Непрерывные случайные величины. Математическое ожидание непрерывной случайной величины
Дисперсия непрерывной случайной величины X , возможные значения которой принадлежат всей оси Ох, определяется равенством:
Назначение сервиса . Онлайн калькулятор предназначен для решения задач, в которых заданы либо плотность распределения f(x) , либо функция распределения F(x) (см. пример). Обычно в таких заданиях требуется найти математическое ожидание, среднее квадратическое отклонение, построить графики функций f(x) и F(x) .
Инструкция . Выберите вид исходных данных: плотность распределения f(x) или функция распределения F(x) .
Задана плотность распределения f(x):
Задана функция распределения F(x):
Непрерывная случайна величина задана плотностью вероятностей
(закон распределения Релея – применяется в радиотехнике). Найти M(x) , D(x) .
Случайную величину X называют непрерывной
, если ее функция распределения F(X)=P(X < x) непрерывна и имеет производную.
Функция распределения непрерывной случайной величины применяется для вычисления вероятностей попадания случайной величины в заданный промежуток:
P(α < X < β)=F(β) - F(α)
причем для непрерывной случайной величины не имеет значения, включаются в этот промежуток его границы или нет:
P(α < X < β) = P(α ≤ X < β) = P(α ≤ X ≤ β)
Плотностью распределения
непрерывной случайной величины называется функция
f(x)=F’(x) , производная от функции распределения.
Свойства плотности распределения
1. Плотность распределения случайной величины неотрицательна (f(x) ≥ 0) при всех значениях x.2. Условие нормировки:
Геометрический смысл условия нормировки: площадь под кривой плотности распределения равна единице.
3. Вероятность попадания случайной величины X в промежуток от α до β может быть вычислена по формуле
Геометрически вероятность попадания непрерывной случайной величины X в промежуток (α, β) равна площади криволинейной трапеции под кривой плотности распределения, опирающейся на этот промежуток.
4. Функция распределения выражается через плотность следующим образом:
Значение плотности распределения в точке x не равно вероятности принять это значение, для непрерывной случайной величины речь может идти только о вероятности попадания в заданный интервал. Пусть (рис. 5.4). Найти аналитическое выражение для плотности вероятности f (x ) на всей числовой оси.
Рис. 5.4 Рис. 5.5
5.16. Случайная величина Х распределена по закону "прямоугольного треугольника" в интервале (0;4) (рис. 5.5). Найти аналитическое выражение для плотности вероятности f (x ) на всей числовой оси.
Ответы
P (-1/2<X <1/2)=2/3.
P (2π /9<Х < π /2)=1/2.
5.3. а) с =1/6, б) М (Х )=3 , в) D (X )=26/81.
5.4. а) с =3/2, б) М (Х )=3/5, в) D (X )=12/175.
б) M (X )= 3 , D (X )= 2/9, σ(Х )= /3.
б) M (X )=2 , D (X )= 3 , σ(Х )= 1,893.
5.7. а) с = ; б)
5.8. а) с =1/2; б)
5.9. а)1/4; б) 0.
5.10. а)3/5; б) 1.
5.11. а) с = 2; б) М (Х )= 2; в) 1-ln 2 2 ≈ 0,5185.
5.12. а) М (Х )= π /2 ; б) 1/2
СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
Пример 2.1. Случайная величина X задана функцией распределения
Найти вероятность того, что в результате испытания X примет значения, заключенные в промежутке (2,5; 3,6).
Решение: Х в промежуток (2,5; 3,6) можно определить двумя способами:
Пример 2.2. При каких значениях параметров А и В функция F (x ) = A + Be - x может быть функцией распределения для неотрицательных значений случайной величины Х .
Решение: Так как все возможные значения случайной величины Х принадлежат интервалу , то для того, чтобы функция была функцией распределения для Х , должно выполняться свойство:
.
Ответ: .
Пример 2.3. Случайная величина X задана функцией распределения
Найти вероятность того, что в результате четырех независимых испытаний величина X ровно 3 раза примет значение, принадлежащее интервалу (0,25;0,75).
