- •ПРЕДИСЛОВИЕ
- •ОСНОВНЫЕ ОБОЗНАЧЕНИЯ
- •1. КОМБИНАТОРИКА
- •2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •2.1. Классическое определение вероятности
- •2.2. Геометрические вероятности
- •2.3. Теоремы сложения и умножения вероятностей
- •2.4. Формула полной вероятности
- •2.5. Формулы Байеса
- •2.6. Повторные независимые испытания
- •2.6.1. Формула Бернулли
- •2.6.2. Обобщенная формула Бернулли
- •2.7. Простейший (пуассоновский) поток событий
- •2.8. Случайные величины. Функция распределения. Функция плотности вероятности. Числовые характеристики
- •2.8.1. Случайные величины
- •2.8.2. Функция распределения
- •2.8.3. Функция плотности вероятности
- •2.8.4. Числовые характеристики случайных величин
- •2.9. Нормальный закон распределения
- •2.10. Асимптотика схемы независимых испытаний
- •2.10.2. Формула Пуассона
- •2.11. Функции случайных величин
- •2.12. Функции нескольких случайных аргументов
- •2.12.1. Свертка
- •2.12.2. Распределение системы двух дискретных случайных величин
- •2.12.3. Распределение функции двух случайных величин
- •2.13. Центральная предельная теорема
- •2.14. Ковариация
- •2.14.1. Корреляционная зависимость
- •2.14.2. Линейная корреляция
- •2.15. Функциональные преобразования двухмерных случайных величин
- •2.16. Правило «трех сигм»
- •2.17. Производящие функции. Преобразование Лапласа. Характеристические функции
- •2.17.1. Производящие функции
- •2.17.2. Преобразование Лапласа
- •2.17.3. Характеристические функции
- •3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •3.1. Точечные оценки
- •3.1.1. Свойства оценок
- •3.1.2. Оценки для математического ожидания и дисперсии
- •3.1.3. Метод наибольшего правдоподобия для оценки параметров распределений
- •3.1.4. Метод моментов
- •3.2. Доверительный интервал для вероятности события
- •3.3. Проверка гипотезы о равенстве вероятностей
- •3.4. Доверительный интервал для математического ожидания
- •3.4.1. Случай большой выборки
- •3.4.2. Случай малой выборки
- •3.5. Доверительный интервал для дисперсии
- •3.6. Проверка статистических гипотез
- •3.6.1. Основные понятия
- •3.6.2. Критерий согласия «хи-квадрат»
- •3.6.3. Проверка гипотезы о независимости двух случайных величин
- •3.6.4. Проверка параметрических гипотез
- •3.6.5. Проверка гипотезы о значении медианы
- •3.6.6. Проверка гипотезы о равенстве математических ожиданий
- •3.7. Регрессионный анализ. Оценки по методу наименьших квадратов
- •3.8. Статистические решающие функции
- •4. СЛУЧАЙНЫЕ ПРОЦЕССЫ
- •4.1 Стационарные случайные процессы
- •4.2. Преобразование случайных процессов динамическими системами
- •4.3. Процессы «гибели и рождения»
- •4.4. Метод фаз Эрланга
- •4.5. Марковские процессы с дискретным множеством состояний. Цепи Маркова
- •4.6. Марковские процессы с непрерывным временем и дискретным множеством состояний
- •4.7. Модели управления запасами
- •4.8. Полумарковские процессы
- •5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРИЛОЖЕНИЯ
- •ОГЛАВЛЕНИЕ
2.9. Нормальный закон распределения
Нормальный закон распределения имеет плотность вероятности
f (x) = |
|
1 |
|
ì |
(x - m) |
2 |
ü |
|
|
|
|
exp í- |
|
ý |
, |
(2.9.1) |
|||
|
|
|
2s2 |
|
|||||
|
|
2p s |
î |
|
þ |
|
|
где –¥ < m < ¥ и s > 0 –– некоторые параметры.
График функции плотности вероятности(2.9.1) имеет максимум в точке х = m , а точки перегиба отстоят от точкиm на расстояние s. При х ® ±¥ функция (2.9.1) асимптотически приближается к нулю(ее график изображен на рис. 2.9.1).
