ГЛАВА 1.

ОСНОВНІ ПОНЯТТЯ ТА ТЕОРЕМИ ТЕОРІЇ

ЙМОВІРНОСТЕЙ

1.1. Події, операції над подіями

Стохастичним експериментом називається експеримент,

який можна неодноразово повторювати за деяких незмінних умов і
результат якого передбачити заздалегідь неможливо. Подія – це
будь-який результат стохастичного експерименту. Події бувають:
елементарні, випадкові, неможливі, вірогідні. Елементарні події –
це логічно єдино можливі результати експерименту, які взаємно
виключають один одного. Кожному стохастичному експерименту
ставиться у відповідність простір елементарних подій ,
елементами якого є елементарні події . Кожна випадкова подія А
інтерпретується як підмножина простору елементарних подій .
Неможлива подія – це порожня множина. Вірогідна подія – це
весь простір .
Подія А відбулася, якщо відбулася будь-яка подія А. Над
подіями виконують такі операції.
1. Об’єднання подій АВ – це подія, яка відбувається, якщо
відбувається хоча б одна з подій А або В. Об’єднувати можна і
нескінченну кількість подій. Результат цієї операції позначають

через  A n.
n 1
2. Перетин подій АВ – це подія, яка відбувається, якщо
відбувається і подія А, і подія В. Перетинати можна і нескінченну

кількість подій. Результат цієї операції позначають через  A n.
n 1
Дві події називаються несумісними, якщо АВ=, тобто
вони одночасно не відбуваються.
Події А1, А2, ..., Аn утворюють повну групу подій:

а) якщо  A i = ;
i 1
б) якщо АiАj=, ij; такі події називаються попарно
несумісними.

5
 3. Доповнення події A (протилежна до А подія). Кожній
події А можна поставити у відповідність протилежну подію А , яка
відбувається тоді, коли А не відбувається. Очевидно, A  A   та
A  A  .
4. Різниця А \ В подій – це подія, що відбувається тоді, коли
відбувається подія А і не відбувається подія В. Очевидно, що A =
= \ A.
Включення (АВ). АВ означає, що подія В відбулася, якщо
відбулася подія А. Тобто з появи події А випливає поява події В.
Непорожня система підмножин f множини  називається
алгеброю подій, якщо вона замкнена відносно операцій об’єднання
та доповнення. Це означає:
А1.   f ;
А2.  Аf,  Вf  АВf;
А3.  Аf  A f.
Якщо система підмножин f має нескінченну кількість подій,
то замкненість операції об’єднання узагальнюється так: для будь-

яких подій А1, А2, ..., Аn,...  f   A i f. У такому разі система
i 1
підмножин f називається σ-алгеброю подій.

Простір елементарних подій , на якому введена алгебра

подій f (або  -алгебра), називається вимірним простором, який
позначається через , f  .

Приклади розв’язання задач

Задача 1.1. Нехай подія Аi={і – група, яка в даний момент

часу перебуває на заняттях}, і=1,2,3. Описати події: 1) А1А2А3;
2) А1А2 A 3; 3) А1А2А3; 4) A1  A2  A3 ;
5) (А1 A 2 A 3)( A 1А2 A 3)( A 12А3).
Розв’язання.
1. Подія А1А2А3 означає, що всі групи в даний момент
часу знаходяться на заняттях.

6
 2. Подія А1А23 означає, що лише перша та друга групи
знаходяться на заняттях.
3. Подія А1А2А3 означає, що принаймні одна з груп
знаходиться на заняттях.
4. Подія A1  A2  A 3 є протилежною до події А1А2 A3 .
Вона означає, що жодна група не знаходиться на заняттях.
5. Подія (А1 A 2 A 3)( A 1А2 A 3)( A 1 A 2А3)
означає, що в даний момент часу лише одна з груп знаходиться на
заняттях.
Задача 1.2. На електричній схемі (рис. 1.1):

b c

Рис. 1.1

вихід з ладу елемента a – це подія А, елемента b – подія В, елемента

с – подія С. Через події А, В, C записати події D ={схема не
працює} та .
Розв’язання. Схема не буде працювати, якщо вийде з ладу
елемент а та принаймні один з елементів b або c, тому
D =A(BC).
Відповідно, якщо схема працює, то працюють елемент а або
елементи b та c разом. Тому
D = A ( B  C ).
Задача 1.3. По мішені зроблено два постріли. Розглянемо
події: А0={промах у кожному пострілі}, А1={одне влучення},
А2={два влучення}. Чи утворюють ці події повну групу?
Розв’язання. Ці події утворюють повну групу подій тому, що
вони попарно несумісні АiAj =, ij. Крім того А0А1А2=,
тобто подія вірогідна.