Решение: Вероятность попадания величины Х в промежуток (0,25;0,75) найдем по формуле:
Пример 2.4. Вероятность попадания мячом в корзину при одном броске равна 0,3. Составить закон распределения числа попаданий при трех бросках.
Решение: Случайная величина Х – число попаданий в корзину при трех бросках – может принимать значения: 0, 1, 2, 3. Вероятности того, что Х
Х :
Пример 2.5. Два стрелка делают по одному выстрелу в мишень. Вероятность попадания в нее первым стрелком равна 0,5, вторым – 0,4. Составить закон распределения числа попаданий в мишень.
Решение: Найдем закон распределения дискретной случайной величины Х – числа попаданий в мишень. Пусть событие – попадание в мишень первым стрелком, а – попадание вторым стрелком, и - соответственно их промахи.
Составим закон распределения вероятностей СВ Х :
Пример 2.6. Испытываются 3 элемента, работающих независимо друг от друга. Длительности времени (в часах) безотказной работы элементов имеют функции плотности распределения: для первого: F 1 (t ) =1-e - 0,1 t , для второго: F 2 (t ) = 1-e - 0,2 t , для третьего: F 3 (t ) =1-e - 0,3 t . Найти вероятность того, что в интервале времени от 0 до 5 часов: откажет только один элемент; откажут только два элемента; откажут все три элемента.
Решение: Воспользуемся определением производящей функции вероятностей :
Вероятность того, что в независимых испытаниях, в первом из которых вероятность появления события А равна , во втором и т. д., событие А появится ровно раз, равна коэффициенту при в разложении производящей функции по степеням . Найдем вероятности отказа и неотказа соответственно первого, второго и третьего элемента в интервале времени от 0 до 5 часов:
Составим производящую функцию:
Коэффициент при равен вероятности того, что событие А появится ровно три раза, то есть вероятности отказа всех трех элементов; коэффициент при равен вероятности того, что откажут ровно два элемента; коэффициент при равен вероятности того, что откажет только один элемент.
Пример 2.7. Дана плотность вероятности f (x )случайной величины X :
Найти функцию распределения F(x).
Решение: Используем формулу:
.
Таким образом, функция распределения имеет вид:
Пример 2.8. Устройство состоит из трех независимо работающих элементов. Вероятность отказа каждого элемента в одном опыте равна 0,1. Составить закон распределения числа отказавших элементов в одном опыте.
Решение: Случайная величина Х – число элементов, отказавших в одном опыте – может принимать значения: 0, 1, 2, 3. Вероятности того, что Х примет эти значения, найдем по формуле Бернулли:
Таким образом, получаем следующий закон распределения вероятностей случайной величины Х :
Пример 2.9. В партии из 6 деталей имеется 4 стандартных. Наудачу отобраны 3 детали. Составить закон распределения числа стандартных деталей среди отобранных.
Решение: Случайная величина Х – число стандартных деталей среди отобранных – может принимать значения: 1, 2, 3 и имеет гипергеометрическое распределение. Вероятности того, что Х
где -- число деталей в партии;
-- число стандартных деталей в партии;
– число отобранных деталей;
-- число стандартных деталей среди отобранных.
.
.
.
Пример 2.10. Случайная величина имеет плотность распределения
причем и не известны, но , а и . Найдите и .
Решение: В данном случае случайная величина X имеет треугольное распределение (распределение Симпсона) на отрезке [a, b ]. Числовые характеристики X :
Следовательно, . Решая данную систему, получим две пары значений: . Так как по условию задачи , то окончательно имеем: .
Ответ: .
Пример 2.11. В среднем по 10% договоров страховая компания выплачивает страховые суммы в связи с наступлением страхового случая. Вычислить математическое ожидание и дисперсию числа таких договоров среди наудачу выбранных четырех.
Решение: Математическое ожидание и дисперсию можно найти по формулам:
.
Возможные значения СВ (число договоров (из четырех) с наступлением страхового случая): 0, 1, 2, 3, 4.