Рис. 2.9.1
Помимо геометрического смысла, параметры нормального закона распределения имеют и вероятностный смысл. Параметр m равен
математическому |
|
|
ожиданию |
нормально |
распределенной |
случайной |
||||||||||||||
величины, |
а |
|
дисперсия D( X ) = s2 . |
Если |
X : N (m;s2 ), |
т.е. X |
имеет |
|||||||||||||
нормальный закон распределения с параметрами m и s2, то |
|
|
||||||||||||||||||
|
|
|
|
Р(а < |
Х < =b) |
æ b - m ö |
æ a - m ö |
|
|
|||||||||||
|
|
|
|
Fç |
|
|
÷ |
- Fç |
|
|
÷ , |
|
(2.9.2) |
|||||||
|
|
|
|
s |
|
s |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
è |
|
ø |
è |
|
ø |
|
|
||
|
1 |
|
х |
|
ì |
|
t |
2 |
ü |
|
|
|
|
|
|
|
|
|
|
|
|
|
òexp= |
|
|
|
|
|
|
|
|
|
|
|
|||||||
где F(x) |
|
í- |
|
ý dt |
–– функция Лапласа. |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|||||||||||||||
|
|
2p |
0 |
|
î |
2 |
þ |
|
|
|
|
|
|
|
|
|
|
|||
Значения |
|
функции F(x) можно |
найти |
по |
таблице(см. прил., табл. |
|||||||||||||||
П2). Функция |
|
Лапласа нечетна, т.е. F(-x)= –F(x). Поэтому ее |
таблица |
|||||||||||||||||
дана только для неотрицательныхх. График функции Лапласа изображен |
||||||||||||||||||||
на рис. 2.9.2. При |
значениях х > 5 |
она практически остается постоянной. |
||||||||||||||||||
Поэтому в таблице даны значения функции |
только |
0для£ х £ 5. При |
||||||||||||||||||
значениях х > 5 можно считать, что F(x) = 0,5. |
|
|
|
87
Рис. 2.9.2
Если X : N (m;s2 ), то
|
|
æ a ö |
|
|
||||
|
Р(| X - m |< a) =2Fç |
|
|
÷. |
|
(2.9.3) |
||
|
|
|
|
|||||
|
|
è s ø |
|
|
||||
Пример |
2.49. Случайная величинаX |
имеет |
нормальный закон |
|||||
распределения |
N (m;s2 ) . Известно, что |
P( X <1) = 0,15866, а P( X > 4) = |
||||||
= 0,30854. Найти значения параметров m и s2. |
|
|
|
|
||||
Решение. Воспользуемся формулой (2.9.2): |
|
|
||||||
|
æ1 - m ö |
æ |
-¥ - m ö |
|||||
P( X <1) = P(-¥ < X <1) = Fç |
|
÷ |
- Fç |
= |
÷ |
|||
|
||||||||
|
è |
s ø |
è |
s |
ø |
æ1 - m ö
=Fç ÷ + F(¥) = 0,15866.
è s ø
Так как F(¥) = 0,5, |
æ1 - m ö |
æ m -1ö |
= 0,5 – 0,15866= |
0,34134. По |
|||||
то -Fç |
|
÷ |
= Fç |
|
÷ |
||||
s |
s |
||||||||
|
è |
ø |
è |
ø |
|
|
таблице функции |
|
Лапласа(см. прил., табл. |
П2) |
находим, |
что |
F(1) = |
|||||
= 0,34134. Поэтому |
|
m -1 |
=1 или m – 1 = s. |
|
|
|
|
|
|
||
|
s |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|||
Аналогично |
|
|
|
æ |
¥ - m ö |
æ |
4 - m ö |
|
|||
P( X > 4) = P(4 < X < ¥) =Fç |
|
÷ |
- Fç |
= |
÷ |
0,30854. |
|||||
s |
|||||||||||
|
|
|
|
è |
ø |
è |
s |
ø |
|
Так как F(¥) = 0,5, |
æ 4 - m ö |
0,5 –= 0,30854 0,19146= . По таблице |
|||
то Fç |
|
÷ |
|||
s |
|||||
|
è |
ø |
|
функции Лапласа (см. |
прил., табл. П2) |
находим, что F(1 / 2) = 0,19146. |
|||
Поэтому |
4 - m |
= 0,5 |
или m – 4 = –0,5s. |
Из системы двух уравнений |
|
s |
|||||
|
|
|
|
m – 1 = s и m – 4 = –0,5s находим, что m = 3 , а s = 2 , т.е. s2 = 4. Итак, случайная величина X имеет нормальный закон распределенияN(3;4).
88
График функции плотности вероятности этого закона распределения изображен на рис. 2.9.3.