7
 Задачі

Група А

1.1. Нехай події А та В означають влучення кулі відповідно у

мішені А та В (рис. 1.2).

B
A

Рис. 1.2

Описати події АВ, АВ, A , А B , A В, A  B , A  B .

Зробити геометричну інтерпретацію відповідей.
1.2. Нехай події А, В, C означають виконання вправ бойової
стрільби курсантами А, В, С відповідно. Описати такі події:
АВC, А B  C , АВC, A  B  C , A  B  C .
1.3. На електричній схемі (рис. 1.3):
a1 a2

b1 b2

c1 c2

Рис. 1.3

подія Аі означає роботу елемента аі, і =1,2; подія Bі – роботу

елемента bі, і =1,2; подія Сі – роботу елемента сі, і =1,2. Записати
події D = {схема працює} та D .
1.4. На електричній схемі (рис. 1.4):

8
 b1

a b2

b3
b3

Рис. 1.4
вихід з ладу елемента а – це подія А, елементів bк – подія Bk,
k =1, 2, 3. Записати події C = {схема не працює}, C .
1.5. Проведено радіолокаційне спостереження за групою, яка
складається з чотирьох літаків. Розглянемо події: А = {виявлено
один літак}, B = {виявлено принаймні один літак}, C = {виявлено
не менше двох літаків}, D = {виявлено два літаки}, E = {виявлено
три літаки}, F = {виявлено чотири літаки}. Описати події: 1) АВ;
2) АВ; 3) ВC; 4) ВC; 5) D EF; 6) ВF.
1.6. По мішені зроблено два постріли. Розглянемо події:
А1={принаймні одне влучення}, А2={принаймні один промах}. Чи
утворюють ці події повну групу?
1.7. По мішені зроблено три постріли. Нехай подія
Аk={отримано рівно k влучень у мішень}, k =0,1,2,3. Чи утворюють
події Аk повну групу?
1.8. Протягом деякого часу експлуатують два прилади.
Розглянемо події: А1={прилади працюють}, А2 ={один з приладів
працює, а другий – ні}, А3 ={прилади не працюють}. Чи утворюють
ці події повну групу?
1.9. В однакових умовах передають три повідомлення
однакової довжини. Розглянемо події: B1={спотворено перше
повідомлення}, B2={спотворено друге повідомлення},
B3={спотворено третє повідомлення}. Чи утворюють ці події повну
групу?
1.10. Два шахісти грають одну партію. Розглянемо події:
А={виграє перший шахіст}, B ={виграє другий шахіст}. Яку подію

9
необхідно додати до означеної сукупності подій, щоб утворилася
повна група подій?
Група Б

1.11. Довести, що для будь-яких подій А, В і C мають місце

співвідношення:
1) A  B = A  B , A  B  A  B (правила де Моргана);
2) (АВ)C=(АC)(ВC);
3)  A  B   C   A  С   B  С  ;
4)  A  B  \ B  A \  A  B   A  B ;
5) A \ B  C    A \ B    A \ C  .
Зробити геометричну інтерпретацію.
1.12. Спростити подію А=(ВC)(В C )( B C).
1.13. Прилад складається з двох блоків першого типу та
трьох блоків другого типу. Розглянемо події: Аk = {працює k-й блок
першого типу }, k =1,2; Bj ={працює j-й блок другого типу}, j=1,2,3.
Прилад працює, якщо працює принаймні один з блоків першого
типу або не менше двох блоків другого типу. Записати подію
C={прилад працює}.
1.14. Знищення бойового літака може відбутися при влученні
в кожний з двох двигунів (події D1 та D2) або при влученні в кабіну
пілота (подія К). Проведено обстріл літака. Відбулася подія
А={знищення літака}. Описати простір елементарних подій.
Записати подію А через події D1, D2, К, а також через елементарні
події.
1.15. На відрізок [а, b] навмання ставлять дві точки. Нехай х
та y – координати точок. Зобразити на площині XOY області, що
відповідають подіям: , А, В, АВ, А\В, АВ, де подія А = {друга
точка знаходиться ближче до лівого кінця відрізка, ніж перша
точка до правого}, подія В = {відстань між точками менша за
половину довжини відрізка}.
1.16. Електронна схема містить три транзистори, чотири
конденсатори і п’ять резисторів. Розглянемо події: Tk = {не працює
k-й транзистор}, k=1,2,3; Сі = {не працює i-й конденсатор},
i=1,2,3,4; Rj = {не працює j-й резистор}, j=1,2,3,4,5. Схема працює,
якщо працюють усі транзистори, не менше, ніж два конденсатори

10
та принаймні один з резисторів. Записати подію А = {схема не
працює}.
1.17. Довести, що події А , А  В, А  В утворюють
повну групу подій.