Используем формулу Бернулли, чтобы вычислить вероятности различного числа договоров (из четырех), по которым были выплачены страховые суммы:
.
Ряд распределения СВ (число договоров с наступлением страхового случая) имеет вид:
0,6561 | 0,2916 | 0,0486 | 0,0036 | 0,0001 |
Ответ: , .
Пример 2.12. Из пяти роз две белые. Составить закон распределения случайной величины, выражающей число белых роз среди двух одновременно взятых.
Решение: В выборке из двух роз может либо не оказаться белой розы, либо может быть одна или две белые розы. Следовательно, случайная величина Х может принимать значения: 0, 1, 2. Вероятности того, что Х примет эти значения, найдем по формуле:
где -- число роз;
-- число белых роз;
– число одновременно взятых роз;
-- число белых роз среди взятых.
.
.
.
Тогда закон распределения случайной величины будет такой:
Пример 2.13. Среди 15 собранных агрегатов 6 нуждаются в дополнительной смазке. Составить закон распределения числа агрегатов, нуждающихся в дополнительной смазке, среди пяти наудачу выбранных из общего числа.
Решение: Случайная величина Х – число агрегатов, нуждающихся в дополнительной смазке среди пяти выбранных – может принимать значения: 0, 1, 2, 3, 4, 5 и имеет гипергеометрическое распределение. Вероятности того, что Х примет эти значения, найдем по формуле:
где -- число собранных агрегатов;
-- число агрегатов, нуждающихся в дополнительной смазке;
– число выбранных агрегатов;
-- число агрегатов, нуждающихся в дополнительной смазке среди выбранных.
.
.
.
.
.
.
Тогда закон распределения случайной величины будет такой:
Пример 2.14. Из поступивших в ремонт 10 часов 7 нуждаются в общей чистке механизма. Часы не рассортированы по виду ремонта. Мастер, желая найти часы, нуждающиеся в чистке, рассматривает их поочередно и, найдя такие часы, прекращает дальнейший просмотр. Найти математическое ожидание и дисперсию числа просмотренных часов.
Решение: Случайная величина Х – число агрегатов, нуждающихся в дополнительной смазке среди пяти выбранных – может принимать значения: 1, 2, 3, 4. Вероятности того, что Х примет эти значения, найдем по формуле:
.
.
.
.
Тогда закон распределения случайной величины будет такой:
Теперь вычислим числовые характеристики величины :
Ответ: , .
Пример 2.15. Абонент забыл последнюю цифру нужного ему номера телефона, однако помнит, что она нечетная. Найти математическое ожидание и дисперсию числа сделанных им наборов номера телефона до попадания на нужный номер, если последнюю цифру он набирает наудачу, а набранную цифру в дальнейшем не набирает.
Решение: Случайная величина может принимать значения: . Так как набранную цифру абонент в дальнейшем не набирает, то вероятности этих значений равны .
Составим ряд распределения случайной величины:
0,2 |
Вычислим математическое ожидание и дисперсию числа попыток набора номера:
Ответ: , .
Пример 2.16. Вероятность отказа за время испытаний на надежность для каждого прибора серии равна p . Определить математическое ожидание числа приборов, давших отказ, если испытанию подверглись N приборов.
Решение: Дискретная случайная величина X - число отказавших приборов в N независимых испытаниях, в каждом из которых вероятность появления отказа равна p, распределена по биномиальному закону. Математическое ожидание биномиального распределения равно произведению числа испытаний на вероятность появления события в одном испытании:
Пример 2.17. Дискретная случайная величина X принимает 3 возможных значения: с вероятностью ; с вероятностью и с вероятностью . Найти и , зная, что M(X ) = 8.
Решение: Используем определения математического ожидания и закона распределения дискретной случайной величины:
Находим: .
Пример 2.18. Отдел технического контроля проверяет изделия на стандартность. Вероятность того, что изделие стандартно, равна 0,9. В каждой партии содержится 5 изделий. Найти математическое ожидание случайной величины X – числа партий, в каждой из которых содержится ровно 4 стандартных изделия, если проверке подлежат 50 партий.
