Теория вероятности

Задача 6. Три экзаменатора принимают экзамен по некоторому предмету у группы в 30 человек, причем первый опрашивает 6 студентов, второй — 3 студентов, а третий — 21 студента (выбор студентов производится случайным образом из списка). Отношение трех экзаменаторов к слабо подготовившимся различное: шансы таких студентов сдать экзамен у первого преподавателя равны 40%, у второго — только 10%, у третьего — 70%. Найти вероятность того, что слабо подготовившийся студент  сдаст экзамен.

Решение. Обозначим через гипотезы, состоящие в том, что слабо подготовившийся студент отвечал первому, второму и третьему экзаменатору соответственно. По условию задачи

,  ,  .

Пусть событие A={слабо подготовившийся студент сдал экзамен}. Тогда снова в силу условия задачи

,  ,  .

По формуле полной вероятности получаем:

.

Задача 7.  Фирма имеет три источника поставки комплектующих – фирмы А, B, С. На долю фирмы А приходится 50% общего объема поставок, В – 30% и С – 20%. Из практики известно, что среди поставляемых фирмой А деталей 10% бракованных, фирмой В – 5% и фирмой С – 6%. Какова вероятность, что взятая наугад деталь окажется годной?

Решение. Пусть событие G – появление годной детали. Вероятности гипотез о том, что деталь поставлена фирмами А, B, С, равны сответственно Р(А)=0,5, Р(В)=0,3, Р(С)=0,2. Условные вероятности появления при этом годной детали  равны Р(G|A)=0,9, P(G|B)=0,95, P(G|C)=0,94 (как вероятности противоположных событий к появлению бракованной). По формуле полной вероятности получаем:

P(G)=0,5×0,9+0,3×0,95+0,2×0,94=0,923.

Задача 8 (см. задачу 6). Пусть известно, что студент не сдал экзамен, т.е. получил оценку «неудовлетворительно». Кому из трех преподавателей вероятнее всего он отвечал?

Решение. Вероятность получить «неуд» равна . Требуется вычислить условные вероятности. По формулам Байеса получаем:

,   и  аналогично,

,  .

Отсюда следует, что, вероятнее  всего, слабо подготовившийся студент  сдавал экзамен третьему экзаменатору.

 

4. Повторные независимые  испытания. Теорема Бернулли

 

Задача  1. Игральная кость брошена 6 раз. Найти вероятность того, что ровно 3 раза выпадет «шестерка».

Решение. Шестикратное бросание кости можно рассматривать как последовательность независимых испытаний с вероятностью успеха («шестерки»), равной 1/6, и вероятностью неудачи — 5/6. Искомую вероятность вычисляем по формуле .

Задача  2. Монета бросается 6 раз. Найти вероятность того, что герб выпадет не более, чем 2 раза.

Решение. Искомая вероятность равна сумме вероятностей трех событий, состоящих в том, что герб не выпадет ни разу, либо один раз, либо два раза:

Р(А) = Р₆(0) + Р₆(1) + Р₆(2) = .

Задача 3. Аудитор обнаруживает финансовые нарушения у проверяемой фирмы с вероятностью 0,9. Найти вероятность того, что среди 4 фирм-нарушителей будет выявлено больше половины.

Решение. Событие состоит в том, что из 4 фирм-нарушителей будет выявлено три или четыре, т.е.

.

Задача 4. Монета подбрасывается 3 раза. Найти наиболее вероятное число успехов (выпадений герба).

Решение. Возможными значениями  для числа успехов в трех рассматриваемых испытаниях являются m = 0, 1, 2 или 3. Пусть A_m - событие, состоящее в том, что при трех подбрасываниях монеты герб появляется m раз. По формуле Бернулли легко найти вероятности событий A_m (см. таблицу):

m	0	1	2	3
Pn(m)	1/8	3/8	3/8	1/8

Из этой таблицы видно, что наиболее вероятными значениями являются числа 1 и 2 (их вероятности  равны 3/8). Этот же результат можно получить и из теоремы 2. Действительно, n=3, p=1/2, q=1/2. Тогда

, т.е.  .

Задача 5. В результате каждого визита страхового агента договор заключается с вероятностью 0,1. Найти наивероятнейшее число заключенных договоров после 25 визитов.