Ответ. m = 3 ; s2 = 4.
|
|
|
|
|
|
|
Рис. 2.9.3 |
|
|
|
|
|
|
|
|
|||
|
Задача |
2.49. |
Случайная |
величинаX |
имеет |
нормальный закон |
||||||||||||
распределения N (m;s2 ) . Известно, что: |
|
|
|
|
|
|
|
|
|
|||||||||
|
а) для нечетных вариантов P( X < =a) |
a, а P( X < =b) |
b; |
|
|
|||||||||||||
|
б) для четных вариантов P( X < =a) a, а P( X > =b) |
b. |
|
|
|
|
||||||||||||
|
Найдите значения |
параметровm и |
s2. |
Сделайте |
эскиз |
функции |
||||||||||||
плотности вероятности |
при найденных |
значениях |
параметров. Найдите |
|||||||||||||||
P( X 2 < 4). (См. пример 2.49 и исходные данные.) |
|
|
|
|
|
|
||||||||||||
|
Исходные данные к задаче 2.49. |
|
|
|
|
|
|
|
|
|
||||||||
№ |
a |
|
a |
b |
|
b |
|
№ |
|
a |
|
a |
|
|
b |
|
b |
|
1 |
–2 |
|
0,0668 |
3 |
|
0,8413 |
|
16 |
|
–1/2 |
|
0,4013 |
|
2 |
|
0,1587 |
|
|
2 |
–1 |
|
0,1587 |
5 |
|
0,0227 |
|
17 |
|
5 |
|
0,6915 |
|
2 |
|
0,1587 |
|
|
3 |
–1 |
|
0,4332 |
4 |
|
0,8413 |
|
18 |
|
5 |
|
0,6915 |
|
2 |
|
0,8413 |
|
|
4 |
0 |
|
0,1587 |
6 |
|
0,0227 |
|
19 |
|
2 |
|
0,0227 |
|
8 |
|
0,8413 |
|
|
5 |
–2 |
|
0,1587 |
1 |
|
0,6915 |
|
20 |
|
2 |
|
0,0227 |
|
8 |
|
0,1587 |
|
|
6 |
2 |
|
0,8413 |
–1 |
|
0,6915 |
|
21 |
|
3 |
|
0,1587 |
|
12 |
|
0,9773 |
|
|
7 |
1 |
|
0,1587 |
5 |
|
0,8413 |
|
22 |
|
3 |
|
0,1587 |
|
4,5 |
|
0,6915 |
|
|
8 |
1 |
|
0,1587 |
5 |
|
0,1587 |
|
23 |
|
0 |
|
0,3085 |
|
6 |
|
0,8413 |
|
|
9 |
–6 |
|
0,0227 |
3 |
|
0,8413 |
|
24 |
|
0 |
|
0,3085 |
|
6 |
|
0,6915 |
|
|
10 |
3 |
|
0,1587 |
6 |
|
0,0227 |
|
25 |
|
–2 |
|
0,1587 |
|
4 |
|
0,6915 |
|
|
11 |
–3 |
|
0,1587 |
0 |
|
0,6915 |
|
26 |
|
–2 |
|
0,1587 |
|
4 |
|
0,3085 |
|
|
12 |
–3 |
|
0,1587 |
0 |
|
0,3085 |
|
27 |
|
2 |
|
0,5000 |
|
4 |
|
0,6915 |
|
|
13 |
0 |
|
0,3446 |
5 |
|
0,7258 |
|
28 |
|
4 |
|
0,6915 |
|
2 |
|
0,5000 |
|
|
14 |
–1/2 |
|
0,4013 |
2 |
|
0,8413 |
|
29 |
|
–3 |
|
0,1587 |
|
0 |
|
0,9773 |
|
|
15 |
–3 |
|
0,1587 |
0 |
|
0,0227 |
|
30 |
|
0 |
|
0,3446 |
|
5 |
|
0,2742 |
|
Пример 2.50. Ошибка измеренияX имеет нормальный закон распределения, причем систематическая ошибка равна1 мк, а дисперсия ошибки равна 4 мк2. Какова вероятность того, что в трех независимых измерениях ошибка ни разу не превзойдет по модулю 2 мк?
89
Решение. По условиям задачиX ~ N (1;4). Вычислим сначала вероятность того, что в одном измерении ошибка не превзойдет2 мк. По формуле (2.9.2)
P(| X |£ |
2) = P(-2 £ |
X £ |
æ 2 -1 ö |
æ |
-2 -1 |
ö |
|
|
|||
2) = Fç |
|
|
÷ |
- Fç |
= |
÷ |
F(1 / 2) |
- F(-3 / 2)= |
|||
|
|
||||||||||
|
|
|
è |
|
2 ø |
è |
2 |
ø |
|
|
|
|
= F(1 / 2) + F(3 / 2) |
=0,1915 + 0, 4332 = 0, 6241. |
|
Вычисленная вероятность численно равна заштрихованной площади на рис. 2.9.4.