Решение: В данном случае все проводимые опыты независимы, а вероятности того, что в каждой партии содержится ровно 4 стандартных изделия, одинаковы, следовательно, математическое ожидание можно определить по формуле:
,
где - число партий;
Вероятность того, что в партии содержится ровно 4 стандартных изделия.
Вероятность найдем по формуле Бернулли:
Ответ: .
Пример 2.19. Найти дисперсию случайной величины X – числа появлений события A в двух независимых испытаниях, если вероятности появления события в этих испытаниях одинаковы и известно, что M (X ) = 0,9.
Решение: Задачу можно решить двумя способами.
1) Возможные значения СВ X : 0, 1, 2. По формуле Бернулли определим вероятности этих событий:
, , .
Тогда закон распределения X имеет вид:
Из определения математического ожидания определим вероятность :
Найдем дисперсию СВ X :
.
2) Можно использовать формулу:
.
Ответ: .
Пример 2.20. Математическое ожидание и среднее квадратическое отклонение нормально распределенной случайной величины X соответственно равны 20 и 5. Найти вероятность того, что в результате испытания X примет значение, заключенное в интервале (15; 25).
Решение: Вероятность попадания нормальной случайной величины Х на участок от до выражается через функцию Лапласа:
Пример 2.21. Дана функция:
При каком значении параметра C эта функция является плотностью распределения некоторой непрерывной случайной величины X ? Найти математическое ожиданий и дисперсию случайной величины X .
Решение: Для того, чтобы функция была плотностью распределения некоторой случайной величины , она должна быть неотрицательна, и она должна удовлетворять свойству:
.
Следовательно:
Вычислим математическое ожидание по формуле:
.
Вычислим дисперсию по формуле:
T равна p . Необходимо найти математическое ожидание и дисперсию этой случайной величины.
Решение: Закон распределения дискретной случайной величины X - числа появлений события в независимых испытаниях, в каждом из которых вероятность появления события равна , называют биномиальным. Математическое ожидание биномиального распределения равно произведению числа испытаний на вероятность появления события А одном испытании:
.
Пример 2.25. Производится три независимых выстрела по мишени. Вероятность попадания при каждом выстреле равна 0.25. Определить среднее квадратическое отклонение числа попаданий при трех выстрелах.
Решение: Так как производится три независимых испытания, и вероятность появления события А (попадания) в каждом испытании одинакова, то будем считать, что дискретная случайная величина X - число попаданий в мишень – распределена по биномиальному закону.
Дисперсия биномиального распределения равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании:
Пример 2.26. Среднее число клиентов, посещающих страховую компанию за 10 мин., равно трем. Найти вероятность того, что в ближайшие 5 минут придет хотя бы один клиент.
Среднее число клиентов, пришедших за 5 минут: . .
Пример 2.29. Время ожидания заявки в очереди на процессор подчиняется показательному закону распределения со средним значением 20 секунд. Найти вероятность того, что очередная (произвольная) заявка будет ожидать процессор более 35 секунд.
Решение: В этом примере математическое ожидание , а интенсивность отказов равна .
Тогда искомая вероятность:
Пример 2.30. Группа студентов в количестве 15 человек проводит собрание в зале, в котором 20 рядов по 10 мест в каждом. Каждый студент занимает место в зале случайным образом. Какова вероятность того, что не более трех человек будут находиться на седьмом месте ряда?
Решение:
Пример 2.31.
Тогда согласно классическому определению вероятности:
где -- число деталей в партии;
-- число нестандартных деталей в партии;
– число отобранных деталей;
-- число нестандартных деталей среди отобранных.
Тогда закон распределения случайной величины будет такой.
Примеры решения задач на тему «Случайные величины».
Задача 1 . В лотерее выпущено 100 билетов. Разыгрывался один выигрыш в 50 у.е. и десять выигрышей по 10 у.е. Найти закон распределения величины X – стоимости возможного выигрыша.
