Содержание

Задание 1. 3

Задание 2. 4

Задание 3. 5

Задание 4. 7

Задание 5. 10

Задание 6. 13

Список использованной литературы.. 19

ВАРИАНТ 6

Задание 1

Охотник стреляет три раза по удаляющейся цели. Вероятность попадания в цель в начале стрельбы равна 0,9, а после каждого выстрела уменьшается на 0,1. Найти вероятность того, что охотник попадет:

а) только один раз;

b) два раза;

с) не менее двух раз;

d) хотя бы один раз;

e) все три раза или все три раза промахнется.


Решение:

p1=0,9;  p2=0,8;  p3=0,7

Соответственно:

q1=0,1; q2=0,2; q3=0,3

k – число попаданий

а) только один раз:

Р(k=1)=0,9*0,2*0,3+0,1*0,8*0,3+0,1*0,2*0,7=0,092

b) два раза:

Р(k=2)=0,9*0,8*0,3+0,1*0,8*0,7+0,9*0,2*0,7=0,398

с) не менее двух раз:

Р(k>=2)= Р(к=2)+Р(к=3)= 0,398+0,9*0,8*0,7=0,902

d)  хотя бы один раз:

Р(k>=1)=1- Р(к=0)=1-0,1*0,2*0,3=0,994

е) все три раза или все три раза промахнется:

Р(k=3 или k=0)=1- Р(k=1)- Р(k=2)=1-0,092-0,398=0,51


Задание 2

Магазин торгует телевизорами двух марок А и В, пользующихся одинаковым спросом населения. За день торговли из имеющихся 4 телевизоров марки А и 6 телевизоров марки В было продано два телевизора. На следующий день магазин получил 6 телевизоров А и 4 телевизора марки В. За второй день торговли продали три телевизора.

1.     Определить вероятность того, что по крайней мере один из проданных во второй день телевизоров – марки А.

2.     Проданные во второй день – телевизоры марки А. Телевизоры каких марок вероятнее всего были проданы в первый день торговли?

Решение:

Вероятность продажи телевизора марки А в первый день:

Р1А=4/10

Тогда, вероятность после продажи двух телевизоров в первый день станет равной:

Р2А=4/10-4/10*4/10=6/25

Во второй день поступило 6 телевизоров А и 4 телевизора марки В, т.е. всего телевизоров стало 10-2+6+4=18. Значит, вероятность увеличилась на 6/18:

Р3А=6/25+6/18=43/75

Это вероятность продажи телевизора А во второй день.

1. Вероятность того, что по крайней мере один из проданных во второй день телевизоров – марки А:

P(k>=1)=1-P(k=0)=1-C30*(43/75)0*(32/75)3=0,922

2. Т.к. во второй день все проданные телевизоры марки А, то вероятность продажи телевизора А во второй день была высока, значит в первый день вероятнее всего телевизоры А не были проданы, т.е. проданы телевизоры марки В.

Задание 3

В среднем 20% пакетов акций на аукционе продаются по первоначально заявленной цене.

1.      Какова вероятность того, что из 5 наугад взятых пакетов акций будет продано по другой (не первоначально заявленной) цене:

а) ровно 3;

b) не менее 3;

с) не более 3;

d)хотя бы один пакет акций?

2.      Вычислить вероятность того, что из ста выставленных на аукционе пакетов акций по первоначально заявленной цене будет продано:

а) 18;

b) не менее 18;

с) не более 23;

d) не менее 15, но не более 25 пакетов акций.


