Дискретная случайная величина не может быть задана способ

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:

Значения xi	x1	x2	x3	.	xn
Вероятности pi	p1	p2	p3	.	pn

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 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 2 или D(X) = M(X 2 )−[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:

Значения xi	0	10	50	100	500
Вероятности pi	0,915	0,05	0,02	0,01	0,005

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:

Значения xi	1	2	3	4	5	6
Вероятности pi	1/6	1/6	1/6	1/6	1/6	1/6

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) = С₃ 0 p 0 q 3-0 = q 3 = 0,9 3 = 0,729;
P₃(1) = С₃ 1 p 1 q 3-1 = 3*0,1*0,9 2 = 0,243;
P₃(2) = С₃ 2 p 2 q 3-2 = 3*0,1 2 *0,9 = 0,027;
P₃(3) = С₃ 3 p 3 q 3-3 = р 3 =0,1 3 = 0,001;
Проверка: ∑p_i = 0,729+0,243+0,027+0,001=1.

Таким образом, искомый биномиальный закон распределения Х имеет вид:

Значения xi	0	1	2	3
Вероятности pi	0,729	0,243	0,027	0,001

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 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:

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.

2012 © Лана Забродская. При копировании материалов сайта ссылка на источник обязательна

Источник

Дискретная случайная величина не может быть задана способ

Случайной называется величина, которая в результате испытания может принять то или иное числовое значение, причем заранее неизвестно, какое именно.

Если для какой- либо величины ее измерение повторять многократно в практически одинаковых условиях, то обнаружится, что всякий раз получаются несколько отличные друг от друга результаты. Это складывается влияние причин двух видов: 1) основных, определяющих главное значение результата; 2) второстепенных, обуславливающих их расхождение.

При совместном действии этих причин понятия необходимости и случайности оказываются тесно связанными между собой, но необходимое преобладает над случайным.

Таким образом, возможные значения случайных величин принадлежат некоторым числовым множествам.

Случайным является то, что на этих множествах величины могут принять любое значение, но какое именно, заранее сказать нельзя.

Случайная величина связана со случайным событием.

Если случайное событие — качественная характеристика испытаний, то случайная величина — его количественная характеристика.

Законы распределения могут быть заданы тремя способами: табличным, графическим, аналитическим. Способ задания зависит от типа случайной величины.

Различают два основных типа случайных величин: дискретные и непрерывно распределенные случайные величины.

Источник

Дискретные случайные величины

Случайной величиной называют переменную величину, которая в результате каждого испытания принимает одно заранее неизвестное значение, зависящее от случайных причин. Случайные величины обозначают заглавными латинскими буквами: $X,\ Y,\ Z,\ \dots $ По своему типу случайные величины могут быть дискретными и непрерывными.

Дискретная случайная величина — это такая случайная величина, значения которой могут быть не более чем счетными, то есть либо конечными, либо счетными. Под счетностью имеется ввиду, что значения случайной величины можно занумеровать.

Пример 1. Приведем примеры дискретных случайных величин:

а) число попаданий в мишень при $n$ выстрелах, здесь возможные значения $0,\ 1,\ \dots ,\ n$.

б) число выпавших гербов при подкидывании монеты, здесь возможные значения $0,\ 1,\ \dots ,\ n$.

в) число прибывших кораблей на борт (счетное множество значений).

г) число вызовов, поступающих на АТС (счетное множество значений).

1. Закон распределения вероятностей дискретной случайной величины.

Дискретная случайная величина $X$ может принимать значения $x_1,\dots ,\ x_n$ с вероятностями $p\left(x_1\right),\ \dots ,\ p\left(x_n\right)$. Соответствие между этими значениями и их вероятностями называется законом распределения дискретной случайной величины. Как правило, это соответствие задается с помощью таблицы, в первой строке которой указывают значения $x_1,\dots ,\ x_n$, а во второй строке соответствующие этим значениям вероятности $p_1,\dots ,\ p_n$.

$\begin<|c|c|>
\hline
X_i & x_1 & x_2 & \dots & x_n \\
\hline
p_i & p_1 & p_2 & \dots & p_n \\
\hline
\end$

Пример 2. Пусть случайная величина $X$ — число выпавших очков при подбрасывании игрального кубика. Такая случайная величина $X$ может принимать следующие значения $1,\ 2,\ 3,\ 4,\ 5,\ 6$. Вероятности всех этих значений равны $1/6$. Тогда закон распределения вероятностей случайной величины $X$:

$\begin<|c|c|>
\hline
1 & 2 & 3 & 4 & 5 & 6 \\
\hline
1/6 & 1/6 & 1/6 & 1/6 & 1/6 & 1/6 \\
\hline
\end$

Замечание. Поскольку в законе распределения дискретной случайной величины $X$ события $1,\ 2,\ \dots ,\ 6$ образуют полную группу событий, то в сумме вероятности должны быть равны единице, то есть $\sum=1$.

2. Математическое ожидание дискретной случайной величины.