Решение. Возможные значения величины X: x 1 = 0; x 2 = 10 и x 3 = 50. Так как «пустых» билетов – 89, то p 1 = 0,89, вероятность выигрыша 10 у.е. (10 билетов) – p 2 = 0,10 и для выигрыша 50 у.е. – p 3 = 0,01. Таким образом:
0,89 |
0,10 |
0,01 |
Легко проконтролировать: .
Задача 2. Вероятность того, что покупатель ознакомился заранее с рекламой товара равна 0,6 (р=0,6 ). Осуществляется выборочный контроль качества рекламы путем опроса покупателей до первого, изучившего рекламу заранее. Составить ряд распределения количества опрошенных покупателей.
Решение. Согласно условию задачи р = 0,6. Откуда: q=1 -p = 0,4. Подставив данные значения, получим: и построим ряд распределения:
p i |
0,24 |
Задача 3. Компьютер состоит из трех независимо работающих элементов: системного блока, монитора и клавиатуры. При однократном резком повышении напряжения вероятность отказа каждого элемента равна 0,1. Исходя из распределения Бернулли составить закон распределения числа отказавших элементов при скачке напряжения в сети.
Решение. Рассмотрим распределение Бернулли (или биномиальное): вероятность того, что в n испытаниях событие А появится ровно k раз: , или:
qn |
pn |
В ернёмся к задаче.
Возможные значения величины X (число отказов):
x 0 =0 – ни один из элементов не отказал;
x 1 =1 – отказ одного элемента;
x 2 =2 – отказ двух элементов;
x 3 =3 – отказ всех элементов.
Так как, по условию, p = 0,1, то q = 1 – p = 0,9. Используя формулу Бернулли, получим
, ,
, .
Контроль: .
Следовательно, искомый закон распределения:
0,729 |
0,243 |
0,027 |
0,001 |
Задача 4 . Произведено 5000 патронов. Вероятность того, что один патрон бракованный . Какова вероятность того, что во всей партии будет ровно 3 бракованных патрона?
Решение. Применим распределение Пуассона : это распределение используется для определения вероятности того, что при очень большом
количестве испытаний (массовые испытания), в каждом из которых вероятность события A очень мала, событие A наступитk раз: , где .
Здесь n = 5000, p = 0,0002, k = 3. Находим , тогда искомая вероятность: .
Задача 5 . При стрельбе до первого попадания с вероятностью попадания p = 0,6 при выстреле надо найти вероятность того, что попадание произойдет при третьем выстреле.
Решение. Применим геометрическое распределение: пусть производятся независимые испытания, в каждом из которых событие A имеет вероятность появления p (и непоявления q = 1 – p). Испытания заканчиваются, как только произойдет событие A.
При таких условиях вероятность того, что событие A произойдет на k-ом испытании, определяется по формуле: . Здесь p = 0,6; q = 1 – 0,6 = 0,4;k = 3. Следовательно, .
Задача 6 . Пусть задан закон распределения случайной величины X:
Найти математическое ожидание.
Решение. .
Заметим, что вероятностный смысл математического ожидания – это среднее значение случайной величины.
Задача 7 . Найти дисперсию случайной величины X со следующим законом распределения:
Решение. Здесь .
Закон распределения квадрата величины X 2 :
X2 |
|||
Искомая дисперсия: .
Дисперсия характеризует меру отклонения (рассеяния) случайной величины от её математического ожидания.
Задача 8 . Пусть случайная величина задается распределением:
10м |
|||
Найти её числовые характеристики.
Решение: м, м 2 ,
М 2 , м.
Про случайную величину X можно сказать либо – ее математическое ожидание 6,4 м с дисперсией 13,04 м 2 , либо – ее математическое ожидание 6,4 м с отклонением м. Вторая формулировка, очевидно, нагляднее.
Задача 9.
Случайная величина
X
задана функцией
распределения:
.
Найти вероятность того, что в результате испытания величина X примет значение, заключенное в интервале .
Решение. Вероятность того, что X примет значение из заданного интервала, равно приращению интегральной функции в этом интервале, т.е. . В нашем случае и , поэтому
.