Решение:

р=1-0,2=0,8 – вероятность того, что пакет акций будет продан по другой цене

1.  n=5 – число выбранных пакетов акций

k – число пакетов акций, проданных по другой цене

Используя формулу Бернулли Pn(k)=Ckn*pk*qn-k рассчитаем вероятности:

а) Р(k=3)= C53*0,83*0,22=0,2048

b) Р(k>=3)= Р(k=3)+ Р(k=4)+ Р(k=5)=0,2048+C54*0,84*0,21+ C55*0,85*0,20=

0,94208

с) Р(k<=3)=1- Р(k>=3)+ Р(k=3)=1-0,94208+0,2048=0,26272

d) P(k>=1)=1- P(k=0)=1- C50*0,80*0,25=0,99968

2. .  n=100– число выбранных пакетов акций

p=0,2 вероятность того, что пакет акций будет продан по первоначально заявленной цене

k – число пакетов акций, проданных по первоначально заявленной цене

a) Р(k=18)= C10018*0,218*0,882=0,7468

b) Р(k≥18)=Р(18,100)

Воспользуемся интегральной теоремой Лапласа:

P(k1, k2)=Ф(x2)-Ф(x1)

где Ф(x) - функция Лапласа[1]

x1=(k1-n*p)/√npq=(18-100*0,2)/√100*0,2*0,8= -0,5

x2=(k2-n*p)/√npq=(100-100*0,2)/√ 100*0,2*0,8=20

Ф(-0,5)= -0,1915

Ф(20)= 0,5

Значит, искомая вероятность равна:

P(18,100)=0,5+0,1915=0,6915

c) Р(k≤23)=Р(0,23)

P(k1, k2)=Ф(x2)-Ф(x1)

x1=(k1-n*p)/√npq=(0-100*0,2)/√100*0,2*0,8= -5

x2=(k2-n*p)/√npq=(23-100*0,2)/√ 100*0,2*0,8=0,75

Ф(-5)= -0,5

Ф(0,75)=0,2734

Значит, искомая вероятность равна:

P(0,23)=0,2734+0,5=0,7734

d) Р(15≤k≤25)=P(15, 25)

P(k1, k2)=Ф(x2)-Ф(x1)

x1=(k1-n*p)/√npq=(15-100*0,2)/√100*0,2*0,8= -1,25

x2=(k2-n*p)/√npq=(25-100*0,2)/√ 100*0,2*0,8=1,25

Ф(-1,25)= -0,3944

Ф(1,25)=0,3944

Значит, искомая вероятность равна:

P(15, 25)=0,3944+0,3944=0,7888

Задание 4

В партии из 10 изделий содержится 3 бракованных. Для проверки качества изделий контролер из всей партии наугад выбирает одновременно три изделия. Рассматривается случайная величина (с.в.) ξ – число бракованных изделий, содержащихся в выборке.

1. Составить ряд распределения с.в. ξ и представить его графически.

2. Найти функцию распределения с.в. ξ и построить его график.

3. Вычислить математическое ожидание (среднее значение) М ξ, дисперсию D ξ и среднее квадратическое (стандартное) отклонение σ (ξ).

4. Определите вероятности:

а) Р {ξ < М ξ };

b) Р {ξ < М ξ +1};

c) Р {|ξ - М ξ| < σ (ξ)}.


Решение:

1. n=3 – число выбранных изделий

 k – число бракованных изделий среди выбранных

p=3/10=0,3 – вероятность попадания бракованного изделия

q=7/10=0,7 – вероятность попадания исправного изделия

Р (k=0) = C30*(0,3)0*(0,7)3=0,343

Р (k=1) = C31*(0,3)1*(0,7)2=0,441

Р (k=2) = C32*(0,3)2*(0,7)1=0,189

Р (k=3) = C33*(0,3)3*(0,7)0=0,027

Ряд распределения с.в. ξ:

 ξ

 Р

0

0,343

1

0,441

2

0,189

3

0,027

 

1


и его графическое представление:


2. Функция распределения с.в. ξ:

 F(x)=P(X-x)

F(x)

x

 0

x<=0

0,343 

0<x<=1

 0,784

1<x<=2

 0,973

2<x<=3

1

x>3


Его графическое представление:


3.