1.2. Класичні та геометричні ймовірності

Нехай , f  – вимірний простір стохастичного

експерименту, тобто виконуються умови А1, А2, А3. Припустимо,
що кожній події А f поставлено у відповідність число P(А), що
задовольняє умови:
Р1.  A f : P(А)0;
Р2. P() = 1 (умова нормування);
Р3.  А1, А2, ... , Аn, ...  f , таких, що АiAj=, ij;


P(  Ai)=  P(Аi) (умова зчисленної адитивності).
i 1 i 1
Для розв’язання деяких задач достатньо використання умови
скінченної адитивності.
Число Р(А) називається ймовірністю події А.
Твердження А1, А2, А3, Р1, Р2, Р3 складають систему аксіом
теорії ймовірностей. Вимірний простір  , f  , на якому введена
ймовірність, називається ймовірнісним простором.
Наведемо деякі приклади побудови ймовірнісних просторів.
Нехай простір  складається із скінченного числа
рівноможливих елементарних подій, тобто ={1, 2, ... , n}.
Алгебра f є множина всіх підмножин простору  . Внаслідок
рівноможливості  k логічно вважати, що
P(1) = P(2) = ... = P(n) = .
 
Нехай A  { i1 ,  i2 ,...,  im } . Припустимо P A   P  ik .
 ik A

Тоді
m
P( A) 
, (1.1)
n
де m – число елементарних подій, які сприяють появі події A ;

11
 n – число всіх елементарних подій. Формула (1.1) називається
формулою класичної ймовірності.
Нехай простір елементарних подій  інтерпретується як
область на числовій осі (на площині або у просторі), яка має
відповідно довжину (площу або об’єм). Розглянемо  -алгебру f
всіх підмножин  , які мають довжину (відповідно площу або
об’єм). Нехай подія A f . Тоді
 ( А)
P(А) = , (1.2)
 ( )
де (А) – довжина (площа, об’єм) області А; () – довжина
(площа, об’єм) області .
Формула (1.2) називається формулою геометричної
ймовірності.
Із означення ймовірності випливають її властивості:
1)  Аf: P(А)  1;
2) P( А ) = 1 – P(А);
3) P() = 0;
4) P(АВ) = P(А)+P(В) – P(АВ)
(теорема додавання ймовірностей);
5) якщо А  В, то P(А)  P(В).

Приклади розв’язання задач

Задача 1.4. На трамвайній зупинці дев’ять пасажирів

чекають трамвай, який має три вагони. Кожен пасажир вибирає
вагон навмання. Знайти ймовірності подій:
1) А ={у перший вагон зайдуть три пасажири};
2) B ={у кожний вагон зайдуть по три пасажири}.
Розв’язання. Кожен з пасажирів може вибрати один з трьох
вагонів трамвая. Якщо один з пасажирів вже вибрав вагон, то
наступний пасажир також може вибрати будь-який з трьох вагонів і
так далі. Тому дев’ять пасажирів можуть увійти в трамвай 39
способами. Отже, стохастичний експеримент складається з 39
рівноможливих елементарних подій. Події А сприяє 2 6 C 93
можливостей. Справді, трьох пасажирів з дев'яти можна вибрати

12
C 93 способами, а інші шість – вибирають один з двох вагонів 26
способами. Імовірність події А визначаємо за формулою (1.1):
2 6  С 93
P  А   0,27.
39
Події В буде сприяти С93С 63С33 елементарних подій. Тому
С93С63С33
P В    0,09.
39
Задача 1.5. Дві групи туристів А і В мають переправитися
через річку по одній і тій же переправі. Групи підходять до
переправи незалежно одна від одної протягом двох годин. Групі А
для переправи потрібно 30 хв, а групі В – 15 хв. Яка ймовірність
того, що жодна з груп не буде чекати переправи?
Розв’язання. y
2,0

0,5

0 0,2 2,0 x
Рис. 1.5
Нехай х та у – час прибуття (у годинах) кожної групи на
переправу. Очевидно, що  = {(х,у): 0х2, 0у2}. Група А не буде
1 1
чекати переправи, якщо x  y  , а група В – якщо y  x  . Тоді
4 2
область, яка заштрихована на рис. 1.5, буде складатися з тих
моментів часу прибуття груп на переправу, коли вони можуть
починати переправу без чекання. За формулою геометричної
ймовірності (1.2) знаходимо:
2 2
7 1 3 1
   
