matem_praktikum13
.pdf71
Для описания дискретной случайной величины плотность распределения неприменима. Иногда функцию плотности распределения называют дифференциальной функцией распределения. Линию y=f(x) называют кривой распределения.
Свойства плотности распределения
Свойство 1. Вероятность того, что непрерывная случайная величина в результате испытания примет какое-нибудь значение из интервала (a, b), равна определенному интегралу от плотности вероятности в пределах от a до b:
b
P a X b f x dx .
a
Свойство 2. Если значения случайной величины принадлежат всей
числовой оси, то имеет место утверждение f x dx 1.
Свойство 3. Плотность вероятности функция неотрицательная f(x) 0.
Характеристики непрерывных случайных величин
Пусть непрерывная случайная величина Х |
задана плотностью |
распределения f(x) на отрезке [a, b].
Математическим ожиданием непрерывной случайной величины Х,
возможные значения которой принадлежат отрезку [a, b], называется определенный интеграл:
b
M X xf x dx .
a
Введем понятие дисперсии для непрерывной случайной величины, заданной
Дисперсией непрерывной случайной величины X называется математическое ожидание квадрата отклонений, если возможные значения принадлежат отрезку [a, b]:
b
D X [ x M X ] 2 f x dx .
a
72
Замечание. Для вычисления дисперсии непрерывной случайной величины
b
удобно пользоваться формулой: D X x2 f x dx M X 2 . a
Среднее квадратическое отклонение непрерывной случайной величины определяется также как и для дискретной случайной величины:
X D X .
Нормальное распределение Нормальным называется распределение вероятностей случайной
величины, которое описывается плотностью
|
|
|
|
|
|
|
x 2 |
|
|
|
f x |
|
1 |
|
|
2 2 |
|
|
|
||
|
|
e |
|
. |
|
|
||||
|
|
|
|
|
|
|
|
|||
|
2 |
|
|
|
|
|||||
Нормальное распределение определяется двумя параметрами и |
, |
– |
математическое ожидание, – среднее квадратическое отклонение.
График плотности нормального распределения называют нормальной кри-
вой (кривой Гаусса). Функция f(x) определена на всей оси х, при всех значениях х нормальная кривая расположена над осью Ох. Ось Ох служит горизонтальной асимптотой графика (рис. 11.2); при x функция имеет максимум, равный
1
2 .
Влияние параметров нормального распределения на
форму нормальной кривой
Изменение величины параметра (математического ожидания) не изменяет формы нормальной кривой, а приводит лишь к ее сдвигу вдоль оси Ох: вправо,
если возрастает, и влево, если убывает.
Если изменяется параметр (среднее квадратическое отклонение). Так как
максимум дифференциальной функции нормального распределения равен |
|
1 |
|
. |
|
|
|
|
|
||
|
|
|
|
||
|
2 |
73
Рис. 11.2. Кривая Гаусса при 2, |
1 |
Рис. 11.3
Отсюда следует, что с возрастанием максимальная ордината нормальной кривой убывает, а сама кривая становится более пологой, т. е. сжимается к оси
Ох; при убывании нормальная кривая становится более островершинной и рас-
тягивается в положительном направлении оси Оу (рис.11.3). Подчеркнем, что при любых значениях параметров и площадь, ограниченная нормальной кривой и осью х, остается равной единице.
Вероятность попадания в заданный интервал
нормальной случайной величины
Если случайная величина Х задана функцией плотности распределения вероятностей, то вероятность того, что в результате испытания Х примет какое-
нибудь значение из интервала (a, b), равна определенному интегралу от плотности
74
вероятности в пределах от a до b, то P X f x dx .
Если случайная величина распределена по нормальному закону, то можно
|
a |
|
a |
||
доказать, что P X |
|
|
|
|
. |
|
|
|
|
Решение задач
П р и м е р 1 . Дискретная случайная величина Х задана таблицей распреде-
ления
Х |
1 |
4 |
8 |
|
|
|
|
Р |
0,3 |
0,1 |
0,6 |
|
|
|
|
Найти функцию распределения и построить ее график.
Решение. Если х .1 то F(x)=0 (третье свойство).
Если 1 < х 4, то F(х) = 0,3. Действительно, Х может принять значение 1 с
вероятностью 0,3.
Если 4 < х 8, то F(х) = 0,4. Действительно, если х1 удовлетворяет неравен-
ству 4 < х1 .8, то F(х1) равно вероятности события Х < х1, которое может быть осуществлено, когда Х примет значение 1 (вероятность этого события равна 0,3)
или значение 4 (вероятность этого события равна 0,1). Поскольку эти два события несовместны, то по теореме сложения вероятность события Х < х1 равна сумме вероятностей 0,3+0,1 =0,4.
Если х > 8, то F(x)=1. Действительно, событие Х<8 достоверно, следова-
тельно, его вероятность равна единице.