ξ

Р

ξ *Р

ξ2

ξ2* Р

0

0,343

0

0

0

1

0,441

0,441

1

0,441

2

0,189

0,378

4

0,756

3

0,027

0,081

9

0,243

Сумма:

1

0,9

-

1,44

Математическое ожидание (среднее значение):

М ξ=∑ξ *Р=0,9

Дисперсия:

D ξ= М (ξ2) – (М ξ)2=∑ ξ2* Р - (М ξ)2=1,44-0,92=0,63

Среднее квадратическое (стандартное отклонение):

σ(ξ)=√Dξ=√0,63=0,7


4. а) Р {ξ < М ξ }= Р {ξ < 0,9}= Р (ξ =0)= 0,343

b) Р {ξ < М ξ +1}= Р {ξ < 1,9}= Р (ξ =0)+ Р (ξ =1)=

=0,343+0,441=0,784

c) Р {|ξ - М ξ| < σ (ξ)}= Р {|ξ – 0,9| < 0,7}= Р (ξ =1)= 0,441


Задание 5

Время ξ (в мин.) между прибытием двух автомашин к светофору является случайным с плотностью распределения:

p(x)=     c*e-x/2, если x>=0

0, если x<0

1. Установить неизвестную постоянную С и построить график функции p(x).

2. Найти функцию распределения с.в. ξ и построить ее график.

3. Вычислить математическое ожидание (среднее значение) М ξ, дисперсию D ξ и среднее квадратическое (стандартное) отклонение σ (ξ).

4. Во сколько раз число прибывших к светофору автомашин со временами между прибытиями больше среднего превосходит число автомашин со временами между прибытиями меньше среднего?


Решение:

1. Для определения коэффициента С воспользуемся формулой:

-∞+∞∫f(x)dx=1

Так как f(x) на разных интервалах задана различными выражениями, то интеграл -∞+∞∫f(x)dx разбиваем на два интервала:

-∞+∞∫f(x)dx=-∞0∫0dx+0+∞∫С*e-x/2dx=1

Отсюда   0+∞∫С*e-x/2dx=1

-2*С* e-x/20+∞=1

2*С=1

Следовательно: С=1/2

В силу этого плотность вероятности запишется:

p(x)=  e-x/2/2, если x>=0

0, если x<0



2. Чтобы найти функцию распределения с.в. ξ используем формулу:

F(x)= -∞x∫f(x)dx

Если x<=0, то f(x)=0, следовательно,

F(x)= -∞x∫0dx=0

Если x>0, то

F(x)= -∞0∫0dx + 0x∫ e-x/2/2 dx=  0x∫e-x/2/2 dx= -e-x/20x=1- e-x/2

Итак:

F(x)=  1- e-x/2, если x>=0

0, если x<0


3. Воспользуемся формулами:

M(X)= -∞+∞∫x*f(x) dx   и  D(X)= -∞+∞∫x2*f(x) dx – [M(X)]2;

M(X)= -∞+∞∫x*f(x) dx=-∞0∫0dx+0+∞∫x*e-x/2 /2dx= -x*e-x/2 -2*e-x/120+∞=2

D(X)= -∞+∞∫x2*f(x) dx – 22=-∞0∫x2*0dx+0+∞∫x2*e-x/2 /2dx-22=

-x2*e-x/17 -4x*e-x/17 - 8e-x/170+∞-22=8-22=4

Cреднее квадратическое (стандартное) отклонение σ (ξ):

σ (x)= √D(X)=2

4. Вероятность того, что число прибывших к светофору автомашин со временами между прибытиями меньше среднего:

р(x<17)= -∞2∫f(x)dx=02∫ e-x/2/2 dx =-e-x/202=1-е-1

и больше среднего:

р(x>17)= 2∫f(x)dx=2∫ e-x/2/2 dx = -e-x/22= е-1

Значит, число прибывших к светофору автомашин со временами между прибытиями меньше среднего превосходит число автомашин со временами между прибытиями больше среднего в:

р(x<17)/ р(x>17)= (1-е-1)/ е-1=е-1=1,71828 раз

Задание 6

При измерении веса 25 упаковок сильнодействующего лекарственного препарата были обнаружены следующие отклонения (в гр.) от указанного на обертке:

-24.34, -14.59, -18.27, -8.94, -15.09, -10.94, 4.47, 3.05, -8.33, -22.98, 1.75, -32.07, -7.43, -18.63, -12.97, -11.08, -7.44, -1.70, 6.34, -11.08, -11.12, -15.90, -10.26, -8.07, -6.48.