P 
4 2  2  2 85
  0,66 .
4 128
Задачі
13
 Група А

1.18. У районі знаходяться два винищувачі та три

бомбардувальники. Демаскуючі ознаки однакові. За допомогою
радіолокаційної станції (РЛС) виявлено три повітряні цілі. Знайти
ймовірності: 1) того, що не виявлено жодного винищувача;
2) виявлено один винищувач; 3) виявлено два винищувачи;
4) виявлено принаймні один винищувач; 5) виявлено не менше
одного винищувача; 6) виявлено не більше одного винищувача;
7) не виявлено жодного бомбардувальника; 8) виявлено принаймні
один бомбардувальник; 9) виявлено один винищувач та один
бомбардувальник.
1.19. Після виконання бойової задачі на аеродром
повертаються шість бомбардувальників, з яких два повністю
витратили боєзапас. Знайти ймовірність: 1) того, що один з
бомбардувальників, виявлений РЛС противника, не має боєзапасу;
2) виявлений бомбардувальник не повністю витратив боєзапас.
1.20. Дві однакові радіостанції можуть настроюватися на
десять фіксованих частот. Яка ймовірність того, що вони будуть
працювати на одній частоті, хоч включені незалежно?
1.21. П’яти радіостанціям дозволено працювати на шести
радіохвилях. Вибір хвилі на кожній станції проводять навмання.
Знайти ймовірність: 1) того, що при одночасній роботі всіх
радіостанцій принаймні дві радіохвилі не збігуться; 2) при
одночасній роботі всіх радіостанцій було використано різні
радіохвилі.
1.22. Партія складається з N деталей. Серед N деталей
знаходяться M бракованих. Для контролю вибирають n деталей
(nN). Яка ймовірність того, що з вибраних деталей буде m (mM)
бракованих? Розв’язати задачу для N = 10, n = 4, M = 2, m = 2.
1.23. На круглому екрані радіолокатора радіусом R є точкове
зображення об’єкта М. Яка ймовірність події А = {відстань від
точки M до центра екрана не перевищує R 2 }?
1.24. Стрижень довжиною l навмання розламали на дві
частини. Яка ймовірність того, що з одержаних частин можна
утворити трикутник?

14
 1.25. Дві туристичні групи умовилися зустрітися між 12.00 та
13.00 годинами. Група, яка підійшла першою, чекає іншу 20 хв,
потім покидає місце зустрічі. Яка ймовірність зустрічі цих груп,
якщо моменти приходу кожної групи протягом однієї години
незалежні один від одного?
1.26. По радіоканалу зв’язку на проміжку часу (0,1)
передають два сигнали тривалістю  1/2. Кожен з них починається
у будь-який момент інтервалу (0, 1–). Якщо сигнали перекривають
один одного хоч би частково, вони не приймаються. Яка
ймовірність прийому сигналів?

Група Б

1.27. Регістр калькулятора містить вісім розрядів. Будемо

вважати, що поява будь-якого числа на регістрі рівноможлива.
Знайти ймовірності подій: А = {в усіх розрядах стоять одні нулі};
В = {у розрядах стоять однакові цифри}; C = {регістр має дві
однакові цифри}; D = {регістр має дві пари однакових цифр}; E =
={регістр має три однакові цифри}; F = {регістр містить тільки три
різних цифри}.
1.28. Знайти ймовірність того, що корені квадратного
рівняння x 2  2ax  b  0 дійсні, якщо значення коефіцієнтів
рівноможливі в прямокутнику a  n, b  m. Яка ймовірність того,
що при вказаних умовах корені рівняння будуть додатними?
1.29. З відрізка [–1, 2] навмання беруть два числа. Яка
ймовірність того, що їхня сума більша від одиниці, а добуток
менший від одиниці?
1.30. Задача Буфона: на площину, яка розграфлена
паралельними прямими, що розташовані одна від одної на відстані
2а, навмання кидають голку довжиною 2L (L  a). Яка ймовірність
того, що голка перетне одну з паралельних прямих?
1.31. На шахівницю зі стороною квадрата а кидають монету
а
радіусом r < . Знайти ймовірності: 1) того, що монета повністю
2
буде всередині квадрата; 2) монета перетне не більше однієї
сторони квадрата.

15
 1.32. Яка ймовірність того, що в групі з n (n  365) навмання
відібраних студентів принаймні у двох виявиться день народження
в один і той самий день? Підрахувати Pn для n = 24 та n = 50.