Решение. Имеем n=10, p=0,1, q=0,9. Неравенство для наиболее вероятного числа успехов принимает вид:  25×0,1–0,9£m*£25×0,1+0,1 или 1,6£m*£2,6. У этого неравенства только одно целое решение, а именно, m*=2.

Задача 6. Известно, что процент брака для некоторой детали равен 0,5%. Контролер проверяет 1000 деталей. Какова вероятность обнаружить ровно три бракованные детали? Какова вероятность обнаружить не меньше трех бракованных деталей?

Решение. Имеем 1000 испытаний Бернулли с вероятностью «успеха» р=0,005. Применяя пуассоновское приближение с λ=np=5, получаем

1)   P₁₀₀₀(3)» ; 

2) P₁₀₀₀(m³3)=1-P₁₀₀₀(m<3)=1-[ ]»1- ,

и Р₁₀₀₀(3)»0,14;  Р₁₀₀₀(m³3)»0,875.

Задача 7. Вероятность покупки при посещении клиентом магазина составляет р=0,75. Найти вероятность того, что при 100 посещениях клиент совершит покупку ровно 80 раз.

Решение.  В данном случае n=100, m=80, p=0,75, q=0,25. Находим , и определяем j(x)=0,2036, тогда искомая вероятность равна Р₁₀₀(80)= .

Задача 8. Страховая компания заключила 40000 договоров. Вероятность страхового случая по каждому из них в течение года составляет 2%. Найти вероятность, что таких случаев будет не более 870.

Решение. По условию задачи n=40000,  p=0,02. Находим np=800, . Для вычисления Р(m£870) воспользуемся интегральной теоремой Муавра-Лапласа:

Р(0<m£870)= Ф₀(х₂) –Ф₀(х₁), где и .

Находим по таблице значений функции Лапласа:

Р(0<m£870)=Ф₀(х₂)–Ф₀(х₁)=Ф₀(2,5)–Ф₀(–28,57)=0,4938+0,5=0,9938.

Задача 9. Вероятность появления события в каждом из 400 независимых испытаний равна 0,8. Найти такое положительное число e, чтобы с вероятностью 0,99 абсолютная величина отклонения относительной частоты появления события от его вероятности не превышала e.

Решение. По условию задачи  p=0,8, n=400. Используем следствие из интегральной теоремы Муавра-Лапласа: . Следовательно, . По таблице для функции Лапласа определяем . Отсюда  e=0,0516.

Задача 10. Курс акции за день может подняться на 1 пункт с вероятностью 50%, опуститься на 1 пункт с вероятностью 30% и остаться неизменным с вероятностью 20%. Найти вероятность того, что за 5 дней торгов курс поднимется на 2 пункта.

Решение. Возможны только следующие два варианта развития событий:

1) курс растет 2 дня,  ни разу не падает, не меняется 3 дня;

2) курс растет 3 дня, падает 1 день, не меняется 1 день.

Таким образом,

 

5. Дискретные случайные величины

 

Задача 1. В связке из 3 ключей только один ключ подходит к двери. Ключи перебирают до тех пор, пока не отыщется подходящий ключ. Построить закон распределения для случайной величины x – числа опробованных ключей.

Решение. Число опробованных ключей может равняться 1, 2 или 3. Если испытали только один ключ, это означает, что этот первый ключ сразу подошел к двери, а вероятность такого события равна 1/3. Итак, Далее, если опробованных ключей было 2, т.е. x=2, это значит, что первый ключ не подошел, а второй – подошел. Вероятность этого события равна 2/3×1/2=1/3. То есть, Аналогично вычисляется вероятность В результате получается следующий ряд распределения:

 

x	1	2	3
P	1/3	1/3	1/3

Задача 2. Построить функцию распределения F_x(x) для случайной величины x  из задачи 1.

Решение. Случайная величина x имеет три значения 1, 2, 3, которые делят всю числовую ось на четыре промежутка: . Если x<1, то неравенство x£x невозможно (левее x нет значений случайной величины x) и значит, для такого x функция F_x(x)=0.

Если 1£x<2, то неравенство x£x возможно только если x=1, а вероятность такого события равна 1/3, поэтому для таких x функция распределения F_x(x)=1/3.

