Академический Документы
Профессиональный Документы
Культура Документы
Конспект лекций
по теории
...
вероятностеи
...
и математическои
статистике
Высшее образование
МОСКВА
~~ АЙРИС ПРЕСС
2004
УДК 519.2(075.8)
ББК 22.17я73
П34
Письменный Д. Т.
П34 Конспект лекций по теории вероятностей и математическоJ
статистике. - М.: Айрис-пресс, 2004. - 256 с. - (Высшее обра
зевание).
ISBN 5·8112·0970·3
ББК 22.17я7
УДК 519.2(075.а
Введение .......................................................... .
Раздел первый
Элементарная теория вероятностей
Раздел второй
Основы математической статистики
Приложения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24!
rлава 1
Случайные события
s= l
2
gt2
ОДНО ИЗ НИХ.
• А+В
п
ю А·В
п
~
4
А-В
п
А <; В
Рис. 4 Рис. 5
• A+D
п
Рис. 6
• А+АВ
п
Глава 1. Случайные собt;:о1тия • 13
Упражнения
Рис. 7
Пример 1.3. Опыт: один раз бросают игральную кость. В этом случае
ПЭС таково: !1 = {1, 2, 3, 4, 5, 6} или !1 = {w 1, ш2, ... , WG}, где w, - эле
ментарное событие, состоящее в выпадении грани с i очками (i = 1, 6).
В данном случае !1 конечно. Примером события А является, например,
выпадение нечетного числа очков; очевидно, что А= {w 1,1n3,w5}; со
быти10 А 6J1агоприятствуют элементарные события w1, wз, w5. Однако
если нас интересует только факт выпадения четного числа очков, то
ПЭС можно построить инач<>: !1 = {w 1,w2}, где W1 -- выпадение четного
числа очков, w2 - нечетного.
1. 0 Е S, !1 Е S;
2. из А Е S вытекает, что А Е S;
3. из А Е S, В Е S вытекает, что А+ В Е S, А· В Е S.
Заметим, что в условии 3 достаточно трсбоnа:гь либо А +В Е S,
либо АВ Е S, так как А+ В= А+ В, А· В= А+ В.
п: = Р'(А) (1.1)
O~P'(A)~l.
P'(i25)=0.
P'(fl) = 1.
по 0 ,и"015 --
6018
ООО и () ,;1
"00"и --
- 12012 , т. с. частносrь
' б
nри шижается к
12 24000
числу ~ = 0,500 .... А частость рождения мальчика, как r1ока·-Jыва1от
набл1од~пия 1 коJ1сблется около числа 0,515.
Отметим, что теория вероятностей изучает только те массовь1е слу
чайные явления с неопределенным исходом, для которых предполага
ется наличие устойчивости отпоситсJ1ьной частоты.
Р(е) =О.
18 • Раздеn первый. Элементарная теория вероятностей
Р(Щ = 1.
4. Статистическая вероятность суммы несовместных событий равна
сумме вероятностей этих событий, т. е. если А· В = !ZI, то
О ( Р(А) ( 1.
2. Вероятность невозможного события равна нулю, т. е.
1 P(iO) =О.
Р(Щ = 1.
Упражнения
«СКОЛЬКИМИ способами?».
Многие комбинаторные задачи могут быть репrены с помопJ,ью слс
ду1ощих двух nажных правил, называемых соответственно правилами
умножения и сложения..
или
n.!
А;;' = -(,-,.-_-m-)! ' IДС п! = 1 · 2 · 3 · ... · п, 1! = 1, О!= 1. (1.5)
22 • Раздел первый. Элементарная теория вероятностей
Рп =n!. (1.
Формула (1.6) следует из определения перестановки:
Рп = Аnп = п!
(n - n)! -
- п! - 1
О! - n"
ст= п! (1.8)
п m!(n-m)!
Аnт _ст. р,
- п m·
О
тсюда
ст
n -
_ А;:'
Р.т
_ п(п - l)(n - 2) ". (п - m
- l .2. З ".m
+ 1)
или
ст- п! •
п - m!(n-m)!
uи.ями.
(1.12)
с-т
n -
- ст
n+m~l·
(1.13)
(1.14)
Упражнения
что Г(В) ~с
Ci · Cf.,- '°" 0,24. е
5
С20
Глава 1. Случайные события • 29
Упражнения
Рис. 8
Р(А) = lл . (1.16)
lп
во втором --
Г(А) = ~~, (1.17)
О ( Г(А) ( 1.
2. I'еомс'l'])ИЧсская вероятность невоэможного собьrтия равна ну1rю,
т.е.
Р(о) =О.
Р(Щ = 1.
4. Геометрическая вероятность суммь1 несоnмсстимых собь[тиti раnна
сумме вероятностей этих событий, т. с. сели А ·В = 0, то
о 15 60 х
Рис. 9
Тогда О= {(х,у): О ( х ( 60,0 (у ( 60}; все исходы О равновоз
можны, тnк как ли1~а ПI}Иходят наудачу. Событие А ~ лип.а встретят
ся - произойдет, сели разность между моментами их прихода будет не
более 15 мин (по модулю), т.е. А= {(х,у): IY- xl ( 15}. Неравенство
IY - xl ( 15, т. с. :г, - 15 ( у ( х + 15 определяет область, заштри
ховапну10 на рис. 9, т. с. точки поJrосы есть исходы, благоприятству
ющие встрече. Искомая вероятность определяется по формуле (1.15):
602 - 2 . ~ . 45 . 45 7
Р( А) = 602 = 16 "' 0,44. •
Упражнения
1,6 единиц.
треугольник.
34 • Раздел первый. Элементарная теория вероятностей
Р(А)) О.
P(!l) = 1.
Р(0) = 0.
Р(А) + Р(А) = 1.
Р(А) ~ 1.
• Р(А) ~ Р(В).
2:P(Ai) = 1.
i=l
Р(А) = ~ . i .~ = А "'0,05. •
Упражнения
Рис. 10
42 • Раздел первый. Элементарная теория вероятностей
А-В
Рис. 11
Тогда. согласно аксиоме АЗ, имеем Р(А +В) = Р(А) + Р(В ·А) и
Р(В) = Р(А ·В)+ Р(В ·А). Отсюда следует Р(А +В) = Р(А) + Р(В) -
- Р(А ·В). 8
А·В
А·В·С
А·С в.с
с
Рис. 12
Упражнения
0,7
0,7
0,7
Рис. 13
пу, если А.-А 1 = 125, i i j и L; А,= '2. Систему таких событий называют
1=1
также разбиением.
Теорема 1.2. Пусть события Н1, Н2, ... , Нп образуют полную группу.
Тогда для любого события А имеет место формула по.лноi1 веро.ятности
или средней вероя:rпности.
= Р(А · Н1) + Г(А · Н2) + ... + Р(А · Нп) т.е. Г(А) = L; Р(А · Н,). По
i=1
теореме умножения вероятностей Р(А · Н,) = Р(Н,) · Р(А/Н,), откуда и
следует формула (1.30). 8
Отмстим, что в формуле (1.30) события Н1. Н2, ... , Нп обычно на
зывают гипотезами; они исчерпыва1от все возможные предположения
Теорема 1.3. Пусть события Н1, Н2, ... , Нп образуют полную группу
событий. Тогда условная вероятность события Hk (k = 1, n) при условии,
что событие А произошло, задается формулой
1
1702~ 1761, английский священник, математик
46 • Раздел первый. Элементарная теория вероятностей
-~~~~~~--~~~~~~~~~~~
Упражнения
независим'Ымu.
CJ.:1 слагаемых
0,5
о 1 2 m
Рис. Ц
Упражнения
З. В семье трое детей. Какова вероятность того, что: а) все они маль
чики; б) один мальчик и две девочки. Счи·rать вероятность рожде
ния мальчика 0,51, а девочки - 0,49.
Теорема Пуассона
(1.34)
Рп(т) = '(
m.n _ m.)' · (a)m
п!
r;; · {1 - r;;a)n-m =
= n(n - l)(n - 2) ... (п - (m - 1)) . а"' . {l _ 11.)n. {l _ 11.)-m =
m! пт п, п
= ~ · 1 · (1- k). (1- ft) ... (1- rn;; 1). {1- *)n. {1- *)-т.
а те-а
Переходя к пределу при п _, оо, получим lim Рп(т) = - --
n·--tOO ffi.1
( lim {1 - *)n = е-а согласно второму замечательному пределу). •
n--+oo
рп (m) .~
..., "-"-- m = 0,1,2, .... (1.35)
m.1 '
Формулу (1.35) применяют, когда вероятность р = const успеха крайне
мала, т. е. сам по себе успех (появление события А) является редким
собъLmuем (например, выигрыш автомобиля по лотерейному билету),
но количество испытаний п велико, сред'Нее число успехов пр = а не
значительно. Приближенную формулу (1.35) обычно используют, когда
n ) 50, а пр :;:; 10.
Формула Пуассона находит применение в теории массово?о обслу
живания.
Глава 1. Случайные события • 53
Р(А) = ""0,815.
•
Формулу Пуассона можно считать математической моделью про
стейшего потока событий.
Потоком событий называ1от последоватеJ1ьность событий, насту
пающих в случайные моменты времени (например, поток посетителей в
парикмахерской, поток вызовов на телефонной стан1~ии 1 поток отказов
элементов, поток обсJrуженных абонентов и т. п.).
Поток собьrтиti:, обладающий свойствами стап:иопарности, ординар
ности и отсутствия посJ1едствия называется прос1пеitшим ( пуассо'l-tов
ским) потоком.
Свойство стацuонарности означает, что вероятность появления k
событий на участке времени длины т зависит тоJ1ько от его длины
(т. е. нс зависит от начапа его отсчета). Следовательно, среднее чuсло
coбъtmuit, по.явл.яющuхс.я в едииицу време'l-tи, так называемая U'l-tme'l-t-
C'UB'l-toc1nъ Л потока, есть величина постоянная: Л(t) =А.
Свойство ордииариости означает, что событие пояпляется не груп
пами, а поодиночке. Другими словами, вероятность появления более
одного события на малый участок времени Лt пренебрежительно мала
по сравнению с вероятностью пояuления только одного события (на
пример, поток катеров, подходя1цих к прича.т1у 1 ординарен).
Свойство отсутстви.я последстви.я оз1rачает, 1 rто вероятность по
явления k событий на любом участке времени длинь1 т не зависит от
того, сколько событий появилось на любом другом не пересекающимся
с ним участком (говорят: «будуп.J.ее» потока не зависи·г от «прошлого»,
например, поток людей, входящих в супермаркет).
Можно докаэать, что вероятность появления 1т~ событий простей
шего потока за время продолжительностью t определяется формулой
54 • Раздел первый. Элементарная теория вероятностей
Пуассона
х' m-np
Т> ( ) 1 1 -- = . (1.36)
Гn m "" ;;;;-;;;; · м= е 2 , где х
vnpq v2ir .;npq
Равенство (1.36) тем точнее, чем больше п.
Выражение
х'
- 1- е-т = ip(x) (1.37)
у'21Т
m-np
Pn(m)"" ~ · <р(х), где х= ;;;;-;;;; .
vnpq
(1.38)
vnpq
Глава 1. Случайные события • 55
~~~~~~~~~~~~~~~~~~~~~~~~-'--
<р(х) О ,4
''
''
''
о 03 :'
-"----i------
'
-1 о 1 2 з х
Рис. 15
О Здесь п = 200, р
= 0,7, q = 0,3, т = 160. Применим форму
лу (1.38). Имеем: ..fiiP<i = у'200 · 0,7 · 0,3 = v'42 "' 6,48, следователь-
160 - 200 · О,7 20 '
но, х = у'42 = , "' 3,09. Учитывая, что <р(З,09) "" 0,0034,
6 48
получаем ? 200 (160)"' 1 · 0,0034"' 0,0005. 8
6 48
'
k2 -пр
где Х2 = ,;npq .
(1.39)
Равенство (1.39) тем точнее, чем больше п.
1 !х ~
Фо(х) = V2ir е-2 dt, (1.40)
о
Фо(х)
------------------------------ ------------------------------
0,5
о х
-0,5
Рис. 16
Глава 1. Случайные события • 57
rде х1 = = ,
k1 -
ynpq
пр
(1.41)
Q Здесь п = 200, р =
0,04 (вероятность негодного изделия), q =
= 0,96. Вероятность принятия всей партии, т. е.? 200 (0 :( т :( 10),
можно найти по формуле (1.44); здесь k 1 = О, k2 = 10. Находим,
ЧТО Xt = 0 - 200 · 0,04 ::;,; _ 2 89 Х = 10 - 200 · 0,04 ::;,; О 72
2
vf200. 0,04. 0.96 ' ' vf200. 0,04. 0,96 ' ,
Р2оо(О :( т :( 10) = Фо(О,72) - Ф 0 (-2,89) = 0,26424 + 0,49807
= 0,7623. Заметим, что Ф(О,72) - Ф(-2,89) = 0,7642 - (1 - Ф(2,89))
= 0,7642 - (1 - 0,998074) = 0,7623. •
Е: = 0,05.
Упражнения
какое именно.
Р<
''
''
'
'' Р2[
' ''
Р1:
'' ''
'
'
о
Рис. 17
J. = 1, 2, ... , m, т. е.
величины.
х о 1 2 3
р 1 15 30 10
56 56 56 56
4
(Контроль: L:Pi =
1
1
56
15
+ 56 30 10
+ 56 + 56 = 1.)
•
Упражнения
Кроме т·ого, как увидим позже (п. 2.3, 2.4), вероятность каждого отдель
но взятого значения н. с. в. равна нулю! Представим себе вероятность
того, что рост мужчины -- н. с. в. -- точно равен v'3 = 1,7320508 ... ме
тров; купJ1снная нами лампа проработает - н. с. в. -- ровно 900 часов;
.... Удивительно интересный факт: coбъtrnue возможное, но имее1п ну
левую веро.ятностъ.