1.3. Теореми додавання і множення ймовірностей

Теореми додавання і множення ймовірностей

використовують для знаходження ймовірностей складних подій,
тобто таких, які можна записати через інші події за допомогою
алгебричних операцій. У теоремах множення ймовірностей часто
використовують поняття умовної ймовірності.
Нехай  , f , P  імовірнісний простір і PB   0, B  f .
Умовною ймовірністю події A за умови, що відбулася подія B,
називається величина
P A  B 
P A / B   .
P B 
Події А та В назвемо незалежними, якщо P A / B   P A або
PB / A  PB .
Наведемо теореми додавання і множення ймовірностей.
1. Якщо A  B   , то P A  B   P A  PB .
2. У загальному випадку P A  B   P A  PB   P A  B .
n n
3. Якщо АіAj=, іj, то P( Ai )   P( Ai ) .
i 1 i 1
4. У загальному випадку
n n
P( Ai )   P( Ai )   P( Ai  A j )   P( Ai  A j  Ak )  ...
i 1 i 1 i j i j k

...  (1) n1 P( A1  A2  ...  An ).

5. Якщо А і В – незалежні події, то
P(АВ)=P(А)P(В).
6. Для двох незалежних подій
P A  B   1  P A PB  .
7. Якщо n подій – незалежні у сукупності, то

16
 n n
P( Ai )   P( Ai ) .
i 1 i 1
8. Для незалежних у сукупності n подій А1, А2, ... Аn
n n
P( Ai )  1   P( Ai ).
i 1 i 1
9. Для будь-яких двох подій
P A  B   P APB / A  PB P A / B  .
10. У загальному випадку для n подій
n
P(  Ai )=P(А1)P(A2/A1)P(A3/A1A2) ... P(An/A1 ... An-1).
i 1

Приклади розв’язання задач

Задача 1.6. На електричній схемі (рис. 1.6):

A2
A1 A4
A3

Рис. 1.6

елементи працюють незалежно один від одного. Надійність

(імовірність безвідмовної роботи) елементів А1, А2, А3, А4 за час T
відповідно дорівнює 0,6; 0,8; 0,7; 0,9. Знайти надійність всієї схеми
за час Т.
Розв’язання. Вводимо події: B={схема працює}, Ak = {працює
k-й елемент}, k =1,2,3,4. Тоді B =A1А4(А2А3). За умовою задачі
елементи працюють незалежно, тому P(В)=P(А1)P(А4)P(А2А3). Для
двох незалежних подій P(А2А3)=1–P( A2 )P( A3 ). Остаточно маємо:
P(В)=P(А1)P(А4)[1 – P( A 2 )P( A3 )]= 0,6  0,9 ( 1 0,06 ) = 0,5076.
Задача 1.7. Із урни, яка містить чотири білі та дві чорні кулі,
виймають по черзі три кулі. Знайти ймовірність того, що всі вони
будуть білими:
1) якщо кулі не повертають в урну після огляду;

17
 2) якщо кожну кулю після огляду повертають в урну.
Розв’язання. Вводимо події: A={усі кулі білі}, Ak={поява
білої кулі в k-й раз}; k=1,2,3. Подія A = A1А2А3. Коли кулі не
повертають в урну після огляду, то події А1, А2, А3 – залежні, тому
що з кожним разом змінюється кількість куль в урні. Тоді
4 3 2
P(А)=P(А1)P(A2/A1)P(A3/A1A2) =    0,2.
6 5 4
Коли кулі повертають після огляду в урну, то події А1, А2,
3
4
А3 – незалежні, тоді P(А)=P(А1)P(А2)P(А3)=   = 0,296.
6
Задача 1.8. Два зенітно-ракетних комплекси (ЗРК) одночасно
незалежно один від одного випускають по одній ракеті по літаку.
Імовірність влучення у літак першим ЗРК дорівнює 0,5, а другим –
0,4. Знайти ймовірності подій:
1) В = {обидва ЗРК влучають у літак};
2) C = {один ЗРК влучає у літак};
3) D = {літак не ушкоджений};
4) E = {принаймні один ЗРК влучає у літак}.
Розв’язання. Розглянемо події Ai = {влучення у літак і-м
ЗРК}, i=1, 2. За умовою задачі P(А1) = 0,5; P(А2) = 0,4. Отже:
1) B = A1А2. Події А1 та А2 – незалежні, тоді P(В) =
P(А1А2)=P(А1)P(А2) = 0,2;
2) подію С можна записати так: C  A1  A2   A1  A2 , тоді
P(C )  P A1 P A2   P A1 P A2   0,5 ;
3) подія D = A1  A2 , отже, P(D) = P( A1 ) P( A2 ) = 0,3;
4) подія E = A1А2, оскільки події А1 та А2 – незалежні, то за
теоремою додавання для двох незалежних подій:
PЕ   1  P А1 P А2   1  0,5  0,6  0,7.