Необходимо:

1. Определить исследуемый признак и его тип (дискретный или непрерывный).

2. В зависимости от типа признака построить полигон или гистограмму относительных частот.

3. На основе визуального анализа полигона (гистограммы) сформулировать гипотезу о законе распределения признака.

4. Вычислить выборочные характеристики изучаемого признака: среднее, дисперсию, среднее квадратическое (стандартное) отклонение.

5. Используя критерий согласия «хи-квадрат» Пирсона, проверить соответствие выборочных данных выдвинутому в п.3 закону распределения при уровне значимости 0,05.

6. Для генеральной средней и дисперсии построить доверительные интервалы, соответствующие доверительной вероятности 0,95.

7. С надежностью 0,95 проверить гипотезу о равенстве:

а) генеральной средней значению -10;

б) генеральной дисперсии значению 100.


Решение:

1. Тип исследуемого признака непрерывный, т.к. все значения встречаются ровно по одному разу и распределены в интервале от -32.07 до 6.34 гр.

2. Т.к. тип признака непрерывный, то весь интервал, в котором заключены все наблюдаемые значения признака разобьем на ряд частичных интервалов длины h=5 и найдем mi – сумму частот вариант, попавших в i-й интервал:

Номер интервала

Частичный интервал

Частоты

Относительные частоты

Плотности относительных частот

i

xi-1  -  xi

mi

wi= mi /∑mi

wi/h

1

< -25

1

0,04

0,008

2

-25 - -20

2

0,08

0,016

3

-20 - -15

4

0,16

0,032

4

-15 - -10

7

0,28

0,056

5

-10 - -5

6

0,24

0,048

6

-5 - 0

1

0,04

0,008

7

0 - 5

3

0,12

0,024

8

>5

1

0,04

0,008

Сумма:

-

25

1

 

Построим гистограмму:

3. На основе визуального анализа гистограммы можно сделать предположение  о нормальном распределении признака, т.е.:

где а – математическое ожидание, σ – среднее квадратическое ожидание.

4. Серединные значения интервалов рассчитаны как xi*= (xi+ xi-1)/2


Номер интервала

Середины частичных интервалов

Сумма частот вариант частичного интервала

xi**mi

xi* 2

xi* 2* mi

i

xi*

mi

1

-27,5

1

-27,5

756,25

756,25

2

-22,5

2

-45

506,25

1012,5

3

-17,5

4

-70

306,25

1225

4

-12,5

7

-87,5

156,25

1093,75

5

-7,5

6

-45

56,25

337,5

6

-2,5

1

-2,5

6,25

6,25

7

2,5

3

7,5

6,25

18,75

8

7,5

1

7,5

56,25

56,25

 

 

25

-262,5

 

4506,25


Вычислим выборочные характеристики изучаемого признака: среднее значение (MX) , дисперсию, среднее квадратическое (стандартное) отклонение:

xсрвыб = ∑ xi**mi /n= -262,5/25= -10,5

Dвыб= x*2cp -xсрвыб 2=∑ xi*2* mi / n - xсрвыб 2=4506,25/25-10,52=70

σвыб=√70=8,366

5. Найдем исправленную выборочную дисперсию s2:

s2=n/n-1 * Dвыб=25/24 * 70=72,917

и исправленное выборочное среднее квадратическое отклонение:

s=8,54

Найдем теоретические частоты mi:

mi=n*h/s *φ(ti*)=25*5/8,54*φ(ti*)=14,64*φ(ti*)[2],

где ti*= (xi*- xсрвыб)/s

Составим расчетную таблицу для нахождения теоретических частот:

i

xi*

ti*= (xi*- xсрвыб)/s

φ(ti*)

mi=n*h/s *φ(ti*)