Рис. 2.9.4
Каждое измерение можно рассматривать как независимый .опыт Поэтому по формуле Бернулли(2.6.1) вероятность того, что в трех независимых измерениях ошибка ни разу не превзойдет 2 мк, равна P3 (3) =
= C33 (0,6241)3 (0,3753)0 »1 / 4.
Ответ. »1 / 4.
Задача 2.50. Ошибка измеренияX имеет нормальный закон распределения N (m;s2 ) . Найдите вероятность того, что при измерении ошибка по модулю не превысит v. Изобразите найденную вероятность на рисунке. Найдите вероятность того, что в n независимых измерениях ошибка измерения k раз превзойдет v. (См. пример 2.50 и исходные данные.)
Исходные данные к задаче 2.50.
№ |
m |
s2 |
v |
n |
k |
№ |
m |
s2 |
v |
n |
k |
№ |
m |
s2 |
v |
n |
k |
1 |
–1 |
4 |
2 |
4 |
1 |
11 |
2 |
2,25 |
3 |
4 |
1 |
21 |
–1 |
9 |
3 |
3 |
1 |
2 |
2 |
9 |
3 |
3 |
1 |
12 |
0,5 |
4 |
2 |
3 |
1 |
22 |
2 |
2,25 |
2 |
3 |
1 |
3 |
1 |
4 |
3 |
4 |
2 |
13 |
2 |
9 |
3 |
4 |
1 |
23 |
0,5 |
4 |
3 |
4 |
1 |
4 |
2 |
4 |
3 |
3 |
1 |
14 |
0,5 |
9 |
3 |
4 |
2 |
24 |
0,5 |
6,25 |
4 |
3 |
1 |
5 |
–1 |
16 |
5 |
4 |
1 |
15 |
–1 |
4 |
3 |
4 |
2 |
25 |
2 |
9 |
3 |
4 |
2 |
6 |
2 |
4 |
4 |
3 |
1 |
16 |
0,5 |
4 |
3 |
4 |
1 |
26 |
0,5 |
9 |
4 |
3 |
1 |
7 |
1 |
2,25 |
3 |
3 |
1 |
17 |
0,5 |
16 |
3 |
3 |
1 |
27 |
1,5 |
4 |
3 |
3 |
2 |
90
8 |
–1 |
9 |
2 |
4 |
1 |
18 |
2 |
9 |
3 |
4 |
1 |
28 |
–2 |
9 |
3 |
4 |
1 |
9 |
2 |
9 |
3 |
3 |
1 |
19 |
0,5 |
4 |
2 |
4 |
2 |
29 |
0 |
4 |
3 |
4 |
2 |
10 |
1 |
4 |
3 |
4 |
2 |
20 |
0,5 |
2,25 |
3 |
3 |
1 |
30 |
0 |
9 |
4 |
3 |
1 |
Пример 2.51. Функция плотности вероятности случайной величины
X имеет вид |
|
f (x) = gexp{-2x2 – 4 / 3x +1 / 3}. |
(2.9.4) |
Требуется определить коэффициентg, найти M ( X ) и D( X ) , определить тип закона распределения, нарисовать график функции f (x) , вычислить вероятность P(-1 < X < 0).
|
Замечание. |
Если |
каждый закон распределения из некоторого |
|||||||
семейства |
законов |
распределения |
имеет |
функцию |
распределения |
|||||
æ x - a ö |
|
где F (x) –– фиксированная |
|
|
|
|||||
F ç |
|
|
÷ |
, |
функция |
распределения, |
a Î R, |
|||
b |
|
|||||||||
è |
ø |
|
|
|
|
|
|
|
||
b > 0, |
то |
|
говорят, |
что эти |
законы распределенияпринадлежат к |
одному |
виду или типу распределений. Параметр a называют параметром сдвига, b –
– параметром масштаба.
Решение. Так как (2.9.4) функция плотности вероятности, то интеграл от нее по всей числовой оси должен быть равен единице:
¥¥
ò |
f (x) dx = g ò e-2 x2 -3/4 x+1/3dx =1. |
(2.9.5) |
-¥ |
-¥ |
|
Преобразуем выражение в показателе степени, выделяя полный квадрат:
-2(x2 + 2 / 3x -1=/ 6) -2(x2 + 2 / 3x +1 / 9 -1 / 9 -1=/ 6) -2( x +1 / 3)2 + 5 / 9.