F(x) = Р{Х < х} т.е. F(x) = Р{ш: Х(ш) < з:}. (2.1)
Х<х
х х
х
Рис. 18
1. F(x) ограничена, т. е.
О ( F(x) ( 1.
F(+oo) = 1.
{Х < Ь}
>·, -.,-,-,-.
>.-,-,,-:-,-,
.-', ,-,;'-~-'-Н-Н-)(-)(-)(-~:-,-)(-)(-)(-)(_), Ь
.,-.
{Х <а} {а ( Х < Ь}
Рис, 19
пределе получим Р{Х =а}= lim F(x) - F(a) = F(a) - F(a) =О. Если
х--+а
Действительно,
Р{а,;::; х < Ь} = Р{Х =а}+ Р{а < х < Ь} = Р{а < х < Ь}
и т.д.
F(x) = L р"
х,<х
(2.4)
Пример 2.2. По условию примера 2.1 (п. 2.2) найти функцию распре
деления F(x) и построить ее график.
о, если х (О;
1 если о< х:;;; 1;
56'
F(x) = 16 если 1< х:;;; 2; (2.5)
56'
46 если 2< х:;;; 3;
56,
1, если 3< х.
F(x)
1 -----------------------------!} Р•
46/56 -------------------: '
'
: Рз
:'
16/56 ---------",- - -
1/56 :}Pz
1
о 1 2 з х
Puc. 20
F(x) =
•
Упражнения
если х ~О,
еслих>О
о,
{
при х ~О,
х2
Fx(x) = , при х ~ ,;2,
2
1, при х > ,;2.
. Р{х(Х<х+Лх}
!()
:r=l1m Л , (2.7)
Лх--tО Х
f(x) ) О.
f
ь
!
х
f
00
f(x)dx = 1.
-оо
f
ь
f
ь
Рис. 21
J J
х х
J
+оо
J
х
А затем получить, что f(x) = F'(x). Отсюда следует, что F(x) и f(x)
являются эквивалентными обобщающими характеристиками с. в. Х.
72 • Раздел перв~1й. Элементарна11 теори11 веро11тностей
J
с
Р{Х=с}=Р{с:;;;Х"с}= f(x)dx=O.
с
+оо d
! ~dx
-00
l+x
= 1, т.е. а d-t+oo
lim 1~=1,
с-+-оо
1 + х2
С
т.е. а· lim arctgx[d=l
d-t+oo
c-t-oo
с
Упражнения
{
о, при х ~ -1,
F(x)= а(х+1) 2 , при - 1< х:;:; 2,
1, при х > 2.
Найти значение а, построить графики F(x) и f(x).
f(x) М
Рис. 22
n
МХ = Lxi ·Pi· (2.9)
i=l
00
J
00
-оо
J"" lxl · f(x)dx < оо
(в противном случае н. с. в. Х не имеет м. о.).
Формула (2.11) является интегральным аналогом формулы (2.9).
Заменяя в ней «прыгающий» аргумент Xi на непрерывно меняющий
ся х, вероятность Pi - элементом вероятности f(x) dx (f(x) dx =
=F'(x)dx = dF(x) "'ЛF(х) = F(x+Лx)-F(x) = Р{х < Х < х+Лх}),
получим равенство (2 .11).
Глава 2. Случайные величины • 75
М(сХ) = сМХ.
М(Х-МХ) =0.
5. М. о. произведения независимых с. в. равно произведению их м. о.,
т. е. если Х и У независимы, то
m n
LPiJ =pj и LPij = PJ·
j=l i=l
76 • Раздел первый. Элементарная теория вероятностей
т т
то
аналогично получаем
п
Рз = LР•з·
i=l
Свойство 3 распространяется на произвольное конечное число слагае
мых.
Х=Х-МХ.
п т
00 00
х 500 50 10 1 о
р 0,01 0,05 0,1 0,15 0,69
5
(Контроль: l::Pi = 1.) Находим МХ:
i=l
мх = 500. 0,01+50. 0,05 + 10. 0,1+1·0,15 +о. 0,69 = 8,65 руб. •
Дисперсия
DX = ! (х-МХ)
+оо
-00
2 · f(x)dx -для и.с.в. Х. (2.14)
DX = МХ 2 - (МХ) 2 . (2.15)
!х
+оо
2
DX = · f(x) dx - (МХ) 2 . (2.17)
-оо
Своiiства дисперсии.
1. Дисперсия постоянной равна нулю, т. е.
Dc =0.
2. Постоянный множитель можно выносить за знак дисперсии, возве
дя его в квадрат, т. е.
DcX=c2 DX.
3. Дисперсия суммы независимых с. в. равна сумме их дисперсий, т. е.
если Х и У независимы, то
х -1 о 1 2
р 0,2 0,1 0,3 0,4
f(x)
х
М0 Х хр = М,Х МоХ
Рис. 23
1
Р{Х < ·"'р} = Р{Х > Хр} = 2' (2.19)
а для н. с. в. - интегралом: ;Т
00
а для н. с. в.:
00
µk= J(x-MX)k·f(x)dx.
-00
f(x)
А>О
Рис. 24
f(x)
А<О
о х
Рис. 25
Рис. 26
!(х)
0,25
о xo,2s xo,s xo,1s х
Рис. 27
Упражнения
{
о, при х ~О их > Jr,
fx(x) = 1 .
'2 s1nx, при О< х ( ir.
{
о, при х (А,
F(x) = О,25х 2 , при А< х (В,
1, при В< х.
00
1
<p (z) = L k ·pk ·zk-l.
k=O
Тогда
00
мх =
1
<p (l) = L k . Pk = 0<1,
k=O
т.е.
00 00 00
11 2
<p11 (z) = Lk(k-1) · Pk · zk- 2 , <p (l) = Lk 'Pk- Lk'Pk = 0<2-0<1,
k=O k=O k=O
где а2 и ai - начальные моменты соответственно 2-го и 1-го порядков
(а2 =
МХ , а1 2
=
МХ). Тогда DX МХ 2 - (МХ) 2 = а2 - ai
= (а2 - 0<1) + °'1 - ai = <р (1) + <р (1) - (<р (1) ) 2 , т. е.
11 1 1
Q Ряд распределения с. в. Х:
х о 1 2 3
р 0,01 0,027 0,243 о, 729
(2.23)
X=m о 1 2 . .. m ... п
при х:;;;: О
при О< х ( п
при п < х.
Найдем числовые характеристики этого распределения. Производящей
функцией биномиального распределения является
п п
Распределение Пуассона
X=m о 1 2 ... m . ..
а
а"· е
а
ат ·е а
Рт
е-а ~ ... ...
1! 2! m!
оо оо m
Контроль: Z:: Рт= е-а Z:: ~ = е-а · е" = 1.
m==O m==O m.
Найдем м. о. и дисперсию с. в. Х, распределенной по закону Пуас-
сона. Производящей функцией распределения Пуассона будет
т.е. <p(z) = e•(z-l). Тогда <p'(z) =а· ea(z-l), <p11 (z) = а 2 · ea(z-l). Стало
быть, МХ = <р (1) =а, DX = <р (1)
1 11
+ <р (1) 1
- (<р (1)) 2 = а 2 +а - а 2 =а.
1
Итак,
MX=DX=a, (2.26)
т. е. параметр а пуассоновского распределения равен одновременном. о.
6 2в 9 10) ""0,053 .
2s
Р{5 <:; Х <:; 10} = 0,135 ( б!
1
+ 2б! + 271 + S! + 2g! + 2lO! •
Геометрическое распределение
где т = О, 1, 2, ....
Геометрическое распределение имеет с. в. Х, равная числу опытов
в схеме Бернулли, проведенной до первого успеха вероятность успехар
в единичном опыте. Примерами реальных случайных величин, распре
деленных по геометрическому закону, являются: число выстрелов до
00 00 1 р
Контроль: L; pqm-l = р L; qm-l = р. - - = - = 1.
m~l m~l
1- q Р
Вероятности Рт образуют геометрическую прогре-ссию р, qp, q2p,
q3 p, .... По этой причине распределение {2.27) называют гео.метри-че·
с к им.
Глава 2. Случайные величины • 89
00 00
,;q
т.е. МХ
1
= Р' DX = 2q и, значит, ах= р·
р
ст
М
.cn-m
N-M
Рт=Р { X=m } = сп
N
, (2.29)
м
MX=n· N' (2.30)
а ее дисперсия
_ . _м__
D Х - п N -1
. (N - M)(N - п)
(2.31)
Nz .
Q С. в. Х принимае1· значения
0,1,2,3. Вероятности этих значений
Cg · С[6 Cg · С/ 6
Р1 = Р{Х = 1} = сз "'0,4511, pz = Р{Х = 2} = сз "'0,1203,
21 21
Рз = Р{Х = 3} =
cg · срб "'0,0075. Ряд распределения:
3
С21
X=rn о 1 2 3
Pm 0,4211 0,4511 0,1203 0,0075
f(x)={b~a' о,
при х Е [а, Ь],
+оо
-00
J cdx = 1,
J
х
f(x)
1
Ь-а
о а ь х
Рис 28
имеем
F(x) = ! х
__ill_ =
Ь-а
_t_lx х - а
Ь-аа
=
Ь-а
а
а Ь х
F(x)= !
-оо
Odt+ ! ь'!!а + f
а Ь
odt= b~al:=l
при х > Ь. Таким образом,
{
о, nри х ~а,
х-а
F(x) = --, при а< х ( Ь, (2.33)
Ь-а
1, при Ь < х.
График F(x) изображен на рис. 29.
F(x)
1
х
а ь
Рис. 29
Определим М Х и D Х с. в. Х ~ R[ а, Ь].
Согласно формуле (2.11),
а Ь +оо
МХ= !
-оо
x·Odx+ !а
b:adx+ !
Ь
x·Odx= а~Ь·
(Ожидаемый результат: математическое ожидание с. в. Х ~ R[a, Ь]
равно абсциссе середины отрезка; М Х совпадает с медианой, т. е
МХ =МеХ.)
Глава 2. Случайные величины " 93
DX = J(х - а+ ь)2. ~
ь
2 Ь-а
= _1_. ! (х
Ь-а 3
- а+2 ь)з lь = а
а
~1~ ( (Ь - а)
8
3
_ (а - Ь) )
3
(Ь - а) 2
3(Ь - а) 8 12
DX = (Ь-а)2
(2.34)
12
11 ~
/3-а
Р{ХЕ(а,/3)}=
!
С<
f(x)dx=
!
С<
1
b-adx= Ь-а'
/3-а
т.е. Р{Х Е (а,/3)} = -ь-·
-а
Геометрически эта вероятность представляет собой площадь пря-
моугольника, заштрихованного на рис. 30. 8
f(x)
о а f3 ь х
Рис. 30
о 1 2 3 4 5 х
Рис 31
f(x)
л
о х
Рис 32
F(x) = {1 -
О,
е->.х, при х ) О,
при х <О.
(2.36)
Глава 2. Случайные величины • 95
х о х
о х
Рис. 33
1х Ле->.х 1х Ле->.х
00
МХ = · dx = lim
b---too
· dx =[интегрируем по частям)=
о о
1
00 00
Таким образом,
1 1
DX = Л 2 , ах= л· (2.37)
Р{а < Х < Ь} = F(Ь) - F(a) = (1 - е-.\Ь) - (1- е-.\а) = е-.\а - е-ль,
(х - а) 2
f(x) = ~е ~ х Е R. (2.38)
а· 27Г
(x2~:) dx=
2
/ е-(Л.:)'d(х-а)=
00 00
е
!
-оо
1
a·../2ii
a·v12
a·../2ii -00 v12·a
00
= у7Г 1 с
1 ;· е -t 2 dt= .;;r·y7Г=l.
-00
с
!
-00
е
-t'
di=y1Г. {2.39)
/
о
/
оо
00
z' z'
.;;г ,
!
о
е
-t' d t --
2
о
е - -2 dz = /'if;. =
7Г
-00
е-т dz. (2.40)
F(x) =
и.
1
../2ii
27r
! -
-00
х
е-
(t-a) 2
2~ 2 rlt. {2.41)
х
! !о + - 1 - !х е-2 dt =
12 12 12
Ф(х) = - 1- е-2 dt = - 1- е-2 dt
v'27Г v'27Г v'27Г
-оо -оо о
(см. (2.40)).
Установим смысл параметров а и CJ нормального распределения.
Для этого найдем математическое ожидание и дисперсию с. в. Х ~
~ N(a, CJ).
оо оо (х _ •)'
МХ = j х · f(x) dx =
(J •
1
v'27Г
j х · е-2Т dx =
-оо -00
f(
00
f J,r f
00 00
оо оо (х - а)'
DX= f(x-a) f(x)dx= /(х-а) 2 -
2 1 -е 2и 2 dx=
стv'21Т
-00 -оо
00 00
= 2ст2 (-lte-t'loo +l
,/iГ 2 -оо 2
!00
Таким образом, DX = ст 2
, а ст - среднее квадратичное отклонение.
Можно показать, что для с.в. Х ~ N(а,ст): М0 Х = м.х =а,
А- µз --О' Е -
- 3 - 4 - 3 -- О . µ4
ст ст
Исследуем дифференциальную функцию (2.38) нормального за-
кона:
Отсюда f'(x) =О при х =а, при этом: если х < а, то f'(x) > О, а
если х >а, то f'(x) <О. Это и означает, что х =а точка максимума
1
и fmax = f(a) = м=·
сту27r
4. График функции f(x) симметричен относительно прямой х = а,
так как аналитическое выражение f(x) содержит разность х - а в
квадрате.
f(x)
1
и,/21Г
1 '
'
-------t------
' '
'' ''
' ''
''
''
'
о а-и а а+.,- х
Рис. 34
f(x)
а х
Рис. 35
fJ (х-а) 2
Р{а < Х < l'i} = - 1-Je--z;;- dx = [х-;;а = t] =
av'2i
/3-а
" {3-а а-а
=
1
,/2i
! и е
_L2 d
2 t = ,/2i
1 !" е
t' d
--
2 t - ,/2i
1 !" е
2
- t- d
2 t.