18
 Задачі

Група А

1.33. Виявлення повітряної цілі проводять незалежно двома

РЛС. Імовірність виявлення цілі першою РЛС дорівнює 0,7, а
другою – 0,6. Яка ймовірність того, що ціль буде виявлена?
1.34. Два спортсмени незалежно один від одного роблять по
одному пострілу по одній мішені. Імовірності влучення у мішень
для першого та другого спортсменів відповідно дорівнюють 0,7 та
0,9. Знайти ймовірності: 1) того, що обидва спортсмени влучать у
мішень; 2) обидва спортсмени не влучать; 3) перший спортсмен
влучить, а другий – ні; 4) принаймні один зі спортсменів влучить у
мішень.
1.35. Знайти надійність (імовірність безвідмовної роботи за
деякий час) електричних схем, наведених на рис. 1.7, якщо відома
надійність елементів схем. Для елемента А1 вона дорівнює 0,8; для
елемента А2 – 0,6; для елемента А3 – 0,9; для елемента А4 – 0,8.

A1
A1 A2
A2 A4
A3
A3
а б

A1 A2 A1 A2

A3 A4 A3 A4

в г
Рис. 1.7

1.36. Студент знає 20 із 25 запитань програми. Залік

вважається зарахованим, якщо студент відповість не менше, ніж на

19
три з чотирьох запитань білета. Яка ймовірність того, що студент
здасть залік?
1.37. На семи картках написані літери “А” “К”, “И”, “К”, “Ї”,
“И”, “В”. Після перетасування одну за одною виймають чотири
картки. Яка ймовірність скласти слово “КИЇВ”?
1.38. Є n РЛС, які стежать за одним об’єктом. Кожна станція
виявляє об’єкт незалежно від інших станцій з імовірністю Р. Яка
ймовірність того, що об’єкт буде виявлено?
1.39. Імовірність влучення в мішень одним пострілом
дорівнює р. Скільки треба зробити незалежних пострілів, щоб
імовірність принаймні один раз влучити в мішень була не меншою
за P? Задачу розв’язати для p = 0,4; P = 0,9.
1.40. Для сигналізації аварії встановлено два сигналізатори,
які працюють незалежно один від одного. Імовірність того, що при
аварії спрацює перший сигналізатор дорівнює 0,95, а другий – 0,9.
Знайти ймовірності того, що при аварії спрацюють: 1) принаймні
один сигналізатор; 2) тільки один сигналізатор.
1.41. Літак долає три зони протиповітряної оборони (ППО).
При подоланні першої зони його пошкоджено з імовірністю 0,6;
другої, за умови, що він пройшов першу, – 0,7; а третьої, за умови,
що він пройшов перші дві, – 0,5.
Знайти ймовірності подій: 1) проходження всіх зон;
2) пошкодження літака при проходженні другої зони.

Група Б

1.42. Імовірність виходу з ладу електричного приладу через

те, що зіпсується електричне коло, дорівнює p . Для підвищення
надійності роботи у прилад поставлено m кіл, які дублюють одне
одного. У скільки разів підвищиться при цьому надійність роботи
приладу?
1.43. Схема працює, якщо сигнал послідовно проходить через
елементи А1, А2, А3. Імовірності відмов цих елементів відповідно
дорівнюють 0,1; 0,4; 0,1. Який спосіб з’єднання елементів більш
надійний:
а) резервування всього кола (рис.1.8, а);
б) резервування елементів кола (рис.1.8, б)?

20
 Висновки обгрунтувати обчисленням.

A1 A2 A3
A1 A2 A3

A1 A2 A3

а
A1 A2 A3
A1 A2 A3

A1 A2 A3

б
Рис. 1.8
1.44. Через канал зв’язку, який складається з передавача,
ретранслятора та приймача, передаються сигнали “0” та “1”.
Унаслідок перешкод ці сигнали можуть спотворюватися. На
ділянці передавач–ретранслятор “1” не спотворюється з
імовірністю 0,8, а “0” не спотворюється з імовірністю 0,85. На
ділянці ретранслятор–приймач імовірності цих подій відповідно
дорівнюють 0,9 та 0,7. Знайти ймовірності подій: 1) кодова
комбінація “10”, надіслана передавачем, прийнята без спотворення;
2) передали комбінацію “10”, а прийняли два однакові символи.
1.45. Студент написав n листів, запечатав їх у конверти, а
потім на кожному конверті навмання написав різні адреси. Яка
ймовірність того, що принаймні на одному конверті буде написана
вірна адреса?
1.46. Із урни, яка містить дві білі та чотири чорні кулі, два
гравці по черзі виймають кулі, не повертаючи їх знову в урну.
Виграє той, хто першим витягне білу кулю. Яка ймовірність події
А={виграє той, хто почав першим}?
1.47. Два гравці домовились, що виграш одержує той, хто
виграє певне число партій. Гра була перервана тоді, коли першому
гравцю залишалось до виграшу m партій, а другому – n партій. Як

21
поділити ставку, якщо ймовірність виграшу однієї партії для
кожного гравця однакова і дорівнює 0,5? (Задача де Мере).

