать автобус от двух до пяти минут.

66
 § 4.7. Двумерные случайные величины
Двумерной случайной величиной (X,Y) или случайным вектором
называется упорядоченная пара двух случайных величин X и Y. Случайные
величины, входящие в систему, называются компонентами случайного
вектора. Они могут быть как дискретными, так и непрерывными. Дискретные
двумерные случайные величины могут принимать конечное или счетное
множество значений (пар чисел (x,y)).
По аналогии с одномерным случаем, закон распределения дискретного
случайного вектора (X,Y) с конечным числом значений можно представить в
виде таблицы, в каждой клетке которой указаны вероятности произведения
событий ( X  xi ) и (Y  y j ) .

m
Y
X  pij
y1 y2 … ym j 1

x1 p11 p12 … p1m p1  P( X  x1 )

x2 p21 p22 … p2m p2  P( X  x2 )
… … … … …
xn pn1 pn2 … pnm pn  P( X  xn )
n
 pij p1  P(Y  y1 ) p2  P(Y  y2 ) pm  P(Y  ym ) 1
i 1

n m
Сумма вероятностей  pij  1 , помещенных во всех клетках таблицы,
i 1 j 1

равна единице, так как события Aij  ( X  xi )  (Y  y j ) , состоящие в том, что

случайная величина X примет значение xi , а случайная величина Y примет

значение y j , по всем i и j образуют полную группу.

Такая таблица называется совместным законом распределения

случайных величин X и Y.
По матрице распределения двумерной случайной величины (Х; Y) можно
найти безусловные распределения составляющих Х и Y, суммируя вероятности
по строкам и столбцам соответственно:
69
 xi x1 x2 … xn Сумма
pi p1  P( X  x1 ) p2  P( X  x2 ) … pn  P( X  xn ) 1

yi y1 y2 … yn Сумма
pi p1  P(Y  y1 ) p2  P(Y  y2 ) … pm  P(Y  ym ) 1

Закон распределения одной из составляющих при фиксированном

значении другой называется условным распределением. Вероятности p j ( xi )

этого распределения будут условными вероятностями события X=xi,

найденными в предположении, что событие Y=yj произошло.
Из определения условной вероятности находим:
P( X  xi , Y  y j ) pij
p j ( xi )   . (4.40)
P(Y  y j )  pij
i

P( X  xi , Y  y j ) pij
pi ( y j )   . (4.41)
P( X  xi )  pij
j

Ковариация и коэффициент корреляции

Ковариацией (или корреляционным моментом) случайных величин X и
Y называется математическое ожидание произведения отклонений этих
величин от своих математических ожиданий:
cov( X , Y )  k XY   XY  M [( X  MX )  (Y  MY )]. (4.42)
Ковариация характеризует также разброс случайных величин
относительно точки (МХ, МY).
Ковариация двух случайных величин вычисляется по формуле:
cov(X ,Y )  M ( X  Y )  MX  MY . (4.43)
Свойства ковариации
1. cov(X , Y )  cov(Y , X ).

2. cov(X , X )  DX .

3. Если X и Y независимые случайные величины, то cov(X,Y)=0.

4. cov( X , Y )  X  Y .

70
 5. cov(X ,Y )  cov( X ,Y )    cov( X ,Y ).

6. cov(X  Y , Z )  cov(X , Z )  cov(Y , Z ).

Если cov(X,Y)=0, то случайные величины X и Y называются
некоррелированными. Отметим, что из некоррелированности, в общем
случае, не следует независимость.
Свойства ковариации позволяют расширить свойства математического
ожидания и дисперсии. Так для любых случайных величин из (4.45):
M ( X  Y )  MX  MY  cov( X , Y ). (4.44)
D( X  Y )  DX  DY  2 cov( X ,Y ). (4.45)
Итак, ковариацию можно считать мерой зависимости случайных
величин, так как для независимых случайных величин она равна нулю. В
качестве количественной характеристики этой зависимости используют
коэффициент корреляции (X,Y), определяемый равенством:
cov( X , Y )
 ( X ,Y )  r( X ,Y )  , (4.46)
X  Y
Свойства коэффициента корреляции
1.  ( X ,Y )   (Y , X ).
2.  ( X , Y )  1;
3. Если X и Y независимые случайные величины, то (Х,Y)=0.
Обратное утверждение неверно.
4. Если  ( X , Y )  0 , то X и Y  зависимые случайные величины.