а- а О О
и
1
Фо(х) = ,/2i ! х
t'
е-2 dt,
о
получаем
х (t-a) 2
F(x) = f-1-е-2Т dt = Р{-оо < Х < х} =
a,/2i
-оо
=Фо ( -а-
х-а) -Фо (-оо-а)
а =Фо (х-а)
-а- 1
+2,
т.е.
F(x) = 1 + Фо (х
-
2
- а)
17
- • (2.44)
Фо(оо) = ,/2i
1 1
00
е
_!!..
2 dt = ,/2i ·у
1 fii 1
2 = 2·
о
102 • Раэдеп nервы~. Элементарная теория вероятностей
Ф(х) = k! х
-00
t'
е-2 dt,
то
F(х)=Ф(х;;а) (2.45)
(непосредственно вытекает из равенств (2.42)) и (2.44)).
Равенство (2.43) можно переписать и так:
(2.46)
Упражнения
М(Х,У) М(Х,У)
У'" --------------r у -------------
:'
''
''
'
о х х х х
Рис. 36 Рис. 37
Х"-У У1 У2 Уз ... Ym
Х1 Р11 Р12 Р1з ... Р1т
х2 Р21 Р22 Р2з ... Р2т
. .. . . . .. . .. . . . . . ..
Xn Pn1 Pn2 Рnз ... Pnm
Причем, сумма всех вероятностей р,3 , как сумма вероятностей полной
группы несовместных событий {Х = х;, У= у3 }, равна единице:
п m
LLPij = 1.
t=l J=l
106 • Раздел первый. Эnементарнаfl теориfl вероятностей
Pij
Р1з
Р11
Р12
У1 У2 Уз
о
у
Рис. 38
Зная закон распределения двумерной дискретной случайной ве
личины, моJ1Сно найти законы распределения ка:ж:.дой uз компонент
(обратное, вообще говоря, неверно). Так, Рх 1 = Р{Х = х1} = Р11 +
+ Р12 + ... + Р1т, что следует из теоремы сложения несовместных со
Х"'.У о 1
о
1 2
6 6
1 2 1
6 6
Глава 3. Системы случайных величин • 107
-------------- __________________,(х, у)
''
''
''
''
• (Х,У) ''J
'
о х
Рис. 39
О,,;; F(x,y),,;; 1.
2. F(x, у) не убывает по каждому из своих аргументов при фиксиро
ванном другом, т. е.
F(+oo,+oo) = 1.
5. Если один из аргументов обращается в +оо, то функция распреде
ления системы случайных величин становится функцией распре
деления с. в., соответствующей другому элементу, т. е.
,._,,_,._..,,.._....,.._.,,.___,..___,.,,: (х 2 , у 1 )
'
Рис. 40
110 • Раздел первый. Элементарная теория вероятностей
{
О, прих~О,
{
О, приу~О,
F1(x) = 0,5, при О< х ~ 1, F2(y) = 0,5, при О< у~ 1,
1, при х ;;;, 1, 1, при у;;;, 1.
0<х~1 о
1
6
Q=!+~
6 6 6 •
1<х о Q=!+~ 1=!+~+~+!
6 6 6 6 6 6 6
д2F(х,у) " ( )
f(x,y)= дхду =Fxyx,y. (3.6)
о х
х+Лх
Рис. 41
f _Р{х.;;;Х<х+дх,у.;;;У<у+ду} _
ер - дх. Ду -
= _1 . (F(х+дх,у+ду)-F(х,у+ду) _ F(x+дx,y)-F(x,y)).
ду Лх дх
. , . F'(x,y+дy)-F'(x,y)
1lffi Jcp = 1lffi Д ,
дх-tО ду-tО у
ду-tО
f(x,y)
Рис. 42
f(x,y)) О.
Р{(Х, У) Е D} = !!
D
f(x, у) dxdy. (3.8)
JJ
х у
JJ
00 00
f(x, у) dxdy = 1.
-оо -00
Глава 3. Системы случайных величин • 11 З
f f
+со +со
F(x,y) = Р{Х < х,У <у}= Р{-оо < Х < х,-ос <У< у}=
х у
= j j f(x, у) dxdy.
-00-00
ff
00 00
F(+oo,+oo)= J(x,y)dxdy=l.
-00 -00
ff
х +оо
ff
+оо У
т. е.
F1(x)
х
=_L \_L( +оо
f(x,y)dy
)
dx, F2(y) = _l (L 00
f
00
f
00
00 00
А
!!
-00-00
(1 +х 2
)(1 +у 2
)
dxdy = 1,
00 00
лjdxjdy_ 1
2 1+х
2 1+у - '
-оо -00
+oo 1+00
А· arctg х _ · arctg у _ = 1,
00 l 00
А· " 2 = 1.
Следовательно, А = --\.
1Г
Глава 3. Системы случайных величин • 115
! (!х -\·~)~=-\(arctgx+Z!:
2 )·arctgyly
у
F(x,y) =
+ +
7Г 1 х 1 у 7Г -оо
=
-оо 00
!
00
f1(x) = -7Г21 · (1 + х2)(1
dy
+ у2) = 1Г2(1 + х2) arctgy -оо =
1 1
-00
00
f2(Y) = J
-оо
:2 . (1 + х2~(1 + у2) = ". = 7r(l ~ у2). •
Упражнения
{ о,е
А -х-у
при х ;;;: О, у ;;;: О,
f(x,y) = '
в противном случае.
ство (3.12), то Р{Х < х, У < у} = Р{Х < х} · Р{У < у}. Значит,
случайные величины Х и У независимы. •
JJ J
х у х у
-00-00
f(x,y)dxdy=
-00
fi(x)dx· J
-00
f2(y)dy,
Так как f(x,y) = f1(x) · f 2(y), то, согласно условию (3.13), заключаем:
случайные величины Х и У независимы. 8
Р{Х = х" У= у1 }
Р{У = Y1IX = х,} = Р{Х = х,} ,
i = 1, 2, ... , п; J = 1, 2, ... , т (3.15)
L р(У1 х, = L 1 )
m
P•J
-Рх, 1
= -Pxi L P•J = Рх,
m
- = 1
Pxi
3=1 J=I J=I
m
(см. п. 3.1: Рх, = LPi 1 ).
J=l
120 • Раздел первый:. Элементарная теория вероятностей:
J
00
-оо
J
00
f(x,y)dx
{
у> -х,
у< 2,
х <о.
Рис. 43
00 00
/ / f(x,y)dxdy = 1.
-00-00
0000 о 2 о
С/ х ( 2 - ~ ) dx = С ( х2 - ~ ) [
2 4
= 2
= -2С.
-2
fi(x) = [ / f(x,y)dy] = /
-00 -х
2) = х - 4х ,
3
=-
1 х4-х
(
4 4
т.е. f 1 (x) = l(x 3 -4х), х Е (-2,0) (контроль:
о
J
00
f2(y)= [ / f(x,y)dx] = /
-00 -у
122 • Раздел первый. Элементарнаfl теория вероятностей
f(x, у)] 1
у Е (О, 2). Тогда f(xly) = [ f 2(y) = --ху (х,у) Е D
2
(контроль:
/о (-2х) 2х-22 1°
00
/
f(xly) dx = - dx = - -
у2 у2 -у
=--(О
у2
1 - у2 ) = 1).
-оо -у
n m n m
MX=mx = LLx,p,1 , MY=my = LLY1 p,1 , (3.20)
t=l J=l i=l ;=1
Глава З. Системы случайных величин • 123
ff
00 00 00 00
n m n m
(3.22)
f f (х f f (у
00 00 00 00
(3.23)
если (Х, У) - непрерывная система с. в.
Дисперсии DX и DY характеризуют рассеяние (разброс) случай
ной точки (Х, У) и в направлении осей Ох и Оу вокруг точки (тх, ту)
на плоскости Оху - центра рассеяния.
Математические ожидания тх и ту являются частными случаями
начального момента ak,s nор.ядка k+ s системы (Х 1 У), определяемого
равенством
Olk,s = M(XkYs);
ff
00 00
n т
ff
00 00
для непрерывных с. в.
f f (х
00 00
J Jху
00 00
Своikтва ковариации:
1. Ковариация симметрична, т. е.
Кху = Кух.
Кху =0.
Ксх,У = с·Кху = Кх,сУ или cov(cX, У)= c·cov(X, У)= cov(X, сУ).
или
Кху cov(X, У)
rxy =- - = v'DXVIW.
GxGy
(3.34)
rxy =О.
Kxv
rxv = - - =О.
GxGy
cov(X, У) aDX а
rxy = ЛJX../DY = Л5Х · lal. Л5Х = ~ =
{1,
-1,
при а> О,
при а< О.
D ( х -тх
ах -
У-ту)
ау =О,
Х-тх У-т
т. е. СТх - cry У =с~ постоянная. Но
Х-тх У-ту ау
т. е. с= О. Значит, ах = ау , т. е. У = ах (Х - тх) +ту. При
rxv = -1 получаем
ау
У= -ах(Х-тх) +ту.
( Кхх
Кух
Kxv)
Куу
или
(
DX Kxv)
DY .
х у -1
о 1 о 1
и
р 0,6 0,4 р 0,35 0,50 0,15
2 3
тх =L L х;р;1 = О·О,15+0·0,40+0·0,05+ 1·0,20+1·0,10+ 1·0,10 = 0,4).
i=l j=l
Упражнения
Х"-У 1 2 з 4
1 0,07 0,04 0,11 0,11
2 0,08 0,11 0,06 0,08
з 0,09 0,13 0,10 0,02
f(x,y) = 1 х
21Гaxayv'l - r 2
Х е
1
2(1 - r
2
)
((x-m.)и;
2
(3.35)
JJ
00 00
f(x, у) dxdy = 1;
-00-00
оо (х - mж:)2
fi(x)=/f(x,y)dy= 1 e2u~(l-r')x
21Гахау~
-оо
1 ((y-my) 2 2r(x-m.)(y-m,))
2(1 - r2) q2 U;r;U'll d
• у=
-оо
132 • Раздел первый. Элементарная теория вероятностей
х-т у-ту
подстановки rг; х = t, J2
[ v2o-x 2о-у
=----==--е
21Гахау~
rг;
У .t.C!y
t2
---
1-r
2 ! ---
00
е 1-r
1
2 (z 2 -2rtz)
dz=
-00
= ----~-е
1 - --
1-r
1
2
2 ! --
00
е 1-r
1
- 2 ((z-rt) 2 -r 2 t 2 )
dz=
J21Гах~ -00
- е
t2
- - -2+ - -2
1- r
- J21ГaxV1 - r 2
r2t2
1- r !
оо
е
(z - rt) 2
1- r' dz =
-оо
=[ подстановка
z - rt =и
] =
v1-r 2
e-t
2
J21Гах~
Vl - r2 ! 00
е-и
2
du = -t' ,/1Г =
е
J21Гах
-оо
= _l
[так как е-и' du = ,/1Г - интеграл Пуассона, формула (2.39)]
(x-m:r) 2
т.е.
(x-mz) 2
fi(x) = ~ е 2а; (3.36)
21Гах
Случайная величина Х имеет нормальное распр~еление с м. о. тх и
дисперсией а;. Аналогично получаем
(у-т,)'
2а;
(3.37)
т. е. У ~ N(ту, ау)-
График плотности f (х, у) нормального распределения двумерной
с. в. (Х, У) представляет собой холмообразную поверхность, верши-
{
х = тх + xocosa -yosina,
у= ту+ xosina + yocosa,
2raxay
где угол а подобран так, что tg 2а = , то уравнение (3.38) пре-
2 2
ах -ау
1
_l ((х
2
- m,)
0"2
2
+(у - m,) 2 )
(7"2
f(x,y)= е • , =
2-тrахау
(y-m,J'
__l_e 2и~ = f1(x) · !2(у),
v121Гиу
рованность» эквивалентны.
134 • Раздел первый. Элементарная теория вероятностей
(х - mx) 2 + (у - 2
my) =
1
(hax) 2 (hay) 2
(следует из равенства (3.38) при r = О). На рис. 44 изображен один
такой эллипс (при h = 1).
у
ту --- ----~-----!-,-~:::-"i
'''
о т. х
Puc. 44
Р {а ~ Х ~ Ь, с ~ У ~ d} = ( Фо ( Ь ~:zx) - Фо (а ~;"х)) х
х ( Фо ( d ~;У) - Ф 0 (с ~';У)),
х z2
где Фо(х) = ~ J е-2 dz - функция Лапласа.
y27r о
-~=1~/е
../'iiiax
2и~ 1 fe
dx· ../'iiiay 2и~ dy =
а с
•
Произвольную область D можно приближенно заменить областью,
составленной из прямоугольников. На этом основано применение так
называемых «сеток рассеивания».
Глава 3. Системы случайных величин • 135
(у - О)'
f(x,y) = 1
(х - 0) 2
е- 2(v'з)' . 1 е
2 (2VЗ)' = fi(x) · f2(y).
VЗV21r ./.! v'21r
Значит, с. в. Х и У независимы и Х ~ N(O, VЗ), У~ N (О, ~). Поэто
·
му P{lxl ~ 1, IYI ~ 2} = 2Фо ( Jз) 2Фо ( .Jз) = 4Фо(О,58) · Фо(2,31) =
=~4~. •
Для непрерывных с. в.
Jу Jх
00 00
т n
М(У[х;) = LYjP(Yj[x;) M(X[yj) = L x;p(x;[yj), (3.40)
j=l i=l
где p(yj[x;) = Р{У = щ[Х = х;}, p(x;[Yj) = Р{Х = х;[У = Yj}, форму
лы (3.15) и (3.16).
Условное математическое ожидание с. в. У при заданном Х = х 1 т. е.