Задача 10. Дискретная случайная величина X задана законом распределения:
Найти функцию распределения F (x ) и построить ее график.
Решение. Так как функция распределения,
для , то
при ;
при ;
при ;
при ;
Соответствующий график:
Задача 11. Непрерывная случайная величина X задана дифференциальной функцией распределения: .
Найти вероятность попадания X в интервал
Решение. Заметим, что это частный случай показательного закона распределения.
Воспользуемся формулой: .
Задача 12. Найти числовые характеристики дискретной случайной величины X, заданной законом распределения:
–5 |
|||||||||
X 2 :
|
Проверим, выполняется ли требование равномерной ограниченности дисперсии. Напишем закон распределения :
Найдём
математическое ожидание
:
Найдём
дисперсию
:
Эта функция возрастает, следовательно, чтобы вычислить константу, ограничивающую дисперсию, можно вычислить предел:
Таким образом, дисперсии заданных случайных величин неограниченны, что и требовалось доказать.
Б) Из формулировки теоремы Чебышева следует, что требование равномерной ограниченности дисперсий является достаточным, но не необходимым условием, поэтому нельзя утверждать, что к данной последовательности эту теорему применить нельзя.
Последовательность независимых случайных величин Х 1 , Х 2 , …, Х n , … задана законом распределения
D(X n)=M(X n 2)- 2 ,
учитывай, что M(X n)=0, найдем (выкладки предоставляются выполнить читателю)
Временно предположим, что n изменяется непрерывно (чтобы подчеркнуть это допущение, обозначим n через х), и исследуем на экстремум функцию φ(х)=х 2 /2 х-1 .
Приравняв первую производную этой функции к нулю, найдем критические точки х 1 =0 и х 2 =ln 2.
Отбросим первую точку как не представляющую интереса (n не принимает значения, равного нулю); легко видеть, что в точек х 2 =2/ln 2 функция φ(х) имеет максимум. Учитывая, что 2/ln 2 ≈ 2.9 и что N – целое положительное число, вычислим дисперсию D(X n)= (n 2 /2 n -1)α 2 для ближайших к числу 2.9 (слева и справа) целых чисел, т.е. для n=2 и n=3.
При n=2 дисперсия D(X 2)=2α 2 , при n=3 дисперсия D(Х 3)=9/4α 2 . Очевидно,
(9/4)α 2 > 2α 2 .
Таким образом, наибольшая возможная дисперсия равна (9/4)α 2 , т.е. дисперсии случайных величин Хn равномерно ограничены числом (9/4)α 2 .
Последовательность независимых случайных величин X 1 , X 2 , …, X n , … задана законом распределения
Применима ли к заданной последовательности теорема Чебышева?
Замечание. Поскольку случайные величины Х, одинаково распределены и независимы, то читатель, знакомый с теоремой Хинчина, может ограничиться вычислением лишь математического ожидания и убедиться, что оно кончено.
Поскольку случайные величины Х n независимы, то они подавно и попарно независимы, т.е. первое требование теоремы Чебышева выполняется.
Легко найти, что M(X n)=0, т.е.первое требование конечности математических ожиданий выполняется.
Остается проверить выполнимость требования равномерной ограниченности дисперсий. По формуле
D(X n)=M(X n 2)- 2 ,
учитывай, что M(X n)=0, найдем
Таким образом, наибольшая возможная дисперсия равна 2, т.е. дисперсии случайных величин Х n равномерно ограничены числом 2.
Итак, все требования теоремы Чебышева выполняются, следовательно, к рассматриваемой последовательности эта теорема применима.
Найти вероятность того, что в результате испытания величина Х примет значение, заключенное в интервале (0, 1/3).