Тогда (2.9.5) можно записать в виде
|
|
|
|
¥ |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
e5/9 g ò e-2( x+1/3)2 dx =1. |
(2.9.6) |
||||||||||
|
|
|
|
-¥ |
|
|
|
|
|
|
|
|
|
||
Сделаем |
замену |
переменных |
|
,такчтобы |
2(x +1 / 3)2 = t 2 / 2, т..е |
||||||||||
x +1 / 3 = t / 2, |
dx = dt / 2. |
|
Пределы интегрирования при этом останутся |
||||||||||||
прежними. Тогда (2.9.6) преобразуется к виду |
|
||||||||||||||
|
|
|
|
¥ |
|
|
|
|
dt |
|
|
|
|||
|
|
|
|
|
e5/9 g ò e-t 2 /2 |
=1. |
|
|
|||||||
|
|
|
|
|
|
||||||||||
|
|
|
|
-¥ |
|
|
|
2 |
|
|
|
||||
Умножим и разделим левую часть равенства на |
|
. Получим равенство |
|||||||||||||
2p |
|||||||||||||||
|
|
1 |
|
|
|
|
|
1 |
|
|
¥ |
|
|
|
|
|
|
g |
|
|
e5/9 |
|
|
|
ò e-t2 /2 dt =1. |
|
|||||
|
|
|
2p |
|
|||||||||||
|
2 |
|
|
|
|
||||||||||
|
|
2p |
|
||||||||||||
|
|
|
|
|
|
-¥ |
|
|
|
91
¥
Так как 1 ò e-t2 /2 dt =1, как интеграл по всей числовой оси от
2p -¥
функции |
плотности |
вероятности |
|
стандартного |
нормального |
закона |
|||||||||||||||||||||||||||||
распределения N(0,1), то приходим к выводу, что |
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
g = |
2 |
|
|
e-5/9 . |
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Поэтому |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
f (x) = |
|
2 |
|
|
e-5/9 exp{-2x2 |
– 4 / 3x +1 / 3} |
2 |
|
|
|
exp{= -2x2 - 4 / 3x – 2 / 9} = |
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
|
|
|||||||
|
|
|
= |
2 |
|
|
|
exp{-2(x2 + 2 / 3x +1 / 9)} = |
|
|
|
1 |
e |
( x+1/3)2 |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
2×1/4 . |
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
||||
Последняя |
запись |
означает, что |
случайная |
|
величина |
имеет |
|||||||||||||||||||||||||||||
нормальный |
|
|
закон |
распределения |
с |
параметрамиm = -1 / 3 и s2 =1 / 4. |
|
||||||||||||||||||||||||||||
График функции плотности вероятности этого закона изображен на .рис |
|||||||||||||||||||||||||||||||||||
2.9.5. Распределение случайной величиныX принадлежит к семейству |
|||||||||||||||||||||||||||||||||||
нормальных законов распределения. По формуле (2.9.2) |
|
|
|
|
|||||||||||||||||||||||||||||||
P(-1 < X < 0)= |
æ 0 - (-1 / 3) ö |
|
æ -1 |
- (-1 / 3) |
ö |
F(2 / 3) |
+ F(4= / 3) 0,653. |
|
|||||||||||||||||||||||||||
Fç |
|
|
|
÷ |
- F |
ç= |
|
|
|
|
|
|
|
|
|
÷ |
|
||||||||||||||||||
|
1 / 2 |
|
|
|
1 / 2 |
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
è |
|
|
|
ø |
|
è |
|
|
|
|
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 2.9.5 |
|
|
|
Ответ. g = |
|
2 |
|
е-5/9 , |
M ( X ) = -1 / 3, |
D( X ) =1 / 4, N (-1 / 3; 1 / 4). |
|||
|
|
|
|||||||
2p |
|||||||||
|
|
|
|
|
|
|
|
||
Задача 2.51. Функция плотности вероятности случайной величиныX |
|||||||||
имеет вид |
|
|
|
|
f (x) = gexp{ax2 + bx + c}. |
|
|||
|
|
|
|
|
|
||||
Найдите |
коэффициент g, M ( X ), |
D( X ) , определите |
тип закона |
||||||
распределения, |
нарисуйте |
график функции f (x) . Вычислите |
P(| x |< 2). |
(См. пример 2.51 и исходные данные.)
92