М(У[х) = <р(х), называется функциеii. регрессии или просто регрессиеiJ
У на х (или У по х). Аналогично, М(Х[у) = <р(у) - регресси.я Хна у
(или Х по у).
Графики этих функций называются соответственно линиями (или
«кривыми») регрессии У на х и Хна у.
Если обе функции регрессии У на х и Х на у линейны, то говорят,
что с. в. Х и У связаны линеii.ноii. корреляционноii. зависимостью.
(х- mx) 2
f(ylx)= ~х
21ГGхау - r
Х е 2(1 -
1
r 2
)
((x-m,) 2
и;
2r(x - m,)(y - ту)+ (у -
С1хС1у
m,)')
u2 Y2irax
у •
(х - m:.c) 2
е
2ст;
2 2 2
= 1 ((у-ту) _ 2r(х-тх)(у-ту) + r (х-тх) ) =
2(1 - r 2 ) а~ ахау а;
(у-ту х-тх)
2
1
= 2(1 - r2) ау - r. ах ,
то
Uy 2
у- (ту +r · и;(х- mx))
а (х - тх)
M(Ylx) =ту+ r · У ах и D(Ylx) = а;(1- r 2 ). (3.41)
ах(У- ту)
ср(у) = M(Xly) = тх + r · а у
и D(Xly) = a~(l - r 2 ). (3.42)
Х"'.У -1 о 1 L:
о 0,10 0,15 0,20 0,45
1 0,15 0,25 0,15 0,55
L: 0,25 0,40 0,35 1
0,15 15
p(y1Jx2) = Р{У = -lJX = 1} =О = ,
55 55
'
0,25 25
p(y2Jx2) = Р{У = OJX = 1} = О, 55 = 55 ,
х
1
Рис. 45
Глава 3. Системы случайных величин • 139
Упражнения
3.1 О.
Многомерная (п-мерная) случайная величина
(общие сведения)
00 00 00
п
140 • Раздел первый. Элементарная теория вероятностей
J J". J
Xn
F(x1,xz,""xn) = f(x1,xz,""xn)dx1dx2".,dxn.
-оо -оо -оо
Fx,,x"""x. (х1, х2, ... , Xn) = Fx, (х1) · Fx2 (х2) ... Fx. (xn);
для n непрерывных с. в.:
К12
К22
К1п)
K2n
(D1 К12
D2
или
Kn2 Knn
вых характеристик с. в.
Глава 3 Системыслучайныхвеличин • 141
J
00
Заметим, что:
1. Характеристическая функция н. с. в. есть преобразование Фурье от
плотности ее распределения; плотность f(x) выражается через <p(t)
обратным преобразованием Фурье:
J
00
f(x) =
2~ -оо
cp(t)e-•tx dt.
·ф(z) = L zkpk
k=O
(см. п. 2.6).
Своiiства характеристическоii функции:
1. Для всех t Е R имеет место неравенство
ai = МХ = -i<p (0) 1
(,-i = ~ = i~ = ~l = -i),
а2 = МХ 2 = -<р"(О), (3.45)
DX = <>2 - <>I = -<р"(О) + ('Р'(О)) 2
.
n n
r,o(t) = L e•tkC~pkqn-k = L С~(е''. p)kqn-k = (eitp + q)n,
k=O k=O
Глава 3. Системы случайных величин • 143
Упражнения
{
-2х, прихЕ[-1,О],
3. Дано fx(x) = - плотность с.в. х.
О, в противном случае
Найти <px(t).
<p(t) = _1_
,/27Гu
J00
eitxe
(х - а) 2
2и 2 dx=-1-
,/27Гu 1
00
е-
х 2 - 2(а + ito- 2 )x + о. 2
2и 2 dx=
-оо -оо
00 2
х - 2х(а + ito-2) +(а+ ito-2) 2 + о. 2
- (а+ ito- 2 ) 2
1
= ,/27Гu
jе 2а 2
dx =
-оо
= _l_eiat-
../21ГСJ
12
;
2
!оо
е-
(x-(a+it"')\, 2
.,/2и } d (х - (а+ itCJ2 )) . _,,-21) =
V2(J
-00
. t2u2 . t2u2
1 i t a - - r= ita--
= -е 2 у1Г = е 2
,;:ii
t2u2 1
МХ = [-i<p'(O)] = -ie'at--2-(ia -tCJ 2) = -i · 1 · ia =а,
t=O
т.е. МХ =а;
нормальному закону. •
Глава 4
Функции случайных величин
n n
МУ = L ip(x;)p" DY = L(ip(xi) - my) Pi·
2
i=l i=l
146 • Раздел первый. Элементарная теория вероятностей
х -1 1 2 1
р 0,1 0,3 0,6 1
у
8 12 14
р 0,1 0,3 0,6
у= ip(x)
х
ь
Рис. 46
Глава 4. Функции случайных величин • 147
ф(у)
G(y)=P{Y<y}=P{X<'l/J(y)}=Fx('l/J(y))= ! f(x)dx,т.e.
а
ф(у)
G(y) = Jа
f(x) dx.
dG(y) d
g(y) = CfY = f('Ф(у)). dy (,Р(у)) = f(,P(y)). 'Ф'(у),
т.е.
Ь Ф,
формулами
J
00
{ 2 2 2
{
= 1 - р х,,; ~у}= 1 - (р х < ~у}+ р х = ~у}) = {
= 1- Р { Х < 2 ~у} = 1 - Fx (
2
~у),
т.e.g(y)=iJ( 2 ~Y),yE(-oo,oo).
Отметим, что линейное преобразование У = аХ + Ь не меняет ха
рактера распределения: из нормальной с. в. получается нормальная; из
равномерной - равномерная.
Глава 4. Функции случайных величин • 149
Q а) Имеем:
{ О,
~' ХЕ (-i,i),
f(x) =
x9!(-i,i)·
В интервале ( - ~, ~) функция у = cos х не монотонна: в ( О) функ -i,
ция возрастает, в (О, i) - убывает. На первом участке обратная функ
ция х1 = - arccos у = 'Ф1 (у), на втором - Х2 = arccos у = .Р2(у). По
формуле {4.4) имеем
1 1 +1 1 2
= ---="'==
1Г ~ 1Г 1Г~'
т.е.
2 2
= -1Г. 1 ! 1
1 2у~1
{1 - у 2 ) _!2 d(l - у 2 ) = -1Г. 2
1 - у2 о= 1Г•
1
2
т.е. МУ = 1f·
6) Используем формулу (4.5):
т.е. МУ = 1f·
2
•
150 • Раздел первый. Элементарная теория вероятностей
Упражнения
х -2 1 -1 о 1 2 3
р 0,10 1 0,20 0,30 0,25 0,10 0,05
х о 1 2 3
р 0,3 0,4 0,2 0,1
при х ;;: О,
при х <О.
Рис. 47
Имеем
-оо -00
00
J
00
fz(z) = f(z-y,y)dy
-00
J
00
в случае независимости с. в. Х и У.
Задача нахождения закона распределения с. в. вида Z Х-У,
Z= Х ·У и других решаются аналогично.
fz(z) =
!
00
1 _х'
--е 2
,/21Г
·
1
--е-
,/21Г
~
2 dx
( )'
-1
= 211' !00
е
2х 2 - 2zx
2
+ z2
dx =
-оо -00
2 z2
=..!...e-z4.j1Г= 1 e-2(v'2)'
211' ,/2,/21Г
f( x ) = {х +у, при О ~ х ~ 1, О~ у ~ 1,
'у О, в противном случае.
y=x-z
l+z 1 х
Рис. 48 Рис. 49
При-l<z~Оимеем
l+z 1 l+z
dx(xy+~ )1:_z=
2
l+z 2
= J (x+!-x 2 +xz- (x~z) )dx=
о
= j dx dx
о z
z
J(х !) dx + J(х + ! - х2 + xz -
1
2
= + (х ~ z) ) dx =
о z
Таким образом,
Следовательно,
00 -1 о 1 00
(z + 1) 2[о
_ 2
(1 - z) [1- !_ _ _ !_ _
- 2 -1 2 о - 2 о о+ 2 - l. 8
11
F (z ) = 4:1 · (z - 21 + z · 1) = S1 (2z - 1) ;
156 • Раздел первый. Элементарная теория вероятностеА
Контроль:
00 1 4 5
f
-оо
f(z)dz= /tzdz+ /tdz+t/(5-z)dz=l.
о 1 4
00
f(z)= / fi(x)·f2(z-x)dx.
-оо
Имеем
4 4
{
о,;;; х,;;; 4,
о,;;; z - х,;;; 1,
т.е.
о,;;; х,;;; 4,
{ z-1,;;; х,;;; z.
(4.8)
z-1 z х
о 4 х
Рис. 51
z-1 z х
о 1 4 х
Рис. 52
Поэтому
z
fx+y(z) = 1J1 dx
о
= lxl: = f·
3. Если 1<z о:; 4, система (4.8) эквивалентна неравенству z- 1 о:;
о:; х <z (см. рис. 53).
z-1 z х
о 1 4 х
Рис. 53
Поэтому
fx+y(z) = 1
4
! z
z-1 z 5 х
о 4 х
Рис. 54
Поэтому
fz(z) = 1
4
! 4
1 dx = 41 х 1z-l = 4
4
z
1 (4 - z + 1) = 5- - -.
4
z-1
158 • Раздел первый. Элементарная теория вероятностей
5 z-1 z х
о 4 х
Рис. 55
о, z ~о, z > 5,
1 о< z ~ 1,
4z,
f(z) = 1
4'
1 < z ~ 4, •
~(5 - z), 4 < z ~ 5.
Упражнения
х2
fx(x) = -1-е-2.
v'21ё
Плотность расп~еления с. в. у= Х 2 равна (согласнп (4.4))
при х >О,
при х,;;; О,
где Г(р) = J
00
/(х2)
2 х
Xet,n
Рис. 56
Ф(иа ) = -1 - -.
2
°'
Распределение Стьюдента
z
Тп = ..;Гхf.'
lx2 n n
Г (n+l) _п+l
!т. (t) = -г-(~-)-~-,,.-п ( 1 + ~) 2 t Е (-оо; оо).
DТп ~,
MTn =0, =
п- 2 п > 2.
Глава 4. Функциислучайныхвеличин • 161
!
00
f(t)
о t
Рис. 57
Распределение Фишера-Снедекора
1 2
F= m:Xm
1 2 ,
nXn
где х~ и х~ ~ независимые с. в" имеющие х 2 -распределение соответ
ственно с т и п степенями свободы.
При n-+ оо F-распределение стремится к нормальному закону.
2n 2 (m + п - 2)
MF = ___!!:_ , п > 2, DF= , п > 4.
п- 2 m(n - 2) 2 (п - 4)
На практике обычно используют квантили распределения: такое зна
чение F = Fa,m,n, что
!
00
о Fa,m,n F
Рис. 58
Глава 5
Предельные теоремы теории вероятностей
J J J
а-с +оо
= J
lx-al~G
l·f(x)dx,;; J
lx-aj;?:E
J (х J(х
00
00
1
P{IX-al;;o:e},;; 2
j(x-a) 2 f(x)dx= \DX,
Е Е
-00
для -частости 1:; (или ~А, r1. 1.5) события в п независимых испы
таниях, в каждом из которых оно может произойти с вероятностью
Р{Х? с} ( -мх
0
-, {5.5)
J J~f(x)dx = f J
00 00 00
мх
P{X<c}?l--
0
-. (5.6)
а;
P{IX -MXI <Зах}? 1 - - - = 1- -91 = -89 ""0,8889.
(Зах) 2
Эта оценка, как известно (п. 2.7), называется правило.л.t трех сигм; для
с. в. Х ~ N(a, а) эта вероятность равна 0,9973. 8
166 • Раздел первыА. Элементарная теория вероятностеА
Xn --+А.
n->oo
{5.7}
n n
nlL Х;--+
р n
n->oo
lL МХ;.
i=l i=l
1 1 1 с
= 2(DX1 + DX2 + ... + DXn) ~ 2(С +С+ ... + С)= 2Cn = n.
n n n
Тогда, применяя к с. в.
n
х= kI:xii=1
с
;;:.1--2· (5.8)
nE:
(5.9)
О Так как
n
k I: МХ; = k(MX1 +МХ2+ .. . +МХп) = k(a+a+ ... +а)= k·na =а,
i=l
(5.10)
с. в. xi имеет вид
Но
n n
.!.
nL.J
"Х· =пл
n'
i
ft L МХ; = ft . пр = р.
i=l i=l
пл= ftLX;
i=l
принимает вид
Р{lппл-рl<о};;,1-::2· (5.11)
Р*(А) ~
n---too
"р;,
ft L...., (5.12)
i=l
т. е. р ;;, 0,84.
•
Глава 5. Предельные теоремы теории вероятностей • 171
L; Х, - па
i=l
=--~~-
tYVn
(5.13)
!
х t2
Fz.(x) = P{Zn < х} - - t Ф(х) = ~ е-2 dt.
n-too V 21f
-оо
Напомним, что:
1. С. в. Х называется центрированной и нормированной (т. е. стан
дартной), если МХ =О, а DX = 1.
2. Если с. в. Xi, i = 1, n независимы, М Xi =а, DXi = а 2 , то
е-т
t' dt - функция Лапласа; Ф(х) = ~ + Ф 0 (х), где
-оо
= ../'iii !
х
Фо(х) 1 t'
е-т dt - нормированная функция Лапласа.
