Задача 14. В денежной лотерее разыгрывается 1 выигрыш в 1000000 руб., 10 выигрышей по 100000 руб. и 100 выигрышей по 1000 руб. при общем числе билетов 10000. Найти закон распределения случайного выигрыша Х для владельца одного лотерейного билета.

Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;

х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.

Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:

Построить многоугольник распределения.

Решение . Построим прямоугольную систему координат, причем по оси абсцисс будем откладывать возможные значения х i , а по оси ординат – соответствующие вероятности р i . Построим точки М 1 (1;0,2), М 2 (3;0,1), М 3 (6;0,4) и М 4 (8;0,3). Соединив эти точки отрезками прямых, получим искомый многоугольник распределения.

§2. Числовые характеристики случайных величин

Случайная величина полностью характеризуется своим законом распределения. Осредненное описание случайной величины можно получить при использовании ее числовых характеристик

2.1. Математическое ожидание. Дисперсия.

Пусть случайная величина может принимать значения с вероятностями соответственно .

Определение. Математическим ожиданием дискретной случайной величинаы называется сумма произведений всех ее возможных значений на соответствующие вероятности:

.

Свойства математического ожидания.

Рассеяние случайной величины около среднего значения характеризуют дисперсия и среднеквадратическое отклонение.

Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

Для вычислений используется следующая формула

Свойства дисперсии.

2. , где взаимно независимые случайные величины.

3. Среднеквадратическое отклонение .

Задача 16. Найти математическое ожидание случайной величины Z = X+ 2Y , если известны математические ожидания случайных величин X и Y : М (Х ) = 5, М (Y ) = 3.

Решение . Используем свойства математического ожидания. Тогда получаем:

М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.

Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.

Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:

а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;

б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.

Задача 18. Дана независимая случайная величина Y – число очков, выпавших при бросании игральной кости. Найти закон распределения, математическое ожидание, дисперсию и среднее квадратичное отклонение случайной величины Y .

Решение. Таблица распределения случайной величины Y имеет вид:

Y
р	1/6	1/6	1/6	1/6	1/6	1/6

Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;

D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.

В разделе курса, посвященном основным понятиям теории вероятностей, мы уже ввели в рассмотрение чрезвычайно важное понятие случайной величины. Здесь мы дадим дальнейшее развитие этого понятия и укажем способы, с помощью которых случайные величины могут быть описаны и характеризованы.

Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, неизвестно заранее – какое именно. Мы условились также различать случайные величины прерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин могут быть заранее перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примеры прерывных случайных величин:

1) число появлений герба при трех бросаниях монеты (возможные значения 0, 1, 2, 3);

2) частота появления герба в том же опыте (возможные значения );

3) число отказавших элементов в приборе, состоящем из пяти элементов (возможнее значения 0, 1, 2, 3, 4, 5);

4) число попаданий в самолет, достаточное для вывода его из строя (возможные значения 1, 2, 3, …, n, …);

5) число самолетов, сбитых в воздушном бою (возможные значения 0, 1, 2, …, N, где – общее число самолетов, участвующих в бою).

Примеры непрерывных случайных величин:

1) абсцисса (ордината) точки попадания при выстреле;

2) расстояние от точки попадания до центра мишени;

3) ошибка измерителя высоты;

4) время безотказной работы радиолампы.

Условимся в дальнейшем случайные величины обозначать большими буквами, а их возможные значения – соответствующими малыми буквами. Например, – число попаданий при трех выстрелах; возможные значения: .

Рассмотрим прерывную случайную величину с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т.е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события (5.1.1) образуют полную группу, то

т.е. сумма вероятностей всех возможных значений случайной величины равна единице. Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий (5.1.1). Этим мы установим так называемый закон распределения случайной величины.

Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения.

Установим форму, в которой может быть задан закон распределения прерывной случайной величины . Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

Такую таблицу мы будем называть рядом распределения случайной величины .

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 5.1.1). Многоугольник распределения, так же как и ряд распределения, полностью характеризует случайную величину; он является одной из форм закона распределения.

Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.

Рассмотрим несколько примеров прерывных случайных величин с их законами распределения.

Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Рассматривается случайная величина – число появлений события в данном опыте (т.е. характеристическая случайная величина события , принимающая значение 1, если оно появится, и 0, если не появится). Построить ряд распределения и многоугольник распределения величины .