5.  ( X , Y )  1 тогда и только тогда, когда между X и Y имеется

линейная функциональная зависимость Y  kX  b . Причем,   1, если k  0
и   1, если k  0.
Коэффициент корреляции (Х,Y) отражает степень линейной
зависимости случайных величин Х и Y. При (Х,Y)>0 с ростом одной
случайной величины другая также имеет тенденцию к увеличению, при
(Х,Y)<0  наоборот.

71
 Пример 4.11. Найдите коэффициент корреляции двух случайных
величин X и Y, совместный закон распределения которых задан таблицей.
Являются ли эти случайные величины а) зависимыми, б) коррелированными?

X
1 0 1
Y
1 0 0,25 0
0 0,25 0 0,25
1 0 0,25 0

Р е ш е н и е. Найдем одномерные распределения X и Y и их числовые

 1 0 1   1 0 1 
характеристики: X   ; Y   
 0,25 0,5 0,25   0,25 0,5 0,25 
n n
MX   xi pi  1  0,25  0  0,5  1  0,25  0; MY   yi pi  0  MX ;
i 1 i 1

n
DX   xi2  pi  ( MX ) 2  1  0,25  0  0,5  1  0,25  (0) 2  0,5  DY ;
i 1

Далее последовательно вычисляем математическое ожидание

произведения случайных величин X и Y, их ковариацию и коэффициент
корреляции:
n m
M ( X  Y )   xi y j pij  (1)  (1)  0  (1)  0  0,25  (1) 1  0  0  (1)  0,25 
i 1 j 1

 0  0  0  0 1  0,25  1  (1)  0  1  0  0,25  1 1  0  0;

cov(X ,Y )  M ( X  Y )  MX  MY  0  0  0  0   ( X ,Y )  0.
Коэффициент корреляции равен нулю, следовательно, случайные
величины некоррелированы.
Так как, например, P(X= 1,Y= 1)=0 P(X= 1) P(Y= 1)=0,250,25, то X
и Y зависимые случайные величины.
Данный пример показывает, что равенство нулю коэффициента
корреляции не влечет независимости случайных величин.

72
Задания для самостоятельной работы.
1. Совместный закон распределения дискретного двумерного случайного
вектора (Х, Y) задан таблицей. Найти коэффициент корреляции. Установить,
коррелированы или некоррелированы компоненты Х и Y. Найти закон
распределения случайной величины ХY и вычислить cov(2X+3Y; X2Y).
Составить условные законы распределения СВ Х при условии, что Y=0 и СВ Y
при условии, что Х=0.

X/Y 1 0 1
0 0,1 0,2 0,2
1 0,2 0,1 0,2

2. Случайные приращения цен акций двух компаний за день имеют

дисперсии DX=1,21 и DY=2,56, а коэффициент их корреляции равен 0,5. Найти
дисперсию приращения цены портфеля из 4 акции первой компании и 6 акций
второй компании.
3. Случайные приращения цен акций двух компаний за день имеют
дисперсии DX=2 и DY=3, причем они некоррелированы. Инвестор
намеревается приобрести 10 акций. Сколько акций каждой компании он
должен купить, чтобы минимизировать риск вложений, т.е. дисперсию
приращения цены портфеля?
4. Ожидаемая доходность первого актива равна 8% со стандартным
отклонением 7%, второго  соответственно 11% и 10%. Коэффициент
корреляции между этими активами составляет 0,7. Найдите ожидаемую
доходность и стандартное отклонение портфеля, состоящего на 35% из
первого актива и на 65% — из второго.