Случайная
величина Х задана на всей оси Ох функцией
распределена F(x)=1/2+(arctg
x)/π. Найти
вероятность того, что в результате
испытания величина Х примет значение,
заключенное в интервале (0, 1). Вероятность
того, что Х примет значение, заключенное
в интервале (a, b),
равна приращению функции распределения
на этом интервале: P(a Р(0<
Х <1) = F(1)-F(0)
= x =1 -
x =0
= 1/4 Случайная
величина Х функцией распределения Найти
вероятность того, что в результате
испытания величина Х примет значение,
заключенное в интервале (-1, 1). Вероятность
того, что Х примет значение, заключенное
в интервале (a, b),
равна приращению функции распределения
на этом интервале: P(a Р(-1<
Х <1) = F(1)-F(-1)
= x =-1
– x =1
= 1/3. Функция
распределения непрерывной случайной
величины Х (времени безотказной работы
некоторого устройства) равна
F(х)=1-е -х/ T (х≥0).
Найти вероятность безотказной работы
устройства за время х≥Т. Вероятность
того, что Х примет значение, заключенное
в интервале x≥T,
равна приращению функции распределения
на этом интервале: P(0 P(x≥T)
= 1 - P(T Случайная
величина Х задана функцией распределения Найти
вероятность того, что в результате
испытания Х примет значение: а) меньшее
0.2; б) меньшее трех; в) не меньшее трех;
г) не меньшее пяти. а)
Так как при х≤2 функция F(х)=0,
то F(0, 2)=0, т.е. P(х
< 0, 2)=0; б)
Р(Х < 3) = F(3) = x =3
= 1.5-1 = 0.5; в)
события Х≥3 и Х<3 противоположны,
поэтому Р(Х≥3)+Р(Х<3)=1. Отсюда, учитывая,
что Р(Х<3)=0.5 [см. п. б.], получим Р(Х≥3) =
1-0.5 = 0.5; г)
сумма вероятностей противоположных
событий равна единице, поэтому
Р(Х≥5)+Р(Х<5)=1. Отсюда, используя условие,
в силу которого при х>4 функция F(x)=1,
получим Р(Х≥5) = 1-Р(Х<5) = 1-F(5)
= 1-1 = 0. Случайная
величина Х задана функцией распределния Найти
вероятность того, что в результате
четырех независимых испытаний величина
Х ровно три раза примет значение,
принадлежащее интервалу (0.25, 0.75). Вероятность
того, что Х примет значение, заключенное
в интервале (a, b),
равна приращению функции распределения
на этом интервале: P(a P(0.25< X <0.75) =
F(0.75)-F(0.25) =
0.5 Следовательно,
,
или
Отсюда
,
или. Случайная
величина X задана на всей
оси Ox функцией распределения
.
Найти возможное значения
,
удовлетворяющее условию: с вероятностью
случайная
X в результате испытания
примет значение большее
Решение.
События
и
- противоложные, поэтому
.
Следовательно,
.
Так как
,
то
. По
определению функции распределения,
. Следовательно,
,
или
.
Отсюда
,
или. Дискретная
случайная величина X задана
законом распределения Итак,
искомая функция распределения имеет
вид Дискретная
случайная величина X
задана законом распределения Найти
функцию распределения
и
начертить ее график. Дана
функция распределения непрерывной
случайной величины X Найти
плотность распределения f(x). Плотность
распределения равна первой производной
от функции распределения: При
x=0 производная
не
существует. Непрерывная
случайная величина X
задана плотностью распределения
в
интервале
;
вне этого интервала
.
Найти вероятность того, что X
примет значение, принадлежащее интервалу
. Воспользуемся
формулой
.
По условию
,и
.
Следовательно, искомая вероятность Непрерывная
случайная величина X
задана плотностью распределения
в
интервале
;
вне этого интервала
.
Найти вероятность того, что X
примет значение, принадлежащее интервалу
. Воспользуемся
формулой
.
По условию
,и
.
Следовательно, искомая вероятность Плотность
распределения непрерывной случайной
величины Х в интервале (-π/2,
π/2) равна f(x)=(2/π)*cos2x
; вне этого интервала f(x)=0.