о
Формула (5.13} позволяет при больших п вычислять вероятности
различных событий, связанных с суммами случайных величин. Так,
перейдя от с. в.
n n
s" = L:xi= L:x;
i=l i=l
к стандартной с. в., получим:
n
n I: xi -па
Р{а <::; L Xi
i;l
<::; /3} = р{ аayn
- па <::; i;l
ayn
<::; /3ayn
- па} ~
~ Ф (/3-па)-Ф (а-па),
ayn ayn
или
P{a,,;.S ,,;.{3}~Ф(/3-МSп)-Ф(°'-МSп)-
"' п"' ,/DSn ,/DSn
(5.14)
(у - ту)'
2а~
Глава 5. Предельные теоремы теории вероятностей • 173
ту= м(~хi
100 ) 100
= ~МХ; = 100. ! = 5о,
100 100
ст~ = D (~ Х;) = ~ DX; = 100. l~ = 2:,
5уЗ
иу = - -. Поэтому
3
3(у - 50) 2
fy(y) ~ - 3 -е- 50
5v'61Г
Используя формулу (5.14), находим
n
пл= LX;.
i=l
174 • Раздел первый. Элементарная теория вероятностей
(да это уже давно известно, см. (2.24), в.щь с. в. пА имеет биномиальный
закон распр.щеления). Тогда с. в.
пл -пр
=---
,,Гпрq
DZn =D ( пА,,Гпрq
- пр) 1
= прqDпА = прq
прq = 1.
двойное неравенство
(5.15}
f
k=O n,k
P, "'Ф (m- пр)
,;npq (5.16}
Действительно,
m
LPn,k = Р{nл ~ m} = Р{-оо <пл~ m} =
k=O
= р {-оо < пл - пр <
,;npq
m
,;npq
- np) _Ф(-оо} =
- пр} = Ф (m,;npq
=Ф (m-np),
,;npq
где Ф(х) - функция Лапласа.
1 = 1 =-1-,,,0112
,;npq у'8000 · 0,01 · 0,99 у'79,2 ' '
m-np 10
,;npq "' 8,9 "' 1,12,
90
Ф(l,12) = 0,8686. СЛЕщовательно, Р{ пл ~ 90} =L Pn,k "=' 0,869. 8
k=O
176 • Раздел первый. Элементарная теория вероятностей
Упражнения
3. Оценить вероятность того, что при бросании монеты 500 раз ча
стость появления герба отклонится от вероятности появления гер
ба при одном бросании по модулю менее чем на 0,1.
статистики
Раздел второй
Глава 6
Выборки и их характеристики
значений с. в. Х (где X(I) ~ Х(2) ~ ..• ~ X(n) и X(I) = m.in Х;, ... , X(n) =
1~i~n
= ma.x Х;) называется вариационным рядом.
1~i~n
(б.1)
k
где п = Lni.
i=l
Перечень вариантов и соответствующих им частот или частостей
называется статисти<tеским распределением выборки или статисти
<tеским рядом.
Записывается статистическое распределение в виде таблицы. Пер
вая строка содержит варианты, а вторая - их частоты n; (или часто
сти pi).
(О, 1, 1, 2, 3, 4, 4, 5, 5, 5).
или
Х;
Pi
о
1
10
1
2
10
1
10
2 3
1
10
4
2
10
5
3
10
(tPi
t=l
= 1). •
Статистическое распределение выборки является оценкой неиз
вестного распределения. В соответствии с теоремой Бернулли (п. 5.3)
относительные частоты pf: сходятся при п --+ оо к соответствующим
Глава 6. Выборки и их характеристики • 183
деления.
F;(x) = ~х,
где n- объем выборки, n, - число наблюдений, меньших х (х Е JR).
Очевидно, что F~(x) удовлетворяет тем же условиям, что и истин
ная функция распределения F(x) (см. п. 2.3).
При увеличении числа n наблюдений (опытов) относительная ча
стота события {Х < х} приближается к вероятности этого события
(теорема Бернулли, п. 5.3). Эмпирическая функция распределения
F~ ( х) является оценко-11 вероятности события {Х < х}, т. е. оценкой
теоретической функции распределения F(x) с. в. Х. Имеет место
получаем
о, при х (О,
----------------------------------------
0,1 -------------------------------!
Рис. 59
Pi
1
Рис. 60
Пример 6.5. Для примера 6.2 (п. 6.3) полигон частосте!t имеет вид,
изображенный на рис. 60.
Заметим, что Pi + Pz + ... + Рб = 1.
ний х1, х2, ... , Xk. Более употребительна так называемая гистограмма.
Гистограммо1J .,,ас тот ( '!acmocme1J) называют ступенчатую фигу
ру, состояшую из прямоугольников, основаниями которых СJrужат ча
n·
стичные интервалы длины h, а высоты равны отношению hi - плот-
р! п·
ность частоты ( /,, или п ·ih - плотности частости).
Очевидно, площадь гистограммы ·частот равна объему выборки, а
площадь гистограммы частосте!t равна единице.
Рис. 61
h + · · · + h · Рв
( h · Pi h = Р1* + · · · + Рб* = 1) ,
J
00
f(x)dx = 1
-оо
Xi Х\ Х2 Х3 ... Xk
(6.3)
n; n1 n2 nз ... nk
(6.4)
188 • Раздел второй. Основы математической статистики
k
Хв = LXi ·p'J, (6.5)
i=l
п·
где Pi = n
1
- частость. Для обозначения выборочного среднего ис-
пользуют следующие символы: Х, М*(Х), т;.
Отметим, что в случае интервального статистического ряда в ра
венстве (6.4) в качестве х; берут середины его интервалов, а п; - со
ответствующие им частоты.
k
D 8 = L(х;-хв) 2 ·pj. (6.7)
i=l
D8 = х2 - (х) 2 , (6.8)
здесь Х =Ха.
Выборо-чное среднее квадрати-ческое отк.п.онение выборки опреде
ляется формулой
а8 = .JD:,. (6.9)
Особенность выборочного с. к. о. (а 8 ) состоит в том, что оно изме
ряется в тех же единицах, что и изучаемый признак.
При решении практических задач используется и величина
k
8 = n ~ 1 . L(Xi - Хв) 2 • п;,
2
(6.10)
i=l
т.е.
= _!!__ Dв,
82
n- 1 (6.11)
Глава 6. Выборки и их характеристики • 189
Упражнения
Xi 1 3 6
ni 10 8 12
х, о 1 2 3 4 5 6
п, 8 17 16 10 6 2 1
(7.1)
- р
(} n ---'--+ (}'
n-too
Em
n-+oo
P{IOп-!JI < е} = 1.
P(IBn - OI < е) = 1,
8 ]2 ~ [р0((х"о)]
I = М [ дО lnp(X, О) = L О)
2
· р(х" О),
t=l р Х1,
[Л(х,0)]
2
8 )2
I = М [ дО ln f (Х, О) =
j"" f(x, О) · f(x, О) dx,
-оо
-
eff Оп=
поэ
_п,
DОп
194 • Раздел второй. Основы математической статистики
-
где/!~
-
- эффективная оценка. Чем ближе effliп к 1, тем эффективнее
оценка Оп. Если eff Оп -; 1 при п-; оо, то оценка называется асимnто
mu'Ч.ески эффективно{J.
Отметим, что на практике не всегда удается удовлетворить всем
перечисленным выше требованиям (несмещенность, состоятельность,
эффективность), и поэтому приходится довольствоваться оценками, не
обладающими сразу всеми тремя свойствами. Все же три свойства, как
правило, выделяют оценку однозначно.
место равенство
арифметическое, т. е. Х 8 •
MD.
= n--;
n
1
·(MX[+MXi+".+мx;)-
- 22 • (МХ1 · МХ2 + МХ1МХз + МХ2МХз + ... + МХп-1МХп) =
п
2
- 2(МХ ·МХ+МХ·МХ+ ... +мх ·МХ) =
п
Теорема 7.3. Пусть Х1, Х2, ... ,Xn - выборка из генеральной совокуп
ности и МХ; = МХ =а, DXi = DX (i = 1,п). Тогда исправленная
n
выборочная дисперсия 5 2 = ___!__
п - 1~
~(Х; -Х) 2 = ___!!_l
n-
· Dв - несмещен-
i=1
ная состоятельная оценка дисперсии DX.
Имеем
2 ( п ) n п n-1
М 5 =М n-lD" =n-l·MD8 =n-l·-n-DX=DX,
- nA
Отметим, что состоятельность оценки (} = n непосредственно вы-
текает из теоремы Бернулли (см. п. 5.3).
Метод моментов
МХ=Хв
Jх·f(х,8)dх=<р(8)естьфункцияот0).
00
(МХ=
-оо
{ DX =D•.
мх =Х.,
198 • Раздел второй. Основы математической статистики
1 n
МХ=пЕХ" МХ=Х,
i=l
мх2 = lnL.J
~ х2i ' DX = D"
i=1 или
{
МХ =хв,
DX=Dв,
т.е.
{
а =Хв,
а 2 = Dв.
Итак, искомые оценки параметров нормального распределения:
В1 = Хв И В2 = $.. •
Метод максимального правдоподобия
или
n
L(x,IJ) = ПJ(x"IJ),
i=l
n
L(x,IJ) =р(х1,В) ·p(x2,IJ) -."·p(xп,IJ) = Пp(x;,IJ),
i=l
dL(x, IJ)
dlJ =о.
Так как функции L(x, IJ) и ln L(x, IJ) достигают максимума при од
ном и том же значении (), то вместо отыскания максимума функции
L(x, IJ) ищут (что проще) максимум функции lnL{x, IJ).
Таким образом, для нахождения оценки максимального правдопо
добия надо:
1. решить уравнение правдоподобия
d(lnL(x,IJ))
dB =О;
200 • Раздел второй. Основы математической статистики
d lnL(x, О)
2
1
0'
d""' 0=0-<
то 11 = е - точка максимума).
Если оценке подлежат несколько параметров 01 , 112 , ... , 11n распре
деления, то оценки 01, ... ,ifn определяются решением системы уравне
ний правдоподобия:
д(lnL) =О
8111 '
... '
д(lnL)
дОn =О.
- e-8n • oi'fl Xi . 1
- x1!· ... ·Xn!'
Тогда
n
lnL(x,11) = -n · 11 + L:x; · lnl1- ln(x1! · х2! · ... · Xn!)
i=l
dlnL(x,11) _ _ 1. ~ .
dO - п+ 11 L.,x,.
i=l
Уравнение правдоподобия имеет вид:
Глава 7. Элементы теории оценок и проверки гипотез • 201
Отсюда находим
- 111"
(} = ~
n
Xi = -
Хв.
t=l
А так как
d2!nL(x,8)1 = _ _!_ ~ х < 0
d8 2 8=0 82 L. ' ,
i=l
n
Q Найдем точку минимума функции F(8) = L(X, - 8) 2 :
i=l
n )' n
F=~(X,-8) 2
F'(8)= (
8 =~2(Х,-8)·(-1);
n
из уравнения F'(8) =О находим критическую точку: -2 L(Xi -8) =О,
i=l
n n n n
т.е. LX; - L8 =О, т.е. LXi = n8, Окр= ft LX;. А так как
i=l i=l i=l i=l
n )' n
F"(Вкр) = ( -2 ~(Х, - 8) = -2 ~(-1) = 2п >О
8
202 • Раздел второй. Основы математической статистики
n
при любом значении (}, то Окр = ft L Х; - точка минимума функ
i:=l
ции F(O). Таким образом, оценкой параметра а в распределении Пуас
аm. е-а
сона Р(т; а)
т.1
, m = О, 1, 2, ... согласно МНК, является
n
(}- = n;~X;.
1"'"'
i::;;l
Можно доказать, что:
Упражнения
62
Рис. 62
n
х. =Х = ftLXi
i=l
n ) n n
М(Х)=М ( kt;xi =k·t;MX;=k·t;MX=MX=a,
- 1 n ) 1 n 1 n 1 а2
D(X) = D ( п I:xi = 2 l:DXi = 2 l:DX = п. DX = п·
i=l п i=l п i=l
E·Vn
где t =-а-· Из последнего равенства находим
t ·а
(7.3)
Е= Vп'
(-X-t· Vn,X+t·
а- а) ,
..fii, (7.5)
Фо(t) = ~ (7.6)
Х-а
T=-s-,
v'n
где S- исправленное среднее квадратическое отклонение с. в. Х, вы
численное по выборке:
S= n~l ·°E(X,-X)2.
i=l
fт(t, п - 1) =
Г(~)
v'1Г(п - i). г
(п
- 2-
1) . ( 1 + n t2- 1 )-q '
f
00
р
!Х-s ai < sе }-
-'У
{
v'n v'n
или р {ITI < SеvГп} ='У или p{ITI < t~} = "f, где
(7.8)
Глава 7. Элементы теории оценок и проверки гипотез • 207
t"'f t"'f
т. е. из равенства
2·/ fт(t,n-1)dt=1.
о
t"
(7.9)
р {-х - t,. vn s} = /.
s <а< -х + t,. vn
Vn ·Во Vп ·Во)
( Х2 ' Х1 '
i= 1
а) 2 , а
2 2 2 2
х1=х1+?;
-2-,п
Х2 = XI-?
-2-;n
vn=l·B vn=l·B)
( Х2 ' XI '
n
где п - объем выборки, В = п ~ 1 · L(Xi - Х) 2
2
- исправленное
i=l
среднее квадратическое отклонение, квантили
2 2 . 2 2
х1=х1+?
--;п-1
, Х2 = Х1 - ?
2 --;п-1
2
2
определяются по таблице Xa,k при k =п- 1 и а = -1+1
-
2
и а = -l-1
2
-
соответственно.
xi = xl-2-;30-1
+ о,9 =х 2
(О,95; 29) = 17,7,
Глава 7. Элементы теории оценок и проверки гипотез • 209
* /р*(1-р*)
PI = р • - t. Jp*(1-p*)
п и P2=p+t·v п , (7.10)
Упражнения
fт.
Рис. 63
fт.
Рис. 64
fт.