73
 § 4.8. Закон больших чисел. Центральная предельная теорема
Под законом больших чисел понимают совокупность теорем,
устанавливающих условия при которых средние характеристики
приближаются к некоторым постоянным величинам. Эти законы базируются
на нескольких неравенствах, которые можно использовать для грубой оценки
вероятностей событий.
Неравенство Маркова. Для любой неотрицательная случайная
величины Х и для любого положительного числа  справедливо неравенство:

P X    
MX
. (4.47)

Неравенство Чебышева. Если Х  такая случайная величина, для
которой существует дисперсия, то для любого положительного числа 
выполняется неравенство:

P X  MX    
DX
. (4.48)
2
Иногда неравенство Чебышева формулируют в виде:

P X  MX     1 
DX
. (4.49)
2
Теорема Чебышева. Если дисперсии независимых случайных величин
X 1 , X 2 ,..., X n  ограничены в совокупности некоторым числом С, то для
любого положительного числа  выполняется условие:
1 n 1 n  C
P  X i   аi     1  2  1 (4.50)
 n i 1 n i 1  n
Если случайные величины имеют одно и то же математическое
ожидание, а их дисперсии ограничены (или равны), то получим:
2
P X  a     1  (4.51)
n 2
Таким образом, среднее арифметическое, вычисленное по достаточно
большому числу результатов измерений какой-либо случайной величины,
будет сколь угодно близко к измеряемой величине.
74
 А в теореме Бернулли доказывается статистическая устойчивость
относительной частоты появления успеха в серии независимых испытаний.
Теорема Бернулли. Если вероятность успеха в каждом из n
независимых испытаний постоянна и равна p, то для любого сколь угодно
малого положительного числа  справедливо неравенство:
m  pq
P   p     1  2  1. (4.52)
 n  n
Эта теорема теоретически обосновывает возможность приближенного
вычисления вероятности с помощью его относительной частоты.
Центральная предельная теорема – это группа теорем,
устанавливающих условия, при которых возникает самый распространенный
в случайных явлениях нормальный закон распределения.
Во многих задачах приходится сталкиваться с ситуацией, когда
исследуемая случайная величина является суммой большого числа
независимых случайных величин, влияние каждой из которых на сумму очень
мало. Например, капиталы банков и страховых компаний (доля каждого
отдельно взятого вкладчика не зависит от доли других вкладчиков и
относительно мала, но в сумме все эти доли весьма весомы) и др.
На основании центральной предельной теоремы часто можно до
наблюдения того или иного явления сказать, что соответствующая случайная
величина должна иметь нормальное распределение или близкое к нему.
Наиболее простая формулировка ЦПТ предложена П.П. Леви. В ней
рассматривается сумма случайных величин, распределенных по одному и
тому же закону.
Теорема. Если независимые случайные величины X 1 , X 2 ,...
распределены по одному и тому же закону с математическим ожиданием а и
средним квадратическим отклонением , то при n сумма этих случайных

величин сходится к нормальной случайной величине X   X i ~ N (na;  n ).

75
Задания для самостоятельной работы

1. В среднем студент Петров опаздывает на лекцию по математике на 5

минут. Оцените сверху вероятность того, что Петров опоздает на лекцию не
менее чем на 15 минут.
2. Вероятность рождения девочки равна 0,485. Оцените снизу вероятность
того, что число девочек среди 3000 новорожденных будет отличаться от
математического ожидания этого числа по модулю менее чем на 55 девочек.
3. По статистическим данным в среднем 87% новорожденных доживают
до 50 лет. Оцените снизу вероятность того, что из 1000 новорожденных доля
доживших до 50 лет будет отличаться от соответствующей вероятности по
модулю менее чем на 0,05.
4. Пусть случайная величина Sn равна сумме очков, выпавших при n
бросаниях игральной кости. Используя неравенство Чебышёва, найдите такое
S 
n, что P n  3,5  0,1  0,95.
 n 
5. Среднее значение длины детали 50 см, а дисперсия 0,1. Оцените снизу
вероятность того, что случайная взятая деталь окажется по длине больше 49,5
см и меньше 50,5 см.
6. Сколько раз нужно измерить данную величину, истинное значение
которой равно a, чтобы с вероятностью, не меньшей чем 0,9, можно было
утверждать, что среднее арифметическое этих измерений отличается от а по
абсолютной величине меньше чем на 2, если стандартное отклонение каждого
из измерений равно 10?

Ответы: 1. 1/3; 2. 0,75; 3. 0,95; 4. 5834; 5. 0,6; 6. 250.