Математическое ожидание случайной величины задает ее «центральное» значение. Для дискретной случайной величины математическое ожидание вычисляется как сумма произведений значений $x_1,\dots ,\ x_n$ на соответствующие этим значениям вероятности $p_1,\dots ,\ p_n$, то есть: $M\left(X\right)=\sum^n_$. В англоязычной литературе используют другое обозначение $E\left(X\right)$.

Свойства математического ожидания $M\left(X\right)$:

1. $M\left(X\right)$ заключено между наименьшим и наибольшим значениями случайной величины $X$.
2. Математическое ожидание от константы равно самой константе, т.е. $M\left(C\right)=C$.
3. Постоянный множитель можно выносить за знак математического ожидания: $M\left(CX\right)=CM\left(X\right)$.
4. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий: $M\left(X+Y\right)=M\left(X\right)+M\left(Y\right)$.
5. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: $M\left(XY\right)=M\left(X\right)M\left(Y\right)$.

Пример 3. Найдем математическое ожидание случайной величины $X$ из примера $2$.

Можем заметить, что $M\left(X\right)$ заключено между наименьшим ($1$) и наибольшим ($6$) значениями случайной величины $X$.

Пример 4. Известно, что математическое ожидание случайной величины $X$ равно $M\left(X\right)=2$. Найти математическое ожидание случайной величины $3X+5$.

Используя вышеуказанные свойства, получаем $M\left(3X+5\right)=M\left(3X\right)+M\left(5\right)=3M\left(X\right)+5=3\cdot 2+5=11$.

Пример 5. Известно, что математическое ожидание случайной величины $X$ равно $M\left(X\right)=4$. Найти математическое ожидание случайной величины $2X-9$.

Используя вышеуказанные свойства, получаем $M\left(2X-9\right)=M\left(2X\right)-M\left(9\right)=2M\left(X\right)-9=2\cdot 4-9=-1$.

3. Дисперсия дискретной случайной величины.

Возможные значения случайных величин с равными математическими ожиданиями могут по-разному рассеиваться вокруг своих средних значений. Например, в двух студенческих группах средний балл за экзамен по теории вероятностей оказался равным 4, но в одной группе все оказались хорошистами, а в другой группе — только троечники и отличники. Поэтому возникает необходимость в такой числовой характеристике случайной величины, которая бы показывала разброс значений случайной величины вокруг своего математического ожидания. Такой характеристикой является дисперсия.

Дисперсия дискретной случайной величины $X$ равна:

В англоязычной литературе используются обозначения $V\left(X\right),\ Var\left(X\right)$. Очень часто дисперсию $D\left(X\right)$ вычисляют по формуле $D\left(X\right)=\sum^n_—<\left(M\left(X\right)\right)>^2$.

Свойства дисперсии $D\left(X\right)$:

1. Дисперсия всегда больше или равна нулю, т.е. $D\left(X\right)\ge 0$.
2. Дисперсия от константы равна нулю, т.е. $D\left(C\right)=0$.
3. Постоянный множитель можно выносить за знак дисперсии при условии возведения его в квадрат, т.е. $D\left(CX\right)=C^2D\left(X\right)$.
4. Дисперсия суммы независимых случайных величин равна сумме их дисперсий, т.е. $D\left(X+Y\right)=D\left(X\right)+D\left(Y\right)$.
5. Дисперсия разности независимых случайных величин равна сумме их дисперсий, т.е. $D\left(X-Y\right)=D\left(X\right)+D\left(Y\right)$.

Пример 6. Вычислим дисперсию случайной величины $X$ из примера $2$.

Пример 7. Известно, что дисперсия случайной величины $X$ равна $D\left(X\right)=2$. Найти дисперсию случайной величины $4X+1$.

Используя вышеуказанные свойства, находим $D\left(4X+1\right)=D\left(4X\right)+D\left(1\right)=4^2D\left(X\right)+0=16D\left(X\right)=16\cdot 2=32$.

Пример 8. Известно, что дисперсия случайной величины $X$ равна $D\left(X\right)=3$. Найти дисперсию случайной величины $3-2X$.

Используя вышеуказанные свойства, находим $D\left(3-2X\right)=D\left(3\right)+D\left(2X\right)=0+2^2D\left(X\right)=4D\left(X\right)=4\cdot 3=12$.

4. Функция распределения дискретной случайной величины.

Способ представления дискретной случайной величины в виде ряда распределения не является единственным, а главное он не является универсальным, поскольку непрерывную случайную величину нельзя задать с помощью ряда распределения. Существует еще один способ представления случайной величины — функция распределения.

Функцией распределения случайной величины $X$ называется функция $F\left(x\right)$, которая определяет вероятность того, что случайная величина $X$ примет значение, меньшее некоторого фиксированного значения $x$, то есть $F\left(x\right)=P\left(X 6$, то $F\left(x\right)=P\left(X=1\right)+P\left(X=2\right)+P\left(X=3\right)+P\left(X=4\right)+P\left(X=5\right)+P\left(X=6\right)=1/6+1/6+1/6+1/6+1/6+1/6=1$.

График функции распределения $F\left(x\right)$:

Источник