Найти вероятность того, что в трех
независимых испытаниях Х примет ровно
два раза значение, заключенное в интервале
(0, π/4). Воспользуемся
формулой Р(a Р(0 Ответ:
π+24π. fx=0,
при x≤0cosx,
при 0 Используем
формулу Если
х ≤0, то f(x)=0,
следовательно, F(x)=-∞00dx=0. Если
0 F(x)=-∞00dx+0xcosxdx=sinx. Если
x≥ π2 , то F(x)=-∞00dx+0π2cosxdx+π2x0dx=sinx|0π2=1. Итак,
искомая функция распределения Fx=0,
при x≤0sinx,
при 0 Задана
плотность распределения непрерывной
случайной величины Х: Fx=0,
при x≤0sinx,
при 0 Найти
функцию распределения F(x). Используем
формулу Плотность
распределения непрерывной случайной
величины Х задана на всей оси Ох равеством
.
Найти постоянный параметр С. . . (*) . Таким образом, Плотность
распределения непрерывной случайной
величины
задана
на всей оси
равенством
Найти
постоянный параметр С. Решение.
Плотность распределения
должна удовлетворять условию
.
Потребуем, чтобы это условие выполнялось
для заданной функции: . . (*) Найдем
сначала неопределенный интеграл: . Затем вычислим несобственный интеграл: Таким образом, Подставив
(**) в (*), окончательно получим
. Плотность
распределения непрерывной
случайной величины X в
интервале
равна
;
вне этого интервала f(х) = 0. Найти постоянный
параметр С. . . (*) Найдем
сначала неопределенный интеграл: Затем вычислим несобственный интеграл: (**) Подставив
(**) в (*), окончательно получим
. Плотность
распределения непрерывной случайной
величины Х задана в интервале
равенством
;
вне этого интервала f(х) = 0. Найти
постоянный параметр С. Решение.
Плотность распределения
должна удовлетворять условию
,
но так как f(x)
вне интервала
равна
0 достаточно, чтобы она удовлетворяла:
Потребуем,
чтобы это условие выполнялось для
заданной функции: . . (*) Найдем
сначала неопределенный интеграл: Затем вычислим несобственный интеграл: (**) Подставив
(**) в (*), окончательно получим
. Случайная
величина X задана плотностью
распределения ƒ(x) = 2x
в интервале (0,1); вне этого интервала
ƒ(x) = 0. Найти математическое
ожидание величины X. Решение.
Используем формулу Подставив
a = 0, b = 1,
ƒ(x) = 2x,
получим Ответ:
2/3. Случайная
величина X задана плотностью
распределения ƒ(x) = (1/2)x
в интервале (0;2); вне этого интервала
ƒ(x) = 0. Найти математическое
ожидание величины X. Решение.
Используем формулу Подставив
a = 0, b = 2,
ƒ(x) = (1/2)x,
получим М
(Х) =
=
4/3 Ответ:
4/3. Случайная
величина X в интервале (–с, с) задана плотностью распределения ƒ(x)
= ; вне этого интервала ƒ(x)
= 0. Найти математическое ожидание
величины X. Решение.
Используем формулу Подставив
a = –с, b = c,
ƒ(x) = , получим Учитывая,
что подынтегральная функция нечетная
и пределы интегрирования симметричны
относительно начала координат, заключаем,
что интеграл равен нулю. Следовательно,
М(Х) = 0. Этот
результат можно получить сразу, если
принять во внимание, что кривая
распределения симметрична относительно
прямой х = 0. Случайная
величина Х в интервале (2, 4) задана
плотностью распределения f(x)= .
Отсюда видно, что при х=3 плотность
распределения достигает максимума;
следовательно,
.
Кривая распределения симметрична
относительно прямой х=3, поэтому
и
. Случайная
величина Х в интервале (3, 5) задана
плотностью распределения f(x)=;
вне этого интервала f(x)=0. Найти моду,
математическое ожидание и медиану
величины Х. Решение.
Представим плотность распределения в
виде
.
Отсюда видно, что при х=3 плотность
распределения достигает максимума;
следовательно,
.
Кривая распределения симметрична
относительно прямой х=4, поэтому
и
. Случайная
величина Х в интервале (-1, 1) задана
плотностью распределения
;
вне этого интервала f(x)=0. Найти: а) моду;
б) медиану Х.