1.4. Формула повної ймовірності. Формула Байєса

Нехай події H1, H2,..., Hn утворюють повну групу подій

деякого стохастичного експерименту. Назвемо ці події гіпотезами
експерименту. Тоді ймовірність будь-якої події А цього
стохастичного експерименту обчислюється за формулою повної
ймовірності
n
P( A)   P( H i ) P( A / H i ). (1.3)
i 1
Імовірності PH i  , i = 1, 2,..., n часто називають апріорними.
Нехай відомо, що в експерименті відбулася подія А. Її поява
зумовить переоцінку апріорних імовірностей гіпотез. Формула
Байєса дає можливість зробити цю переоцінку, тобто обчислити
апостеріорні ймовірності P(Hi /A):
P( H i ) P( A / H i )
P( H i / A)  n , i  1, 2,..., n . (1.4)
 kP  H P ( А / H k )
k 1

Приклади розв’язання задач

Задача 1.9. На стадіон прибуло десять спортсменів, з яких

чотири виконували вправи повністю, п’ять – на 80 % і один
виконував вправи наполовину. Яка ймовірність виконання вправ
першим викликаним спортсменом?
Розв’язання. Вводимо гіпотези: H1={викликаний спортсмен –
з числа тих, які повністю виконували вправи}, H2 ={викликаний
спортсмен – з числа тих, які виконували вправи на 80 %},
H3={викликаний спортсмен – з числа тих, які виконували вправи
тільки наполовину}. З умови задачі зрозуміло, що P(H1) = 0,4;
P(H2) = 0,5; P(H3)=0,1. Нехай подія A={виконання вправ першим
викликаним спортсменом}, тоді за умовою задачі P(A/H1) = 1,
P(A/H2) = 0,8, P(A/H3) = 0,5. За формулою (1.3)
P(А) = 0,4+0,4+0,05 = 0,85.

22
 Задача 1.10. Через перешкоди система виявлення літака
може давати помилкові дані про наявність цілі з імовірністю 0,05, а
за наявності цілі система виявляє її з імовірністю 0,9. Імовірність
появи літака в зоні роботи системи дорівнює 0,25. Надійшов сигнал
про наявність цілі. Яка ймовірність помилки?
Розв’язання. Введемо гіпотези:
H1 ={у зоні роботи системи з’явився літак};
H2 ={відсутність літака в зоні роботи системи}.
За умовою задачі P(H1) = 0,25, тоді P(H2) = 0,75. Нехай подія
A = {надійшов сигнал про наявність літака}. Тоді P(A/H1) = 0,9;
P(A/H2)=0,05. Помилка буде тоді, коли система дала сигнал про
наявність цілі, але літака в зоні роботи системи не було. Отже,
треба знайти PH 2 / A . За формулою Байєса (1.4) маємо
P( H 2 ) P( A / H 2 )
P  H 2 / A  
P( H 1 ) P( A / H 1 )  P( H 2 ) P( A / H 2 )
0,05  0,75 1
  .
0,25  0,9  0,75  0,05 7

Задачі

Група А

1.48. На вогневій позиції знаходиться тригарматна батарея.

Імовірність влучення в ціль з першої та другої гармат дорівнює 0,4,
а з третьої – 0,3. Яка ймовірність влучення в ціль при одному
пострілі, якщо стрільба рівноможлива з кожної гармати?
1.49. На трьох автоматичних лініях виготовляються
однотипні деталі. Внаслідок розладу верстатів можливий випуск
бракованої продукції першою лінією з імовірністю 0,02, другою – з
імовірністю 0,01, а третьою – з імовірністю 0,05. Перша лінія дає
70 % усієї продукції, друга – 20 %, а третя – 10 %. Яка ймовірність
того, що випадково вибрана деталь буде бракованою?
1.50. У зоні ППО об’єкта розгорнуто три РЛС, кожна з яких
може вийти з ладу з імовірністю 0,3. Імовірність пропуску цілі при
роботі однієї РЛС дорівнює 0,5, двох – 0,3, трьох – 0,1. Яка
ймовірність пропуску цілі?