<>
2
Рис. 65
Xi XJ х2 1 ... Xm
(7.11)
ni n1 n2 1 ". nm
Критерий х 2 Пирсона
(7.12)
m ( )2 т 2
2 =~ ni - npi = '"""' ni - (7.13)
Х L., пр; L., пр; п.
i=l i=l
[х;, Xi+J) [-3, -2) [-2,-1) [-1,0) [О, 1) [1, 2) [2, 3) [3, 4) [4, 5)
n; 3 10 15 24 25 13 7 3
Проверить при уровне значимости а = 0,01 гипотезу Но о том, что
отклонения от проектного размера подчиняются нормальному закону
распределения.
[х;, Xi+1) (-оо, -1) [-1,0) [О,1) [1, 2) [2, 3) [3, оо)
n; 13 15 24 25 13 10
п' =пр~ 13,14 16,67 22,58 21,83 15,03 10,75
Вычисляем х;абл:
= '°'
6 2
2 ni
Хнабл L., пр; - n =
t=l
Критерий Колмогорова
{
решка герб о, при х ~ -1,
х; Xj = -1 Х2 = 1 ---+ Fa(x) = 0,5, при - 1 <х ( 1,
Pi 0,5 0,5 1, при 1< х.
решка герб
{
о, прих~-1,
Xi XJ = -1 Х2 = 1
1992 2048
---+ F~(x) = 0,493, при -1 <х ( 1,
п;
Pi ~ 0,493 ~ 0,507
1, при 1 < х.
Максимальное отклонение Fo(x) от F~(x) равно 0,007, т. е. Dn =
= 0,007. Поскольку Dn < D 0 , то нет оснований отвергать гипотезу
Н0 ; опытные данные согласуются с гипотезой Но о симметричности
монеты.
б) Вычисляем статистику х 2 :
2 2 2 2
х2 = """""ni _ п = 1992 + 2048 _ 4040 = 0 776
набл L., npi ! · 4040 ! · 4040 ' .
i=l 2 2
Упражнения
Xi-1 - Xi 0-0,1 0,1 - 0,2 0,2 - 0,3 0,3 - 0,4 0,4 - 0,5
ni 105 95 100 100 102
Xi-1 - Xi 0,5 - 0,6 0,6 - 0,7 0,7 - 0,8 0,8 - 0,9 0,9 - 1,0
n; 98 104 96 105 95
При уровне значимости а= 0,01 проверить гипотезу Но, состояшую
в том, что с. в. Х имеет равномерное распределение на отрезке [0,1]
(вероятности Pi определяются формулами Pi = hi (i = 1, 2, ... , k),
Раздел первый
Глава 1
1.3
1) Б = Б · !! = Б(А + А) = А · Б + А · Б; 2) (А + С) · (Б + С) =
= АВ+АС+БС+С = АБ+АС+С = А·Б+С; 3) Пусть w Е А+ Б =} w rf:
rf: А + Б =} w rf: А, w rf: Б =} w Е А, w Е Б =} w Е А · Б, т. е. А + Б <;; А · Б.
Аналогично убеждаемся, что А· Б <;;А+ Б =}А+ Б =А· Б.
а) АБС; б) А·Б·С; в) А+Б+С; г) А·Б·С; д) АБС; е) АБ·С+АБС+А·БС;
ж) АБС=А+Б+С.
А1А2(Аз + А4 + Аs)Аб.
.в
5. 4 . 3 = 60; 5 . 4 . 3 + 5 . 4. 3 . 2 + 5 . 4 . 3 . 2 . 1 = 300.
12 + 15 + 7 = 34.
10. 9 . 8 . 7 = 5040.
(10 · 9 · 8) 2 = 7202 = 518400 или А1 0 · Af 0 .
94 = 6561.
At 2 = 12 · 11 · 10 · 9 = 11880.
Ау 0 = 720.
А~ · А~ · А~ = 120.
Ps · Рз = 720; Р., - 720 = 4320.
222 • Ответы к упражнениям
0000
Рис. бб
L
Ответы к упражнениям • 2~
8. р= CJ · CJz
2
+ C;f · 2С~2 ""'0,21. Воспользовались свойством: Р(А +В)
Сзб Сзб
= Р(А) + Р(В), АВ = iZ!. Здесь А =одна дама, В= две дамы.
1.10
l ---------------
l l х
2
Рис. 67
1 l l
2·2·2
Имеем: Р = = 0,25.
~l. l
1.15
1. Да. !1 = {2,4,6}, В= {4,5,6}. Ясно, что Р(А) = 6
{1,2,З,4,5,6}, А=
3 = 1
2
1 2 1 1 ( (
Р(В ) = , а Р(АВ) = б = З' т. е. Р(АВ) = 3 о1 Р А)· Р В) = 2 · 2 = 4·
11 1
2
2. а) А 1 - первая буква Т, А2 - вторая буква И, ... , As - пятая букв.
И. Вероятность события А - получится слово ТИСКИ, равна Р(А) =
= Р(А1А2АзА4Аs) = · ~ · ~~i = ""'0,0004; б) О, так как второ!
3 1
10 25 20
1 2 3 1
буквы К в слове СТАТИСТИКА нет; в) р = · 9 · 8 = 120 ""' 0,008
10
232221111
г) р = 10 . 9. 8. 7 . 6 . 5 . 4 . 3. 2. 1 '°"' 0,0000132.
З. q, = 0,2 - вероятность отказа i-го элемента, р, = 0,8 - вероятность егс
исправной работы. Цепь последовательно соединенных элементов 1-2-:
224 • Ответы к упражнениям
1.16
1. А- первый шар белый, В - + АЁ - оба
второй шар черный. Тогда АВ
--
28 7 2 7 7 2
шара разных цветов. Р (АВ + АВ) = 9 · 8 + 9 · 8 =
72 = 18 "" 0,39.
2. а) Ai - попадание первого орудия, А 2 - второго, Аз - третьего. Значит,
АЁё + Авё + АЁС = D - попадание только одного из них. P(D) =
= О,7·0,3-0,3-3 = 0,189; б) S = А 1 А2Аз - три промаха. P(S) = 0,3·0,3·0,3 =
= 0,027. Значит, P(S) = Р(А1 + А2 +Аз) = 1 - P(S) = 1 - 0,027 = 0,973.
3. Вероятность выхода из строя всех n приборов равна
т.е. п) 3.
1.18
1. А - вышла из строя одна микросхема, Но - о,тказали обе, Н 1 - отка
зала первая микросхема, Н2 - отказала вторая~ Нз - обе не отказали.
Тогда Р(Но) = 0,07 · 0,1 = 0,007, Р(Н 1 ) = 0,063, Р(Н2 ) = 0,093, Р(Нз) =
з
= 0,837 (Контроль: L Р(Н,) = 1). P(AIHo) =О, P(AIH1) = 1, P(AIH2) =
i:;;:Q
= 1, Р(АIНз) =О. Значит, Р(А) = 0,156 и P(H1IA) = 0,404.
2. А1 - студент П сдаст экзамен, если зайдет первым, Р(А1) = ~g = i·
А2 - студент П сдаст экзамен, если зайдет вторым, Р(А 2 ) = ? Введем
гипотезы: Н 1 - первый студент вытащил билет, который знает студевт
П, Н2 - первый студент вытащил билет, который не знает студент П.
1.20
10
а) Р10 (4) С[0 • (!) ""0,21; б) Р1 о(О) = в) р •
4 6
1. = • (!) (!) ""0,00098;
= P1o(l) + Р1 о(2) + ... + Р10(10) = 1 - Р1о(О);::: 0,999.
2. р = q = !· ?4(2) = Ci · (!)
2
· (!)
2
= i; Рв(3) = Cg · (!) 3
• (!/ = :Е
Следует, что ?4(2) > Рв(3), т. е. 2 из 4.
З. а) Р3 (3) = Cj · 0,51 3 · 0,49°;::: 0,133, б) Р3 (1) = CJ · 0,51·0,49 2 ""0,368.
4. Спички брались 2 · 10 - 6 = 14 раз, из них 10 раз из коробки, котора
оказалась пустой. Имеем 10 «успехов» в 14 «испытаниях», т. е. P14(lO) '
10 4
= cfg. . (!) ""0,061.(!)
1.21
1. р = 1 : 365 ;::: 0,0027, п = 84, а ;::: 0,23. По формуле Пуассона ?34(2) "
О,
232
;::: ~~, 7945
""0,021. (е- 0 · 23 ""0,7945).
2. п = 200, р = 0,02. Значит, а= [пр] = 4. Искомая вероятность:
Р2оо(О) + P2oo(l) = +
40 -4
+ ~!
4 -4
""0,09.
Глава 2
2.2
1. Возможные значения с. в. Х есть О, 1, 2, 3, 4. Их вероятности равны со
4
ответственно: Р1 Р{Х =О}= cg · (!) 1~, Р2 = Р{Х = 1} =
0
= · (!) =
1 3
=С41 · (1)
2 . (1) 4
2 =16'рз=15'Р 6 4 =15'Р 4 5 =Р{Х= 4 }=16· 1
2. Пусть А 1 - первый студент сдает экзамен, А2 - второй сдает экзамен.
С. в. Х принимает три значения: 0,1,2. а) Р1 = Р{Х = О} = Р(А1А2) =
= 0,4 · 0,1 = 0,04; р2 = Р{Х = 1} = Р(А1А2 + А1А2) = 0,6 · 0,1+0,4 · 0,9 =
= 0,42; Рз = Р{Х = 2} = Р(А1А2) = 0,6 · 0,9 = 0,54 (2:Pi = 1}; б) Р1 =
= Р{Х =О}= Р(А 1 А 1 А 2 А2) = 0,4 · 0,4 · 0,1·0,1 = 0,0016; Р2 = Р{Х = 1} =
= Р(А 1 А2А2 + А1А 1 А2 + А1А2А1А2 + A1A1.ii2A2) = ... = О,1668;
2.3
1. А1 - попадание I стрелка, А2 - П. Тогда Р{Х = х1} = Р{Х = О} =
= Р(А 1 А 2 ) = 0,08, Р{Х = х2} = Р{Х = 1} = Р(А1А2 + А1А2) = 0,44,
Р{Х = 2} = 0,48.
!
О, х ~О;
F(x) = 0,08, О< х ~ 1;
0,52, 1 < х ~ 2;
1, 2 < х.
2. F(x) удовлетворяет свойствам функции распределения;
2.4
1. F(2} = 1. Значит,
+ 1)
{
2(х
а - !.. хЕ(-1;2),
1=а(2+1) 2 , - 9' f(x) = F'(x) = 9 '
о, хф_(-1;2].
Ответы к упражнениям • 2:2
у-4
2. Sл
1 1
= 2. 2h = 1. Значит, ом= h = 4. Уравнение MN: о - 4 = х-0
! - о' Т.4
2
у = -8х + 4. Стало быть,
{
-8х + 4,
f(x) =
о,
если х ~О, то
х
F(x)= jodt=O;
-00
<х 1
если О ~
2 , то
о "
F(x)= / Odt+ f(-8t+4)dt=-4x 2 +4x;
-оо о
если х > 21 , то
1
о 2 х
F(x)= J
-оо
Odt+ j(-8t+4)dt+ jodt=l,
о 1
2
таким образом
{ -4х + 4х,
о, х ~о,
F(x) =
2
О< х ~ !'
1
' х > .!..
2'
1
2 1
З. а) нет, так как f(x) ~О при х Е (-оо,О); б) да, f(x) ~О, / f(x)dx = 1
-оо
о 2
J
00 00
2.5
1. Учитывать результаты примера примера 1.Зl (п. 1.20) в первом случае
имеем: МХ = О· 0,001+1 · 0,027 + 2 · 0,243 + 3 · 0,729 = 2,7; во втором
случае: М Х = О · 0,006 + 1 · 0,092 + 2 · О,З98 + З · 0,504 = 2,4.
о
f
00 1r 00 1r
2 2 2 2 2
4. DX = [ / x f(x)dx-(MX) ] = / x ·0dx+ / x ·bsinxdx+ / x ·0dx-
-oo -оо о 1r
п
-(~)
2
Ь/ x 2 sinxdx- ~
2
2
= = b(-x cosxl:+2(xsinxl:+cosxl:))
о
~2 п2 п2 п2
- 4 = 2 - 2 - 4 = 4 - 2 ""'0,467; О'Х = J0,467""' 0,68.
5. Если х -> А, то F(x) -> О, lim 0,25х 2 = О, т. е. О,25А 2 = О, А
x-tA+O
О·,
2
lim О,25х = 1, т. е. 0,258 2 = 1, В = 2. Поэтому
х-+В
{
о, при х,;;;; о,
F(x) = О,25х , 2
при О< х,;;;; 2,
1, при 2 < х.
Тогда
> 2,
J(x) = {~'5х
, ,
при х ,;;;;
при О< х,;;;;
О и х
2.
Поэтому
2 2
Значит, О'Х = з·
J2
2.7
1. Р{-3 < Х < 5} = Фо ( 5 ; 3 ) - Фо (- 32- 3 ) = Фо(l) + Фо(3) = 0,841
Р{Х ~ 4}= Р{-оо < Х ~ 4} = Ф 0 ( 4 ; 3 ) - Ф 0 (-~- 3 ) = Ф 0 (0,5)
+ Фо(оо) = 0,19146 + 0,5 = 0,69146; P{JX - 3J < 6} = P{IX - 3J < 3 · 2}
= 2Ф 0 (3) = 0,9973.
2. По условию а = О, = 1 а) Р{Х Е (1, 3)} = Фо ( 3 l 0 ) - Фо (11°)
(J
х' = [и= хз
00
du = 3х 2 dx
µ4 =
1 <JV21C
-оо
х 4 -1-е - 2и2 dx х2
dv = хе - 2и 2 dx v =
х'
-а 2 е - 2cr 2
] =
= d(
-00
Глава3
3.3
00 00 00 00 00
3) Fx(x) = [ ] ( / f(x,y)dy)dx] =
-00 -00
](Je-иe-"dv)dи= 1-е-иdи=
о о
J
о
Fx = {1-е-х, при х) О,
о, при х <О.
Аналогично
Fy = {1 - е-У, при у) О,
О, при у< О.