Решение. Величина имеет всего два значения: 0 и 1. Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.2.

Пример 2. Стрелок производит три выстрела по мишени. Вероятность попадания в мишень при каждом выстреле равна 0,4. За каждое попадание стрелку засчитывается 5 очков. Построить ряд распределения числа выбитых очков.

Решение. Обозначим число выбитых очков. Возможные значения величины : .

Вероятность этих значений находим по теореме о повторении опытов:

Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.3.

Пример 3. Вероятность появления события в одном опыте равна . Производится ряд независимых опытов, которые продолжаются до первого появления события , после чего опыты прекращаются. Случайная величина – число произведенных опытов. Построить ряд распределения величины .

Решение. Возможные значения величины : 1, 2, 3, … (теоретически они ничем не ограничены). Для того, чтобы величина приняла значение 1, необходимо, чтобы событие произошло в первом же опыте; вероятность этого равна . Для того, чтобы величина приняла значение 2, нужно, чтобы в первом опыте событие не появилось, а во втором – появилось; вероятность этого равна , где , и т.д. Ряд распределения величины имеет вид:

Первые пять ординат многоугольника распределения для случая показаны на рис. 5.1.4.

Пример 4. Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятность попадания при каждом выстреле равна 0,6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.

Ответ: Рассмотрим прерывную случайную величину Х с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т. е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами р с соответствующими индексами:

Т. е. распределение вероятностей различных значений может быть задано таблицей распределения, в которой в верхней строке указываются все значения, принимаемые данной дискретной случайной величиной, а в нижней – вероятности соответствующих ей значений. Так как несовместные события (3.1) образуют полную группу, то , т. е. сумма вероятностей всех возможных значений случайной величины равна единице. Распределение вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т. е. в точности укажем, какой вероятностью обладает каждое из событий. Этим мы установим так называемый закон распределения случайной величины. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения. Установим форму, в которой может быть задан закон распределения прерывной случайной величины X. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

x i	x 1	x 2	× × ×	x n
p i	p 1	p 2	× × ×	p n

Такую таблицу мы будем называть рядом распределения случайной величины X.

Рис. 3.1

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 3.1). Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. он является одной из форм закона распределения. Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в n отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.

Опытом называется всякое осуществление определенных условий и действий при которых наблюдается изучаемое случайное явление. Опыты можно характеризовать качественно и количественно. Случайной называется величина, которая в результате опыта может принимать то или иное значение., причем заранее не известно какое именно.

Случайные величины принято обозначать (X,Y,Z), а соответствующие им значения (x,y,z)

Дискретными называются случайные величины принимающие отдельные изолированные друг от друга значения, которые можно переоценить. Непрерывными величины возможные значение которых непрерывно заполняют некоторый диапазон. Законом распределения случайной величины называется всякое соотношение устанавливающее связь между возможными значениями случайных величин и соответствующими им вероятности. Ряд и многоугольник распределения. Простейшей формой закона распределения дискретной величины является ряд распределения. Графической интерпретацией ряда распределения является многоугольник распределения.

Вы также можете найти интересующую информацию в научном поисковике Otvety.Online. Воспользуйтесь формой поиска:

Еще по теме 13.Дискретная случайная величина. Многоугольник распределения. Операции со случайными величинами, пример.:

1. 13. Дискретная случайная величина и закон ее распределения. Многоугольник распределения. Операции со случайными величинами. Пример.
2. Понятие «случайная величина» и ее описание. Дискретная случайная величина и ее закон (ряд) распределения. Независимые случайные величины. Примеры.
3. 14. Случайные величины, их виды. Закон распределения вероятностей дискретной случайной величины (ДСВ). Способы здания случайных величин (СВ).
4. 16. Закон распределения дискретной случайной величины. Числовые характеристики дискретной случайной величины: математическое ожидание, дисперсия и среднее квадратическое отклонение.
5. Математические операции над дискретными случайными ве­личинами и примеры построения законов распределения для КХ,Х"1, X + К, XV по заданным распределениям независимых случай­ных величин X и У.
6. Понятие случайной величины. Закон распределения дискретной случ. величины. Математич операции над случ. величинами.