Если 2£x<3, неравенство x£x означает, что или x=1, или x=2, поэтому в этом случае вероятность P(x<x)=P(x=1)+P(x=2)=2/3, т.е. F_x(x)=2/3.

И, наконец, в случае x³3 неравенство x£x выполняется для всех значений случайной величины x, поэтому P(x<x)=P(x=1)+P(x=2)+P(x=3)=1, т.е. F_x(x)=1. 

Итак, мы получили следующую  функцию:

Задача 3. Совместный закон распределения случайных величин x и h задан c помощью таблицы

x               h	1	2
–1	1/16	3/16
0	1/16	3/16
1	1/8	3/8

 

Вычислить частные законы распределения  составляющих величин x и h. Определить, зависимы ли они. Вычислить вероятность .

Решение. Частное распределение для x получается суммированием вероятностей в строках:

;

;

.

Аналогично получается частное  распределение для h:

;

.

Полученные вероятности можно записать в ту же таблицу напротив соответствующих значений случайных величин:

 

x               h	1	2	px
–1	1/16	3/16	1/4
0	1/16	3/16	1/4
1	1/8	3/8	1/2
ph	1/4	3/4	1

 

Теперь ответим на вопрос о независимости  случайных величин x и h. С этой целью для каждой клетки совместного распределения вычислим произведение (т.е. сумм по соответствующей строке и столбцу) и сравним его со значением вероятности в этой клетке. Например, в клетке для значений x=-1 и h=1 стоит вероятность 1/16, а произведение соответствующих частных вероятностей 1/4×1/4 равно 1/16, т.е. совпадает с совместной вероятностью. Это условие так же проверяется в оставшихся пяти клетках, и оно оказывается верным во всех. Следовательно, случайные величины  x и h независимы.

Заметим, что если бы наше условие  нарушалось хотя бы в одной клетке, то величины следовало бы признать зависимыми.

Для вычисления вероятности  отметим клетки, для которых выполнено условие . Таких клеток всего три, и соответствующие вероятности в этих клетках равны 1/8, 3/16, 3/8. Их сумма равна 11/16, это и есть искомая вероятность. Вычисление этой вероятности можно записать так:

 

Задача 4. Пусть случайная величина ξ имеет следующий закон распределения:

 

x	–1	0	2
P	1/4	1/4	1/2

Вычислить математическое ожидание Mx, дисперсию Dx и среднеквадратическое отклонение s.

Решение. По определению математическое ожидание x равно

.

Далее

,

а потому

.

Среднее квадратическое отклонение .

Задача 5. Для пары случайных величин из задачи 3 вычислить .

Решение. Воспользуемся формулой . А именно, в каждой клетке таблицы выполняем умножение соответствующих значений и , результат умножаем на вероятность p_ij, и все это суммируем по всем клеткам таблицы. В итоге получаем:

Задача 6. Для пары случайных величин из задачи 3 вычислить ковариацию cov(x,h).

Решение. В предыдущей задаче уже было вычислено математическое ожидание . Осталось вычислить и . Используя полученные в решении задачи 3 частные законы распределения, получаем

; ;

и значит,

,

чего и следовало ожидать  вследствие независимости случайных  величин.

Задача 7. Случайный вектор (x,h) принимает значения (0,0), (1,0), (–1,0), (0,1) и (0,–1) равновероятно.  Вычислить ковариацию случайных величин x и h. Показать, что они зависимы.

Решение. Поскольку Р(x=0)=3/5, P(x=1)=1/5, P(x=–1)=1/5;  Р(h=0)=3/5, P(h=1)=1/5, P(h=–1)=1/5, то Мx=3/5´0+1/5´1+1/5´(–1)=0 и Мh=0;

М(xh)=0´0´1/5+1´0´1/5–1´0´1/5+0´1´1/5–0´1´1/5=0.

Получаем cov(x,h)=М(xh)–МxМh=0, и случайные величины некоррелированны. Однако они зависимы. Пусть x=1, тогда условная вероятность события {h=0} равна Р(h=0|x=1)=1 и не равна безусловной Р(h=0)=3/5, или вероятность {ξ=0,η=0} не равна произведению вероятностей: Р(x=0,h=0)=1/5¹Р(x=0)Р(h=0)=9/25. Следовательно, x и h зависимы.