Другие дисциплины › Методы исследования › Теория вероятностей. Примеры решения задач

Закон распределения дискретной случайной величины. Примеры решения задач

Как известно, случайной величиной называется переменная величина, которая может принимать те или иные значения в зависимости от случая. Случайные величины обозначают заглавными буквами латинского алфавита (X, Y, Z), а их значения – соответствующими строчными буквами (x, y, z). Случайные величины делятся на прерывные (дискретные) и непрерывные.

Дискретной случайной величиной называется случайная величина, принимающая лишь конечное или бесконечное (счетное) множество значений с определенными ненулевыми вероятностями.

Законом распределения дискретной случайной величины называется функция, связывающая значения случайной величины с соответствующими им вероятностями. Закон распределения может быть задан одним из следующих способов.

1. Закон распределения может быть задан таблицей:

События X = x_i (i = 1, 2, 3,…,n) являются несовместными и единственно возможными, т.е. они образуют полную систему событий. Поэтому сумма их вероятностей равна единице: р₁+р₂+р₃+…+р_n = ∑p_i =1

2. Закон распределения может быть задан аналитически (формулой) P(X = x_i) = ϕ(x_i). Например:

а) с помощью биномиального распределения: P_n(X=k) = С_n^k p^k q^n-k, 0<р<1, k = 0, 1, 2, …, n;

б) с помощью распределения Пуассона:

где λ>0, k = 0, 1, 2, … .

в) с помощью функции распределения F(x), определяющей для каждого значения x вероятность того, что случайная величина X примет значение, меньшее x, т.е. F(x) = P(X < x).

- свойства функции F(x)

3. Закон распределения может быть задан графически – многоугольником (полигоном) распределения (смотри задачу 3).

Отметим, что для решения некоторых задач не обязательно знать закон распределения. В некоторых случаях достаточно знать одно или несколько чисел, отражающих наиболее важные особенности закона распределения. Это может быть число, имеющее смысл «среднего значения» случайной величины, или же число, показывающее средний размер отклонения случайной величины от своего среднего значения. Числа такого рода называют числовыми характеристиками случайной величины.

Основные числовые характеристики дискретной случайной величины:

• Mатематическое ожидание (среднее значение) дискретной случайной величины M(X)=Σ x_ip_i.
  Для биномиального распределения M(X)=np, для распределения Пуассона M(X)=λ
• Дисперсия дискретной случайной величины D(X)= M[X–M(X)]² или D(X) = M(X²)−[M(X)]². Разность X–M(X) называют отклонением случайной величины от ее математического ожидания.
  Для биномиального распределения D(X)=npq, для распределения Пуассона D(X)=λ
• Среднее квадратическое отклонение (стандартное отклонение) σ(X)=√D(X).

Примеры решения задач по теме «Закон распределения дискретной случайной величины»

Задача 1.

Выпущено 1000 лотерейных билетов: на 5 из них выпадает выигрыш в сумме 500 рублей, на 10 – выигрыш в 100 рублей, на 20 – выигрыш в 50 рублей, на 50 – выигрыш в 10 рублей. Определить закон распределения вероятностей случайной величины X – выигрыша на один билет.

Решение. По условию задачи возможны следующие значения случайной величины X: 0, 10, 50, 100 и 500.

Число билетов без выигрыша равно 1000 – (5+10+20+50) = 915, тогда P(X=0) = 915/1000 = 0,915.

Аналогично находим все другие вероятности: P(X=0) = 50/1000=0,05, P(X=50) = 20/1000=0,02, P(X=100) = 10/1000=0,01, P(X=500) = 5/1000=0,005. Полученный закон представим в виде таблицы:

Задача 2.

Найти математическое ожидание числа очков, выпадающих при бросании игральной кости.

Решение. Случайная величина X числа очков принимает значения 1, 2, 3, 4, 5, 6. Вероятность того, что выпадет одно из данных значений равна 1/6. Закон распределения представим в виде таблицы:

Найдем математическое ожидание величины Х: М(Х) = 1*1/6 + 2*1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6*1/6 = (1+2+3+4+5+6)/6 = 21/6 = 3,5

Задача 3.

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, построить многоугольник распределения. Найти функцию распределения F(x) и построить ее график. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение дискретной случайной величины.

Решение. 1. Дискретная случайная величина X={число отказавших элементов в одном опыте} имеет следующие возможные значения: х₁=0 (ни один из элементов устройства не отказал), х₂=1 (отказал один элемент), х₃=2 (отказало два элемента) и х₄=3 (отказали три элемента).

Отказы элементов независимы друг от друга, вероятности отказа каждого элемента равны между собой, поэтому применима формула Бернулли. Учитывая, что, по условию, n=3, р=0,1, q=1-р=0,9, определим вероятности значений:
P₃(0) = С₃⁰ p⁰ q^3-0 = q³ = 0,9³ = 0,729;
P₃(1) = С₃¹ p¹ q^3-1 = 3*0,1*0,9² = 0,243;
P₃(2) = С₃² p² q^3-2 = 3*0,1²*0,9 = 0,027;
P₃(3) = С₃³ p³ q^3-3 = р³=0,1³ = 0,001;
Проверка: ∑p_i = 0,729+0,243+0,027+0,001=1.

Таким образом, искомый биномиальный закон распределения Х имеет вид:

2. Для построения многоугольника распределения строим прямоугольную систему координат.

По оси абсцисс откладываем возможные значения х_i, а по оси ординат – соответствующие им вероятности р_i. Построим точки М₁(0; 0,729), М₂(1; 0,243), М₃(2; 0,027), М₄(3; 0,001). Соединив эти точки отрезками прямых, получаем искомый многоугольник распределения.

3. Найдем функцию распределения F(x) = Р(Х<х):

Для x ≤ 0 имеем F(x) = Р(Х<0) = 0;
для 0 < x ≤1 имеем F(x) = Р(Х<1) = Р(Х = 0) = 0,729;
для 1< x ≤ 2 F(x) = Р(Х<2) = Р(Х=0) + Р(Х=1) =0,729+ 0,243 = 0,972;
для 2 < x ≤ 3 F(x) = Р(Х<3) = Р(Х = 0) + Р(Х = 1) + Р(Х = 2) = 0,972+0,027 = 0,999;
для х > 3 будет F(x) = 1, т.к. событие достоверно.

- график функции F(x)

4. Для биномиального распределения Х:
- математическое ожидание М(X) = np = 3*0,1 = 0,3;
- дисперсия D(X) = npq = 3*0,1*0,9 = 0,27;
- среднее квадратическое отклонение σ(X) = √D(X ) = √0,27 ≈ 0,52.

Другие статьи по данной теме:

• назад: Повторение независимых испытаний. Формулы Бернулли, Лапласа и Пуассона
• далее: Непрерывные случайные величины. Примеры решения задач

Список использованных источников

1. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике / М. - "Высшая школа", 2004;
2. Лисьев В.П. Теория вероятностей и математическая статистика: Учебное пособие/ Московский государственный университет экономики, статистики и информатики. – М., 2006;
3. Семёнычев В. К. Теория вероятности и математическая статистика: Лекции /Самара, 2007;
4. Теория вероятностей: контрольные работы и метод. указания для студентов / сост. Л.В. Рудная и др. / УрГЭУ - Екатеринбург, 2008.