76
 Литература
1. Браилов А.В., Глебов В.И., Криволапов С.Я., Рябов П.Е. Теория
вероятностей и математическая статистика: учебник-практикум. – М. –
Ижевск: НИЦ «Регулярная и хаотическая динамика»; Институт
компьютерных исследований, 2016.  414с.
2. Гмурман В.Е. Теория вероятностей и математическая статистика:
учебное пособие. – М.: Высшее образование, 2008. – 479 с.
3. Гмурман В.Е. Руководство к решению задач по теории
вероятностей и математической статистике: учебное пособие. – М.: Высшее
образование, 2006. – 404 с.
4. Гнеденко Б.В. Курс теории вероятностей: учебник. – М.:
Едиториал УРСС, 2005. – 448с.
5. Гурьянова И.Э. Теория вероятностей. Курс лекций: учебно-
методическое пособие. – М.: ФГОБУ ВПО «Финансовый университет при
Правительстве Российской Федерации», 2014. – 104 с.
6. Ильина Н.И. Теория вероятностей для экономического
бакалавриата: учебное пособие/ Н.И. Ильина, Е.А. Мещеряков,
Н.В.Алексенко, Н.А. Бурмистрова. – Омск: ООО «Образование информ»,
2016. – 171с.
7. Калинина В.Н. Анализ данных. Компьютерный практикум: учеб.
пособие / В.Н. Калинина, В.И. Соловьев. – М.: КНОРУС, 2017. – 166 с.
8. Катышев П.К., Пересецкий, А.А. Задачи с решениями по
вероятности и статистике для экономистов. – М.: Изд.дом Высшей школы
экономики, 2014. – 640с.
9. Кремер Н.Ш. Теория вероятностей и математическая статистика:
учебник и практикум для вузов. – Москва: Издательство Юрайт, 2019. – 538 с.
10. Котюргина А.С. Вероятность: теория и эксперимент: учебное
пособие / А.С. Котюргина, В.Н. Задорожный, Е.И. Федорова.  Омск: Изд-во
ОмГТУ, 2014. – 196 с.

77
 11. Мхитарян В.С. Теория вероятностей и математическая статистика:
учебное пособие. – М.: Московская финансово-промышленная академия,
2011. – 328 с.
12. Ниворожкина, Л.И. Математическая статистика с элементами
теории вероятностей в задачах с решениями: Учебное пособие для бакалавров
/ Л.И. Ниворожкина, З.А. Морозова, И.Э. Гурьянова; под ред. проф.
Л.И.Ниворожкиной. – М.: Издательско-торговая корпорация «Дашков и Ко»,
2016. – 480с.
13. Соловьев, В.И. Анализ данных в экономике: теория вероятностей,
прикладная статистика, обработка и визуализация данных в Microsoft Excel:
учебник.  Москва: КНОРУС, 2019.  498 с.
14. Солодовников А.С. Математика в экономике: учебник: В 3-х ч.
Ч.3. Теория вероятностей и математическая статистика / А.С. Солодовников,
В.А. Бабайцев, А.В. Браилов.  М.: Финансы и статистика, 2008. – 464с.
15. Тюрин Ю.Н. Теория вероятностей: учебник для экономических и
гуманитарных специальностей / Ю.Н. Тюрин, А.А. Макаров, Г.И. Симонова. 
М.: МЦНМО, 2009.– 256 с.
16. Фадеева Л.Н., Лебедев А.В. Теория вероятностей и
математическая статистика: учебное пособие / Л.Н. Фадеева, А.В. Лебедев;
под ред. Л.Н. Фадеевой. –М.: Эксмо, 2010. – 496 с.

78
 Федеральное государственное образовательное
бюджетное
учреждение высшего образования
«ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ
ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»
ОМСКИЙ ФИЛИАЛ ФИНУНИВЕРСИТЕТА

Н. И. Ильина, Н. А. Бурмистрова

АНАЛИЗ ДАННЫХ.
Теория вероятностей.

Учебное пособие

Редакторы: Филимонов В.А., Забудский Г.Г.

Корректор Новицкая Е.В.
Технический редактор Бортник О.В.
Подписано в печать 03.07.2020 г.
Формат А5. Бумага офсетная
Тираж 500 экз. Заказ № ***
Отпечатано в ООО «Образование Информ»
644020, г. Омск, ул. Серова, д. 13