Итак, |
функция распределения аналитически может быть записана так: |
||
|
0 |
при |
x 1, |
|
|
при |
1 x 4, |
0,3 |
|||
F x |
|
|
4 x 8, |
0,4 |
при |
||
|
1 |
при |
х 8. |
|
Сделаем рисунок:
75
Рис. 11.4
Пример 2. Случайная величина Х задана функцией распределения:
|
0 |
|
при |
x 1, |
|
х 1 |
|
|
|
F x |
|
|
при |
1 х 2, |
3 |
|
|||
|
|
|
х 2. |
|
|
1 |
при |
Найти вероятность того, что в результате испытания Х примет значение, за-
ключенное в интервале (0, 1).
Решение: так как на интервале (0, 1) функция распределения |
F( x ) |
x 1 |
, |
|
|||
|
3 |
|
то на основании следствия 1 из свойства 2 имеем: Р(а Х<b)=F(b)– F(a).
P( 0 X 1 ) F 1 F 0 23 31 31 .
Пример 3. Задана плотность вероятности случайной величины Х
|
0 |
при |
x 0, |
|
|
при |
0 х 1, |
f x 2x |
|||
|
0 |
при |
х 1. |
|
Найти вероятность того, что в результате испытания Х примет значение,
принадлежащие интервалу (0,5; 1). |
|
|
Решение: на |
основании |
свойства функции плотности вероятности |
b |
|
|
P a X b f x dx F b F a |
имеем: |
|
a |
|
|
P 0,5 X 1 |
1 |
|
2хdx 0,75 . |
||
|
0,5 |
|
76
Пример 4. Найти математическое ожидание и дисперсию непрерывной слу-
чайной величины, если f x 2x на отрезке [0, 1].
b
Решение. Найдем математическое ожидание по формуле: M x xf x dx ;
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M x 2x2dx |
. |
|
Найдем |
|
|
|
|
|
|
|
дисперсию |
по |
формуле: |
||||||||||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
0 |
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
2 |
|
2 |
1 |
3 |
|
|
|
2 |
|
|
2 |
|
x |
|
|
1 |
|
2 |
|
2 |
|
1 |
|
|
||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
D x x f x dx M x |
2x dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
a |
|
|
|
|
|
0 |
|
|
|
3 |
|
|
|
4 |
|
0 |
|
3 |
|
|
18 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
Пример 5. |
Нормально распределенная случайная величина Х задана диф- |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
f x |
|
1 |
|
|
|
|
|
|
x 1 2 |
|
|
|
|
|
|
|
|
||||||||
ференциальной функцией |
|
|
|
e |
50 |
|
|
|
|
. Найти математическое ожидание |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
2 |
|
|
|
|
|
|
|
|
и дисперсию Х.
Ответ. М(Х)=1; D(Х)=25.
Пример 6. Случайная величина Х распределена по нормальному закону.
Математическое ожидание и среднее квадратическое отклонение этой величины соответственно равны 30 и 10. Найти вероятность того, что Х примет значение,
принадлежащее интервалу (10, 50)
Решение. Если случайная величина распределена по нормальному закону,
|
b |
a |
|||||
то |
P a X b |
|
|
|
|
, где Ф(х) – функция Лапласа (приложение |
|
|
|
||||||
|
|
|
|
|
|
|
50 30 |
|
|
10 30 |
|
|
|
3). P 10 X 50 |
|
|
|
|
|
|
2 2 2 0,4772 |
0.9544 |
|
|
|||||||
|
|
10 |
|
|
10 |
|
|
|
Примерные задания для самостоятельного решения
1. Случайная величина Х задана функцией распределения. Найти вероят-
ность того, что в результате испытания Х примет значение, заключенное в интер-
вале (2, 3).
77
|
|
0 |
при |
x 2, |
|
|
х |
|
|
|
|
F x |
1 |
при |
2 х 4, |
||
2 |
|||||
|
1 |
при |
х 4. |
||
|
|
||||
|
|
|
|
2. Задана плотность вероятности случайной величины Х
|
|
0 |
при |
x 0, |
f x |
3x2 |
при |
0 х 1, |
|
|
|
|
|
|
|
|
0 |
при |
х 1. |
|
|
Найти вероятность того, что в результате испытания Х примет значение,
принадлежащие интервалу ( 21 ; 1).
3. Найти математическое ожидание и дисперсию непрерывной случайной
величины на отрезке [0, 1], если f x x2 .
3
4. Математическое ожидание и среднее квадратическое отклонение нор-
мально распределенной случайной величины Х соответственно равны 10 и 2. Най-
ти вероятность того, что в результате испытания Х примет значение в интервале
(12, 14).
5. Автомат штампует детали. Контролируемая длина детали – случайная ве-
личина Х, которая распределена нормально с математическим ожиданием (про-
ектная длина), равным 50 мм и средним квадратическим отклонением ζ=3 мм.
Фактическая длина изготовленных деталей не мерее 32 мм и не более 68 мм. Най-
ти вероятность того, что длина взятой детали: а) больше 55 мм; б) меньше 40 мм. 6. Написать дифференциальную функцию нормально распределенной слу-
чайной величины Х, зная, что М(Х)=3, D(Х)=16.