! ! f е-х
00 1 00
оо оо 4 4-х 4
с ледовательно, !( х, у ) = {
-1 , при х ;:;, О, у;:;, О, х +у ~ 4;
8
О, в противном случае.
х+у=4
о 1
Рис. 68
х о 1 2
р 0,36 0,48 0,16
3
(LPi = 1). Аналогично находим, что
i=l
у о 1 2
р 0,16 0,48 0,36
Х"'-У о 1 2
о 0,0576 0,1728 0,1296
1 0,0768 0,2304 0,1728
2 0,0256 0,0768 0,0576
так как Р11 = Р{Х = О, У = О} = 0,4 · 0,4 · 0,6 · 0,6 = 0,16 · 0,36 = 0,0576,
Р12 = Р{Х = 0,У = 1} = 0,36 · 0,48 = 0,1728, Р1з = Р{Х = 0,У = 2} =
= 0,36 · 0,36 = 0,1296, р21 = Р{Х = 1, У = О} = 0,48 · 0,16 = 0,0768,
Р22 = Р{Х = 1, У= 1} = 0,48 · 0,48 = 0,2304, Р2з = Р{Х = 1, У= 2} =
= 0,48 · 0,36 = 0,1728, Рз1 = Р{Х = 2, У = О} = 0,16 · 0,16 = 0,0256,
Рз2 = Р{Х = 2, У = 1} = 0,16 · 0,48 = 0,0768, р 33 = Р{Х = 2, У = 2} =
= 0,16 · 0,36 = 0,0576. 3) По таблице распределения, пользуясь равенством
F(x,y) = L L
PiJ, находим значения функции распределения F(x,y):
Xi<XYi<Y
3.7
1. Имеем
х 1 2 3 у 1 2 3 4
и
р 0,33 0,33 0,34 р 0,24 0,28 0,27 0,21
Тогдаmх = 1·0,33+2·0,33+3·0,34 = 2,01, ту= 1·0,24+2·0,28+3·0,27+
+ 4 · 0,21 = 2,45. Так как
1 1 1 1
а f f
-1
dx
-1
3
(1-xy )dy =а f
-1
dx (у-х~ ) 1~ 1 = а
4
f
-1
2dx = 4а = 1, а=
1
4·
Ответы к упражнениям •
1 1
00 00 1 1
DY = [ / / (у-ту) f(x,
2 у) dxdy] = t / dx / у2 (1-ху 3 ) dy = ... '
-00 -00 -1 -1
1
значит, ау = у'З'
1 1
Кху = t/ /-1-1
xy(l - ху 3 ) dxdy - О= ... = -л.
1
-15 1
Следовательно, rxy = ..l. . ..l.
=- -.
5
vГз vГз
1 1
З. с/ dx / (х +у) dy = Отсюда с=
1. 1. Находим плотность вероятност>
о о
f1(x) = J(x+y)dy = х+ !,
о
1
1 1 1
7
МУ = 12'
1 1
(х- 1~~
2
DX = J /2 ) dx Jrx +y)dy =
о о
или
1
1 1
11
DY = 144'
3.9
1. НайдемусловноераспределениеХ:р(х 1 [у 1 ) = Р{Х = О[У = -1} = ~:~~ =
10 0,15 15 10 15 15
=
25
, р(х2[У1) = О,
25 = 25 . Значит, М(Х[у1) =О· 25 + 1 · 25 = 25 = 0,6.
0,15 15 25 15 25
р(х1[У2) = О,
40 = 40 , р(х2[У2) = 40 . Значит, М(Х[у2) =О· 40 + 1 · 40 =
= ~~ "" 0,63. р(х1 [уз) = ~~, р(х21Уз) = ~~. Значит, М(Х[уз) = ~~ "" 0,43.
Кривая регрессии Х на у имеет вид, изображенный на рис. 69.
M(X[yi)
1
0,63
-1 о 1 у
Рис. 69
(у - ту)'
20"~
Имеем
2
у =
i(x[y) = J(x, у) = е 1 ') ( х 2 -2rxy+y ' ) 1 __
1 2( 1 -r : --е 2
/2 (у) 2кvl - r2 V2iГ
Ответы к упражнениям •
(х - yr
= 1 е - 2(V1=Т
,п:; . у1=-;:2
т. е. условная плотность распределения f(xly) есть плотность нормальн
распределения с параметрами m = yr и а = v'l - r 2 . Аналогично наход
что
(у - xr) 2
f(ylx) = f(x, у) = 1 е 2{v'Т°=?)'.
f 1 ( х) ,Гz;уТ=-;:2
3.11
1. Так как
f(х)={Ь~а' о,
х Е (а,Ь],
х t; [а,Ь],
ТО
<p(t) = _1_!
Ь - а
ь
ake-a
2. Так как Pk = ~, k =О, 1, 2, .. " то
<px(t) = L
00
eitk а
k
z1-a = е-а L00 (
а~!
it)k
= е-а . еае" = e-a(I-e")
k=O k=O
f f f f
-1 о 00 о
Гпава4
4.1
у -3 -1 5 15
1. а)г---r.,,..,,.,,-+,...-,,,,-+-7'7.,-+~=-1
р 0,30 0,45 0,20 0,05
236 • Ответы к упражнениям
б)
у
о 1 J2 J3 2 V5
р 0,10 0,20 0,30 0,25 0,10 0,05
у J3 о
J3
в) -т 2
р 0,3 0,35 0,35
у о 1
2.
р 0,5 0,5
Многоугольники распределения с. в. Х и У изображены, соответственно,
на рис. 70, 71.
р р
0,5 1
0,4 - ----
0,3
0,5
о 1 2 3 х о 1 у
Рис. 70 Рис. 71
2 з
т'
4. По условию fx(x) = ~е-2. а) Функция у = Зх 3 имеет обратную
v27Г
{
х х?О
б) у = lxl =
-х,
'
х < о'. На (-оо, О) обратная функция для у = lxl есть
у Е [О, оо).
5. а) По условию f(x) = е-х, х ;) О и F(x) = 1- е-х, х ;) О. G(y)
= Р{У <у}= Р{2Х-1 <у}= P{X<y;l} = F(y;l) =
у+!
= 1 - е--2-, у ;;;, -1 (так как условие х ;;;, О переходит для у = 2х - 1
y+l
в условие у ;;;, -1). Следовательно, g(y) = G'(y) = -е--2- (-~) =
1 у+ 1
= 2е--2- при у> -1 (g(y) =О при у< -1). б) Если у,;;; О, то G(y) =
= Р{У <О} =О и g(y) = G'(y) =О. При у> О имеем G(y) = Р{У <у}=
= Р{Х 2 < у} = P{IXI < JY} = P{-JY < Х < JY} = Р{О < Х < JY} =
= Р{Х < JY}-P{X <О}= F(JY)-F(O) = (1-e-v'Y)-(1-e 0 ) = 1-e-v'Y,
у> О. Тогда g(y) = G'(y) = (1 - e-v'Y)~ = - 1 · e-v'Y, т. е.
2JY
-1 , у>О,
g(y) = 2JY
{ о, у< о.
f f О· + f 2 ~e-v'Ydy f
00 00 00
4.2
f f f (zx-x2+(z~x)2)dx=
z z-x z
F(z)= dx (x+y)dy=
о о о
z-1 1 1
f f (х +у) + f f (х +у) =
z-x
F(z) = dx dy dx dy
О О z-1 О
z-1 1
Итак,
о, z,;;; о,
lzз о < z,;;; 1,
3 ,
F(z} =
~(-z 3 + Зz 2 - 1), 1 < z,;;; 2,
1, z > 2.
Отсюда
z > 2,
{
о, z ,;;; о, или
f(z) = F'(z) = z2 , о< z,;;; 1,
2z - z 2 , 1 < z,;;; 2.
ответы к упражнениям •
у у
у= zx
у= zx
y=z-x
О z-1 z 1 х х
y=z-x
Рис. 12 Рис. 13
2. F(z)=P{I<z}= J (x+y)dxdy.F(z)=Oпpиz:;;;O;пpиO<z
D,
(~<z)
имеем
1 zx
F(z)= J dx J(x+y)dy=~+z:.
о о
l
z xz 1 1
Следовательно,
0, z ~о,
1 z о< z:;;; 1,
F'(z) = f(z) = 3 + 3'
1 _1_ + _1_
3z2 Зz 3 '
1 < z < 00.
! ! (i + ~) ! ( 3 ~2 + 3 ~3 )
00 00
Глава 5
5.5
1. а) С. в. Х - число выпавших гербов. М Х = 500 · ~ = 250. Неравенство
200 < Х < 300 можно переписать в виде -50 < Х-250 < 50 или IX-2501 <
< 50. А так как DX = [npq] = 500 · ~ · ~ = 125, то Р{200 < Х < 300} =
= P{IX - 2501 < 50} ~ [1- п;] = 1- 12 ~ = 1 - 0,05 = 0,95; б) с.в.
Е 50
Х - сумма очков, Х, - число очков на i-ofi кости (z = 1, 2, ... , 10). Х =
t t
1 - 6 . 64 = 1 - 0,4557 = 0,5443.
2. Р{ k Х, - k М Х,
1 1 < Е} ~ 1 - п~2 , при Е = 0,1 и С = 5 получаем:
1- 5 > 0,9. Отсюда п > 5000.
n· (0,1) 2
3. P{lnnA -pl <е:} ~ 1- ::2 • Из условия следует, что п = 500, Е = 0,1,
_q_
р- - -1 . Получаем Р {lпл - O,v
0,5·0,5 -_ 0,95. •1 < 0,1 } ~ 1-
2 500. (0,1) 2
500
4. Пусть Х, - число набранных очков при z-м выстреле, а 8100 - суммарное
число очков при 100 выстрелах. Тогда МХ, = 10·0,5+9·0,3+8·0,1+7·0,1 =
= 9,2,
100
м(l:х.) = 9,2. 100 = 920;
i=l
Раздел второй
Глава 6
6.5
О, при .т ( 1,
1, при 1< х ( 3,
1. п
10 Р2* = 30'
= 30 , Р1• = 30, 12 F*10 (х ) =
8 Рз• = 30. 3
3
5, при 3< х ( 6,
1, при 6 < х.
2. Хв = 1,983 "" 2; Dв = 1,949 ;:,: 1,95. Ча.стость pj такова: Pi 8 ;:,: 1
=
60
Р2 = ~~ ""0,283, РЗ = 0,267, Р4 = 0,167, Р5 = 0,100, Рб = 0,033, Р7 =
7
(LPi = 1). Находим вероятности р; по формуле Пуассона, счита>
i=l
_ е-2 . 20 е-2 . 21 0,135.
= Хв = 2. Р1 = О! "" 0,135, Р2 l! "" 0,270, Рз 21
О 135 · 23
7
;:,: 0,270, р4 = ' ;:,: 0,180, р5 ""0,090, Рв ;:,: 0,036, р7 ;:,: 0,017 (~~
31
= 1). Как видим, с. в. Х - число неправильных соединений имеет
•=
тическое пуассоновское распределение.
Xi 1 2 3 4 5 6
n; 7 10 8 12 10 13
7 10 8 12 10 13
Pi 60 60 60 60 60 60
6 6
(L n; = 60, LPi = 1).
i=l i=l
242 • Ответы к упражнениям
О, прих(l,
7 , при 1< х ( 2,
60
17 , при2<х(3,
60
25 ,
6. F60 (x) = 60
при3<х(4,
37 , при4<х(5,
60
47 , при 5< х ( 6,
60
1, при 6< х.
[0,5; 1,5) 1 [1,5; 2,5) 1 [2,5; 3,5) [3,5; 4,5) 1 [4,5; 5,5) 1 [5,5;6,5) 1
1 п, 7 1 10 1 8 12 1 10 1 13 1
n,
Рис. 74
Pi
13 R<0217 h
60~~ ~0,2 :::::::::::::::::::::::::---------------
10
60 R<0,167 ----------"""""-..,..,..,.
lo R<0,117 ---гт~>I"-
Рис. 75
Глава 7
7.2
m -а
1 - Распределение Пуассона р{ Х = m} = а ·~
m.
содержит один параметр
Для оценки его методом моментов запишем уравнение М Х = х" т. е. а
n
= -х•. -
Оценка 1) параметра а = (} есть 1)- = -х. = n1"
L_, Xi, - = -х.
т. е. 1)
i=l
2. Х - дискретная с. в. с законом распределения
Так как
1- В если Xi = О,
р(х;, IJ) = р{ Х = Xi, IJ} = { IJ, '
если Xi = 1,
то функция правдоподобия имеет вид: L = L(x, IJ) = IJ 6 • (1 - IJ) 4 . Тог~
lnL = 6 · lnlJ + 4\n(l - IJ), уравнение правдоподобия
( ~ - 1 ~ 1J) lo=ii = О.
Отсюда находим, что IJ = р* = 0,6.
3_ а) Пусть О (или ji или р*) - оценка неизвестной вероятности IJ (или р) ш
явления некоторого события А (успех) в одном испытании. Согласно мет<
ду моментов приравниваем теоретическое М Х = р выборочному среднем
р=х.
б) Так как
n
где пА = LX, - число успехов (наступления события А) в п независи
~=l
мых испытаниях. JnL = пА · lnO + (п - пА) ln(l - О). Решаем уравнение
nA п - пл пл ..., пл
правдоподобия 7Г - _О =О. Отсюда О= n' т.е. оценка В= n'
1
((lnL)~8 <О).
4. Требуется оценить две величины 01 и 02 , т. е. а и Ь, методом моментов. Так
а+ Ь (Ь- а) 2
как для с.в. Х ~ R[a,b], то МХ = - -, DX = . Решаем систему
2 12
уравнений
_
{ ~а?~'
а+Ь
{ DX =D.,
мх =х.,
т.е. 2
12 - а.,
MX=Jxdx=a+Ь
ь
Ь- а 2 ' МХ-
2 _ ! ь
x 2dx _ а2 + аЬ + Ь2
Ь-а- 3 .