2.1. Относительная частота. Устойчивость относительной частоты

2.2. Ограниченность классического определения вероятности. Статистическая вероятность

2.3. Геометрические вероятности

2.4. Теорема сложения вероятностей

2.5. Полная группа событий

2.6. Противоположные события

2.7. Принцип практической невозможности маловероятных событий

2.8. Произведение событий. Условная вероятность

2.9. Теорема умножения вероятностей

2.10. Независимые события. Теорема умножения для независимых событий

2.10. Вероятность появления хотя бы одного события

Лекция №3 следствия теорем сложения и умножения

3.1. Теорема сложения вероятностей совместных событий

3.2. Формула полной вероятности

3.3. Вероятность гипотез. Формулы Бейеса

4. Повторение испытаний

4.1. Формула Бернулли

4.2. Предельные теоремы в схеме Бернулли

4.3. Локальная и интегральная теоремы Муавра-Лапласа

4.3. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях

5. Случайные величины

5.1. Понятие случайной величины. Закон распределения случайной величины

5.2. Закон распределения дискретной случайной величины. Многоугольник распределения

5.3. Биномиальное распределение

5.4. Распределение Пуассона

5.5. Геометрическое распределение

5.6. Гипергеометрическое распределение

6. Математическое ожидание дискретной случайной величины

6.1. Числовые характеристики дискретных случайных величин

6.2. Математическое ожидание дискретной случайной величины

6.3. Вероятностный смысл математического ожидания

6.4. Свойства математического ожидания

6.5. Математическое ожидание числа появлений события в независимых испытаниях

7. Дисперсия дискретной случайной величины

7.1. Целесообразность введения числовой характеристики рассеяния случайной величины

7.2. Отклонение случайной величины от ее математического ожидания

7.3. Дисперсия дискретной случайной величины

7.4. Формула для вычисления дисперсии

7.5. Свойства дисперсии

7.6. Дисперсия числа появлений события в независимых испытаниях

7.7. Среднее квадратическое отклонение

7.8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин

7.9. Одинаково распределенные взаимно независимые случайные величины

7.10. Начальные и центральные теоретические моменты

8. Закон больших чисел

8.1. Предварительные замечания

8.2. Неравенство Чебышева

8.3. Теорема Чебышева

8.4. Сущность теоремы Чебышева

8.5. Значение теоремы Чебышева для практики

8.6. Теорема Бернулли

Функция распределения вероятностей случайной величины

9.1. Определение функции распределения

9.2. Свойства функции распределения

9.3. График функции распределения

10. Плотность распределения вероятностей непрерывной случайной величины

10.1. Определение плотности распределения

10.2. Вероятность попадания непрерывной случайной величины в заданный интервал

10.3. Закон равномерного распределения вероятностей

11. Нормальное распределение

11.1. Числовые характеристики непрерывных случайных величин

11.2. Нормальное распределение

11.3. Нормальная кривая

11.4. Влияние параметров нормального распределения на форму нормальной кривой

11.5. Вероятность попадания в заданный интервал нормальной случайной величины

11.6. Вычисление вероятности заданного отклонения

11.7. Правило трех сигм

11.8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы

11.9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс

11.10. Функция одного случайного аргумента и ее распределение

11.11. Математическое ожидание функции одного случайного аргумента

11.12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения

11.13. Распределение «хи квадрат»

11.14. Распределение Стьюдента

11.15. Распределение f Фишера – Снедекора

12. Показательное распределение

12.1. Определение показательного распределения

12.2. Вероятность попадания в заданный интервал показательно распределенной случайной величины

§ 3. Числовые характеристики показательного распределения

12.4. Функция надежности

12.5. Показательный закон надежности

12.6. Характеристическое свойство показательного закона надежности

5.2. Закон распределения дискретной случайной величины. Многоугольник распределения

На первый взгляд может показаться, что для задания дискретной случайной величины достаточно перечислить все ее возможные значения. В действительности это не так: случайные величины могут иметь одинаковые перечни возможных значений, а вероятности их – различные. Поэтому для задания дискретной случайной величины недостаточно перечислить все возможные ее значения, нужно еще указать их вероятности.

Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями; его можно задать таблично, аналитически (в виде формулы) и графически.