1

-27,5

-1,99

0,0551

0,81

2

-22,5

-1,41

0,1476

2,16

3

-17,5

-0,82

0,285

4,17

4

-12,5

-0,23

0,3885

5,69

5

-7,5

0,35

0,3752

5,49

6

-2,5

0,94

0,2565

3,75

7

2,5

1,52

0,1257

1,84

8

7,5

2,11

0,0431

0,63


Затем составим расчетную таблицу для вычисления наблюдаемого значения критерия χ2набл.:

i

mi

mi

mi - mi

(mi - mi)2

(mi - mi)2/ mi

1

1

0,81

0,19

0,04

0,05

2

2

2,16

-0,16

0,03

0,01

3

4

4,17

-0,17

0,03

0,01

4

7

5,69

1,31

1,72

0,30

5

6

5,49

0,51

0,26

0,05

6

1

3,75

-2,75

7,59

2,02

7

3

1,84

1,16

1,35

0,73

8

1

0,63

0,37

0,14

0,22






χ2набл=3,38


По таблице критических точек распределения χ2кр(α,s)[3] при заданном уровне значимости α=0,05 и числе степеней свободы s=k-3=8-3=5 находим критическую точку правосторонней критической области:

χ2кр= χ2кр(0,05;5)=11,1

Так как χ2набл < χ2кр, то по данным выборки нет оснований отвергать гипотезу о нормальном распределении признака X в генеральной совокупности.

6. Т.к. генеральная совокупность распределена нормально, то для построения доверительного интервала генеральной средней можно воспользоваться формулой:

xсрвыб - tγ(s/√n)< xсрген< xсрвыб + tγ(s/√n),

где s - исправленное выборочное среднее квадратическое отклонение, равное 8,54 (см. п.5);

tγ находят по таблице[4] по заданным n и γ

γ=0,95 (по условию)

t(0.95, 25)=2,064

tγ*(s/√n)= 2,064*8,54/√25=3,53

xсрвыб = -10,5 (см. п.4)

Тогда искомый интервал имеет вид:

-10,5-3,53< xсрген<-10,5+3,53

-14,03< xсрген<-6,97

Чтобы построить доверительный интервал генеральной дисперсии сначала найдем доверительный интервал среднего квадратического отклонения по формуле:

s(1-q) <σген< s(1+q)  (при q<1),

         0< σген< s(1+q)  (при q>1),

где q находят по таблице[5] по данным n и γ

q(0.95, 25)=0,32

Доверительный интервал среднего квадратического отклонения:

8,54*(1-0,32) <σген<8,54*(1+0,32)

5,807<σген<11,273

Тогда доверительный интервал генеральной дисперсии имеет вид:

5,8072<Dген<11,2732

33,72<Dген<127,08

7. а) Т.к. доверительный интервал генеральной средней -14,03< xсрген<-6,97 включает значение -10, то с надежностью 0,95 можно утверждать о правильности гипотезы.

б) Т.к. доверительный интервал генеральной  дисперсии  33,72<Dген<127,08 включает значение 100, то с надежностью 0,95 можно утверждать о правильности гипотезы.






Список использованной литературы

1.     Гмурман В.Е./ Теория вероятностей и математическая статистика. М.: Высшая школа, 2002

2.     Гмурман В.Е./ Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002

3.     Колемаев В.А., Староверов О.В., Турундаевский В.Б./ Теория вероятностей и математическая статистика. М.: Высшая школа, 1991

4.     Семенов А.Т. /Теория вероятностей и математическая статистика: Учебно-методический комплекс. – Новосибирск: НГАЭиУ, 2003

5.     Семенов А.Т. /Теория вероятностей: Учебное пособие. – Новосибирск: НГАЭиУ, 2003



[1] Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002. Прил. 2, С. 390.

[2] Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002. Прил. 1, С. 388

[3] Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002. Прил. 5, С. 393.


[4] Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002. Прил. 3, С. 392.


[5] Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 2002. Прил. 4, С. 392.