7. В компьютерном классе средствами Excel построить функцию плотности распределения, полученную в задаче 6.
8. Случайная величина Х задана функцией распределения:
78
0, |
при x 0, |
||||
|
|
|
|
|
x 1, |
|
|
|
|||
F( x ) 3 x , |
при |
0 |
|||
1, |
при |
x |
1. |
||
|
|
|
|
1) Найти вероятность того, что в результате испытания Х примет значение,
заключенное в интервале (0, 1).
2)Найти функцию плотности распределения вероятностей.
9.Известно, что для человека pН крови является случайной величиной,
имеющей нормальное распределение с математическим ожиданием 7,4 и средним квадратическим отклонением 0,2. Найти вероятность того, что уровень рН нахо-
дится между 7,35 и 7,45 соответственно.
Контрольные вопросы
1.Непрерывная случайная величина.
2.Функция распределения случайной величины
3.Свойства функции распределения
4.Плотность распределения вероятностей.
5.Характеристики непрерывных случайных величин.
6.Нормальное распределение.
7.Вероятность попадания в заданный интервал нормальной случайной величи-
ны.
Теория
1.Лекция по теме «Задачи математической статистики. Генеральная и выборочная совокупности. Точечные оценки параметров распределения».
2.Павлушков И.В. и другие стр. 269-283.
79
Лабораторная работа 12.Статистическое распределение выборки. Точеч-
ные оценки параметров распределения.
Актуальность темы: математическая статистика – это раздел математики,
изучающий приближенные методы отыскания законов и числовых характеристик по результатам эксперимента.
Цель занятия: закрепить основные понятия математической статистики;
научиться строить полигоны и гистограммы; закрепить методику отыскания оце-
нок характеристик генеральной совокупности по данным выборки.
Целевые задачи:
знать: понятия генеральной и выборочной совокупности; способы графиче-
ского представления вариационных рядов; понятие точечных и интервальных оценок распределения; формулы оценок характеристик распределения.
уметь: строить полигоны и гистограммы статистических распределений;
вычислять точечные оценки характеристики распределения; находить интерваль-
ные оценки.
Краткие сведения из теоретического курса
Генеральная и выборочная совокупности
Статистическая совокупность представляет собой множество объектов, од-
нородных относительно некоторого качественного или количественного призна-
ка, характеризующего эти объекты.
Совокупность, состоящая из всех объектов, которые могут быть к ней отне-
сены, называется генеральной. Число объектов генеральной совокупности назы-
вают ее объемом и обозначают N. Генеральная совокупность может содержать конечное и бесконечное число элементов.
Вследствие того, что в большинстве случаев невозможно сплошное иссле-
дование всех объектов совокупности, из генеральной совокупности выбирают для изучения часть объектов. Множество объектов, случайно отобранных из ге-
неральной совокупности, называется выборочной совокупностью или выборкой.
Число выборки называется ее объемом и обозначается n. Чтобы свойства выборки
80
хорошо отражали свойства генеральной совокупности, выборка должна быть ре-
презентативной (представительной).
В зависимости от техники отбора объектов из генеральной совокупности выборки делятся на повторные и бесповторные. Если выборку отбирают по одному объекту, который исследуют и возвращают обратно, то выборка называется повторной. Если объекты выборки не возвращаются в генеральную совокупность, то выборка называется бесповторной. На практике обычно пользуются бесповторной выборкой.
Статистический дискретный ряд распределения
Пусть из генеральной совокупности извлечена выборка объемом n. Количе-
ственное значение изучаемого признака х1 появилось m1 раз, х2 – m2 раз,… хk –
k
mk раз. Причем mi n . Наблюдаемые значения хi называются вариантами, а i 1
последовательность вариант, записанную в возрастающем порядке, – вариацион-
ным рядом. Числа m1, m2, .. mk называют частотами (или весами), а их отношения к объему n выборки – относительными частотами:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
k |
|
i |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
||||
p*1 |
|
m1 |
; p*2 |
m2 |
;...;p*i |
mi |
;...;p*k |
mk |
, причем p*i |
|
mi |
|
|
1. |
|||||
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|||||||||||||
|
|
n |
n |
|
n |
|
|
n |
|
|
i 1 |
i 1 n |
|
n |
|
n |
|||
|
|
Таблицу, |
содержащую |
|
значения |
вариант признака и их частоты или |
|||||||||||||
относительные частоты, называется |
статистическим дискретным рядом |
||||||||||||||||||
распределения или статистическим распределением выборки. |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
Х |
|
х1 |
|
х2 |
|
|
…. |
|
|
|
хk |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
m |
|
m1 |
|
m2 |
|
|
… |
|
|
|
mk |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
p*=m/n |
|
p1* |
|
p2* |
|
|
|
|
|
|
pk* |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Статистический интервальный ряд распределения
В случае большого количества вариант и непрерывного распределения