Определение. Любое правило (таблица, функция, график), позволяюшее находить вероятности произвольных событий A S (S – -алгебра событий пространства ), в частности, указывающее вероятности отдельных значений случайной величины или множества этих значений, называется законом распределения случайной величины (или просто: распределением ). Про с.в. говорят, что «она подчиняется данному закону распределения».

Пусть Х – д.с.в., которая принимает значения х 1 , х 2 , …, x n ,… (множество этих значений конечно или счетно) с некоторой вероятностью p i , где i = 1,2,…, n ,… Закон распределения д.с.в. удобно задавать с помощью формулы p i = P {X = x i }где i = 1,2,…, n ,…, определяющей вероятность того, что в результате опыта с.в. Х примет значение x i . Для д.с.в. Х закон распределения может быть задан в виде таблицы распределения :

				x n
				р n

При табличном задании закона распределения дискретной случайной величины первая строка таблицы содержит возможные значения, а вторая – их вероятности. такую таблицу называют рядом распределения .

Приняв во внимание, что в одном испытании случайная величина принимает- одно и только одно возможное значение, заключаем, что события X = x 1 , X = x 2 , ..., X = x n образуют полную группу; следовательно, сумма вероятностей этих событий, т.е. сумма вероятностей второй строки таблицы, равна единице, то есть .

Если множество возможных значений X бесконечно (счетно), то ряд р 1 + р 2 + ... сходится и его сумма равна единице.

Пример. В денежной лотерее выпущено 100 билетов. Разыгрывается один выигрыш в 50 руб. и десять выигрышей по 1 руб. Найти закон распределения случайной величины X – стоимости возможного выигрыша для владельца одного лотерейного билета.

Решение. Напишем возможные значения X : х 1 = 50, х 2 = 1, х 3 = 0. Вероятности этих возможных значений таковы: р 1 = 0,01, р 2 = 0,01, р 3 = 1 – (р 1 + р 2)=0,89.

Напишем искомый закон распределения:

Контроль: 0,01 + 0,1 + 0,89 =1.

Пример. В урне 8 шаров, из которых 5 белых, остальные – черные. Из нее вынимают наудачу 3 шара. Найти закон распределения числа белых шаров в выборке.

Решение. Возможные значения с.в. Х – числа белых шаров в выборке есть х 1 = 0, х 2 = 1, х 3 = 2, х 4 = 3. Вероятности их соответственно будут

;
;
.

Закон распределения запишем в виде таблицы.

Контроль:
.

Закон распределения д.с.в. можно задать графически, если на оси абсцисс отложить возможные значения с.в., а на оси ординат – вероятности этих значений. ломаную, соединяющую последовательно точки (х 1 , р 1), (х 2 , р 2),… называют многоугольником (или полигоном ) распределения (см. рис. 5.1).

Рис. 5.1. Полигон распределения

Теперь можно дать более точное определение д.с.в.

Определение. Случайная величина Х дискретна , если существует конечное или счетное множество чисел х 1 , х 2 , … таких, что P {X = x i } = p i > 0 (i = 1,2,…) и p 1 + p 2 + р 3 +… = 1.

Определим математические операции над дискретными с.в.

Определение. Суммой (разностью , произведением ) д.с.в. Х , принимающей значения x i с вероятностями p i = P {X = x i }, i = 1, 2, …, n , и д.с.в. Y , принимающей значения y j с вероятностями p j = P {Y = y j }, j = 1, 2, …, m , называется д.с.в. Z = X + Y (Z = X – Y , Z = X  Y ), принимающая значения z ij = x i + y j (z ij = x i – y j , z ij = x i  y j ) с вероятностями p ij = P {X = x i , Y = y j } для всех указанных значений i и j . В случае совпадения некоторых сумм x i + y j (разностей x i – y j , произведений x i  y j )соответствующие вероятности складываются.

Определение. Произведение д.с.в. на число с называется д.с.в. сХ , принимающая значения с x i с вероятностями p i = P {X = x i }.

Определение. Две д.с.в. Х и Y называются независимыми , если события {X = x i } = A i и {Y = y j } = B j независимы для любых i = 1, 2, …, n , j = 1, 2, …, m , то есть

В противном случае с.в. называют зависимыми . Несколько с.в. называют взаимно независимыми, если закон распределения любой из них не зависит от того, какие возможные значения приняли остальные величины.

Рассмотрим несколько наиболее часто употребляемых законов распределения.