а а
{
а;ь = х,
а2 + ~ь + ь2 = х2.
Ответы к упражнениям • 245
(х - а) 2
1
fx(x) = --е -~ = fx(x,a,O').
()'V27Г
Так как
(xi-81) 2
!( Xi, 6) = 1 20~
. V27Г 'е
62
то функция правдоподобия имеет вид:
1
L = L(x, 6) = п ·е
62 · (2к )2
Тогда
п
Отсюда
n
L
п
Xi - ri'if1 = О, Т. е. - 1"
81 = ri -
L...,;Xi = Х,
i=l i=l
-2
62 = n1 I;
n
(Xi -
-
х) 2 ( 62 - оценка неизвестного параметра О' = 62). Можно
i=l
убедиться, что (iJ1Ji2) - точка максимума функции lnL(x, 6). Найдем
Л = АС - В 2 , где
А= 82\nLI = _.!!:...
86~ (ё, ,ё,) 6~ '
2
В= 8 lnL1 - -
86 1 862 (О1,О2)
2 ~(Xi
=-о;;-· '°' п
- -
61) 2 · 0 = 0,
= -=
6~ i=l 6~
246 • Ответы к упражнениям
2
Следовательно, Л = 1::. > О, А < О, поэтому точка (В1,В2) есть точка
е~
максимума функции L(x,O).
7.4
1. Воспользуемся формулой (7.3): е = t/n и (7.6) Ф 0 (t) = ~· Имеем е = 5,
и = 15,
/ = 0,9, = 0,45. По таблице находим,
Фо(t) что t = 1,65. Тогда
5-
- 1,65. 15 о
г.; .
- 1,652 . 152 = 24,5025, т. е. необходимо сделать не
тсюда п -
vn 52
менее 25 измерений.
6
2. Х8 = Х = 3~ L Xini = 310 · (153·4+159·5+ 165·6+ 171·7+177·5+183 · 3) =
1·=1
= 167,6; S = 9,28; при / = 0,95 и п - 1 = 29 по таблице распределения
2 05. 9,28
Стьюдента находим t-r = 2,05. Следовательно, е = ' мг; ""3,47. Дове-
v30
рительный интервал таков: (164,13; 171,07).
З. По условию п = 400, n,4 = 80, / = 0,95. Относительная частота события А
есть р* = n;
= 0,2. Из соотношения Фо(t) = ~ = 0,475 находим t, пользу
ясь таблицей значений функции Лапласа: t = 1,96. Находим Pl и Р2 (фор-
7.6
1. п = 1000, Х ~ [0,1], т.е. а= О, Ь = 1, Р1 = 0,1 = Р2 = ... = Р10; Х~абл =
1052 95 2 105 2 95 2 2
= 100 + lOO + · · · + lOO + lOO - 1000 = 1,4; Xo,OJ;g = 21,7. Так как
2 2
< Хо,о
Хнабл 1 ;9, то гипотеза не отвергается.
2. Находим Хв и и.: Хв = (152,5 · 6 + 157,5 · 22 + 162,5 · 36 + ... + 187,5 · 2) ·
2 0
= 6
150 + 155 155 + 160
= 168,45. Здесь 152,5
2
=
, 157,5 =
2
и т. д. Dв =
=
2 0
6
(152,5 2 · 6 + 157,52 · 22 + ... + 187,5 2 · 2) - (68,45) 2 = 53,348. Тогда
и = 7,3. Так как п 8 = 2 - мало, то последние два интервала объединяем.
Составляем таблицу:
(-ос, 155) [155, 160) [160, 165) [165, 170) [170, 175) [175, 180) [180, +ос)
6 22 36 46 56 24 10
l
Ответы к упражнениям • 24 7
155 -168,45)
PI = Фо ( , - Фо(-оо) = 0,5- Фо(l,84) = 0,5 -0,4671 = 0,0329
73
=Ф (160-168,45)-Ф (155-168,45) =
pz о 73
, о 73
,
= Фо(-1,15) - Ф 0 (-1,84) = 0,0922
- ф (165 - 168,45) - ф (160 - 168,45) -
Рз - о 7,3 о 7,3 -
= Ф 0 (-0,47) - Фо(-1,15) = 0,194
= ф (170 - 168,45) - ф (155 -168,45) =
Р4 о 7,3 о 7,3
= Фо(-0,21) - Фо(-0,47) = 0,26
р5 = 0,2327, Рб = 0,127, р7 = 0,5 - Фо(l,58) = 0,0571.
Тогда
2 [~ п~ ] 1 ( 52 222 102 )
Хнабл = ~ пр, - п = 200 0,0329 + 0,0922 + · · · + 0,0571 - 2
ОО "" '
По таблице x;,k = хб,оs, 4 = 9,5. Так как Х~абл < хб,о5 , 4 , то гипотеза Но
отвергается.
3.
х [150, 155) [155, 160) [160, 165) [165, 170)
п, 6 22 36 46
р;
6 0,11 0,18 0.23
200 = 0,03
х [170, 175) [175, 180) [180, 185) [185, 190)
п, 56 24 8 2
р; 0,28 0,12 0,04 0,01
8
LP: = 1, Хв = 168,45, U = 7,3.
i:::::l
Составим таблицу:
150 - 168,45)
F0 (150) = 0,5 + Ф 0 ( , = 0,5 - Ф 0 (2,53) = 0,0057;
73
Сотые доJ1и х
х о 1 2 3 4 5 6 7 8 9
0,0 0,3989 3989 3989 3988 3986 3984 3982 3980 3977 3973
0,1 3970 3965 3961 3956 3951 3945 3939 3932 3925 3918
0,2 3910 3902 3894 3885 3876 3867 3857 3847 3836 3825
0,3 3814 3802 3790 3778 3765 3752 3739 3726 3712 3697
0,4 3683 3668 3653 3637 3721 3605 3588 3572 3555 3538
0,5 3521 3503 3485 3467 3448 3429 3411 3391 3372 3352
0,6 3332 3312 3292 3271 3251 3230 3209 3187 3166 3144
0,7 3123 3101 3079 3056 3034 3011 2989 2966 2943 2920
0,8 2897 2874 2850 2827 2803 2780 2756 2732 2709 2685
0,9 2661 2637 2613 2589 2565 2541 2516 2492 2468 2444
1,0 2420 2396 2371 2347 2323 2299 2275 2251 2227 2203
1,1 2179 2155 2131 2107 2083 2059 2036 2012 1989 1965
1,2 1942 1919 1895 1872 1849 1827 1804 1781 1759 1736
1,3 1714 1692 1669 1647 1626 1604 1582 1561 1540 1518
1,4 1497 1476 1456 1435 1415 1394 1374 1354 1334 1315
1,5 1295 1276 1257 1238 1219 1200 1181 1163 1145 1127
1,6 1109 1092 1074 1057 1040 1023 1006 0989 0973 0957
1,7 0941 0925 0909 0893 0878 0863 0848 0833 0818 0804
1,8 0790 0775 0761 0748 0734 0721 0707 0694 0681 0669
1,9 0656 0644 0632 0620 0608 0596 0584 0573 0562 0551
Десятые доли х
х о 1 2 3 4 5 6 7 8 9
2, 0540 0440 0355 0283 0224 0175 0136 0104 0079 0060
3, 0044 0033 0024 0017 0012 0009 0006 0004 0030 0020
4, 0001
250 • Приложения
Приложение 2. 1
Значение функции Ф 0 (х) = у'2iГ 1" е-2t' dt
о
Сотые доли х
х о 1 2 3 4 5 6 7 8 9
0,0 0,0000 0040 0080 0112 0160 0199 0239 0279 0319 0359
0,1 0398 0438 0478 0517 0557 0596 0636 0675 0714 0754
0,2 0793 0832 0871 0910 0948 0987 1026 1064 1103 1141
0,3 1179 1217 1255 1293 1331 1368 1406 1443 1480 1517
0,4 1554 1591 1628 1664 1700 1736 1772 1808 1844 1879
0,5 1915 1950 1985 2019 2054 2088 2123 2157 2190 2224
0,6 2258 2291 2324 2357 2389 2422 2454 2486 2518 2549
0,7 2580 2612 2642 2673 2704 2734 2764 2794 2823 2852
0,8 2881 2910 2939 2967 2996 3023 3051 3079 3106 3133
0,9 3159 3186 3212 3238 3264 3289 3315 3340 3365 3389
1,0 3413 3438 3461 3485 3508 3531 3553 3577 3599 3621
1,1 3643 3665 3686 3708 3729 3749 3770 3790 3810 3830
1,2 3849 3869 3888 3907 3925 3944 3962 3980 3997 4015
1,3 4032 4049 4066 4082 4099 4115 4131 4147 4162 4177
1,4 4192 4207 4222 4236 4251 4265 4279 4292 4306 4319
1,5 4332 4345 4357 4370 4382 4394 4406 4418 4430 4441
1,6 4452 4463 4474 4485 4495 4505 4515 4525 4535 4545
1,7 4554 4564 4573 4582 4591 4599 4608 4616 4625 4633
1,8 4641 4649 4656 4664 4671 4678 4686 4693 4700 4706
1,9 4713 4719 4726 4732 4738 4744 4750 4756 4762 4767
Десятые доли х
х о 1 2 3 4 5 6 7 8 9
2, 4773 4821 4861 4893 4918 4938 4953 4965 4974 4961
3, 4987 4990 4993 4995 4997 4998 4998 4999 4999 5000 1
1
Точное значение отличается меньше, чем на 5 · 10- 5 •
Приложения • 2
Уровень значимости а
k 0,01 0,025 0,05 0,95 0,975 0,99
1 6,6 5,0 3,8 0,0039 0,00098 0,00016
2 9,2 7,4 6,0 0,103 0,051 0,020
3 11,3 9,4 7,8 0,352 0,216 0,115
4 13,3 11,1 9,5 0,711 0,484 0,297
5 15,1 12,8 11,1 1,15 0,831 0,554
6 16,8 14,4 12,6 1,64 1,24 0,872
7 18,5 16,0 14,1 2,17 1,69 1,24
8 20,1 17,5 15,5 2,73 2,18 1,65
9 21,7 19,0 16,9 3,33 2,70 2,09
10 23,2 20,5 18,3 3,94 3,25 2,56
11 24,7 21,9 19,7 4,57 3,82 3,05
12 26,2 23,3 21,0 5,23 4,40 3,57
13 27,7 24,7 22,4 5,89 5,01 4,11
14 29,1 26,1 23,7 6,57 5,63 4,66
15 30,6 27,5 25,0 7,26 6,26 5,23
16 32,0 28,8 26,3 7,96 6,91 5,81
17 33,4 30,2 27,6 8,67 7,56 6,41
18 34,8 31,5 28,9 9,39 8,23 7,01
19 36,2 32,9 30,1 10,1 8,91 7,63
20 37,6 34,2 31,4 10,9 9,59 8,26
21 38,9 35,5 32,7 11,6 10,3 8,26
22 40,3 36,8 33,9 12,3 11,0 9,54
23 41,6 38,1 35,2 13,1 11,7 10,2
24 43,0 39,4 36,4 13,8 12,4 10,9
25 44,3 40,6 37,7 14,6 13,1 11,5
26 45,6 41,9 38,9 15,4 13,8 12,2
27 47,0 43,3 40,1 16,2 14,6 12,9
28 48,3 44,5 41,3 16,9 15,3 13,6
29 49,6 45,7 42,6 17.7 16,0 14,3
30 50,9 47,0 43,8 18,5 16,8 15,0
252 • Приложения
Уровень значимости а
(двусторонняя критическая область)
k 0,10 0,05 0,02 0,01 0,002 0,001
1 6,31 12,7 31,82 63,7 318,3 637,0
2 2,92 4,30 6,97 9,92 22,33 31,6
3 2,35 3,18 4,54 5,84 10,22 12,9
4 2,13 2,78 3,75 4,60 7,17 8,61
5 2,01 2,57 3,37 4,03 5,89 6,86
6 1,94 2,45 3,14 3,71 5,21 5,96
7 1,89 2,36 3,00 3,50 4,79 5,40
8 1,86 2,31 2,90 3,36 4,50 5,04
9 1,83 2,26 2,82 3,25 4,30 3,78
10 1,81 2,23 2,76 3,17 4,14 4,59
11 1,80 2,20 2,72 3,11 4,03 4,44
12 1,78 2,18 2,68 3,05 3,93 4,32
13 1,77 2,16 2,65 3,01 3,85 4,22
14 1,76 2,14 2,62 2,98 3,79 4,14
15 1,75 2,13 2,60 2,95 3,73 4,07
16 1,75 2,12 2,58 2,92 3,69 4,01
17 1, 74 2,11 2,57 2,90 3,65 3,96
18 1,73 2,10 2,55 2,88 3,61 3,92
19 1,73 2,09 2,54 2,86 3,58 3,88
20 1,73 2,09 2,53 2,85 3,55 3,85
21 1,72 2,08 2,52 2,83 3,53 3,82
22 1,72 2,07 2,51 2,82 3,51 3,79
23 1,71 2,07 2,50 2,81 3,49 3,77
24 1,71 2,06 2,49 2,80 3,47 3,74
25 1,71· 2,06 2,49 2,79 3,45 3,72
26 1,71 2,05 2,48 2,78 3,44 3,71
27 1,71 2,05 2,47 2,77 3,42 3,69
28 1,70 2,05 2,46 2,76 3,40 3,66
29 1,70 2,05 2,46 2,76 3,40 3,66
30 1,70 2,04 2,46 2,75 3,39 3,65
40 1,68 2,02 2,42 2,70 3,31 3,55
60 1,67 2,00 2,39 2,66 3,23 3,46
120 1,66 1,98 2,36 2,62 3,17 3,37
00 1,64 1,96 2,33 2,58 7,09 8,29