23
 1.51. Літак-розвідник, який виконує бойове завдання,
повинен два рази пройти зону ППО противника (туди і назад).
У зоні ППО його з імовірністю 0,5 не атакують винищувачі, з
імовірністю 0,3 атакує один винищувач, з імовірністю 0,2 – два
винищувачі. Кожен винищувач окремо вражає літак з імовірністю
0,4. Яка ймовірність того, що літак виконає бойове завдання?
1.52. Є дві партії деталей з 12 і 10 виробів, причому в кожній
партії одна деталь є бракованою. Навмання взяли деталь з першої
партії і переклали в другу, після чого виймають будь-яку деталь з
другої партії. Яка ймовірність того, що з другої партії буде вийнята
бракована деталь?
1.53. У кожний момент часу працює тільки один з трьох
блоків приладу. Встановлено, що перший блок працює 40 % усього
часу, другий – 35 %. Надійність блоків за час T відповідно
дорівнює 0,95; 0,92 та 0,9. Прилад вимикається через несправність
одного з блоків. Знайти ймовірність несправності в кожному з
блоків, якщо прилад вимкнено.
1.54. Телеграфне повідомлення складається з сигналів
“крапка” та “тире”. Статистичні властивості перешкоди такі, що
2 1
спотворюють у середньому повідомлень “крапка” та
5 3
повідомлень “тире”. Відомо, що серед сигналів, які передаються,
“крапка” та “тире” зустрічаються у відношенні 5:3. Знайти
ймовірності подій: 1) прийнято сигнал “крапка”; 2) надіслали
сигнал “тире”, а прийняли сигнал “крапка”.
1.55. У групі з 10 студентів, які прийшли на іспит, три
підготовлені відмінно, чотири – добре, два – задовільно та один –
погано. У білетах є 20 запитань. Відмінно підготовлені студенти
можуть відповісти на всі 20 запитань, добре підготовлені – тільки
на 16 запитань, задовільно підготовлені – тільки на 10, погано
підготовлений студент – тільки на п’ять. Викликаний навмання
студент відповів на три запитання. Знайти ймовірність того, що цей
студент підготовлений: 1) відмінно; 2) погано.
1.56. Відомо, що 96 % виготовленої продукції задовольняє
стандарт. Спрощена схема контролю визнає придатною стандартну
продукцію з імовірністю 0,98 та нестандартну – з імовірністю 0,05.

24
Яка ймовірність того, що продукція, яка пройшла спрощений
контроль, задовольняє стандарт?
1.57. У піраміді знаходяться 10 карабінів, які складають
чотири групи, що різняться своїми бойовими якостями. До першої
групи належать два карабіни, до другої – чотири, до третьої – три,
до четвертої – один карабін. Імовірність влучення в мішень з
карабіна першої групи дорівнює 0,92, другої – 0,8, третьої – 0,75,
четвертої – 0,5. Стрілець бере навмання один карабін і робить один
постріл. 1. Яка ймовірність того, що стрілець влучить у мішень?
2. Стрілець схибив. Яка ймовірність того, що він стріляв з карабіна
третьої групи?

Група Б

1.58. Винищувач атакує літак противника й випускає по

ньому три ракети з різних дистанцій. Ракети влучають у ціль
незалежно одна від одної. Імовірність влучення ракети з першої
дистанції дорівнює 0,4, з другої – 0,5, з третьої – 0,6. Імовірність
ураження літака при влученні у нього однієї ракети дорівнює 0,2;
двох – 0,6; трьох – 1. Яке найбільше число влучень у літак, якщо
він у результаті атаки уражений?
1.59. Для пошуків літака направили десять гелікоптерів.
Кожний гелікоптер може бути використаний в одному з двох
районів, де літак може знаходиться з імовірностями 0,8 та 0,2. Як
треба розподілити гелікоптери по районах пошуків, щоб
імовірність виявлення літака була найбільшою? Відомо, що кожний
гелікоптер виявляє літак, який знаходиться в районі пошуку, з
імовірністю 0,2. Пошук здійснюється кожним гелікоптером
незалежно від інших. Яка ймовірність виявлення літака при
оптимальному пошуку?
1.60. В університеті n студентів, з яких n k (k = 1, 2, 3)
навчаються k -й рік. Серед двох навмання відібраних студентів
виявилося, що один з них навчається довше від другого. Яка
ймовірність того, що цей студент навчається третій рік?
1.61. Виконується посадка літака на аеродром. Якщо
дозволяє погода, пілот здійснює посадку, спостерігаючи за
аеродромом візуально. У цьому випадку ймовірність благополучної

25
посадки дорівнює p1 . Якщо аеродром затягнуло низькою
хмарністю, то пілот здійснює посадку літака за допомогою
приладів. Надійність приладів “сліпої” посадки дорівнює P . Якщо
прилади “сліпої” посадки спрацювали нормально, то літак сідає з
тією ж імовірністю p1 , що й при візуальній посадці. Якщо прилади
“сліпої” посадки не спрацювали, то пілот може посадити літак з
імовірністю p1  p1 . 1. Знайти повну ймовірність посадки літака,
якщо відомо, що в k % всіх випадків посадки аеродром затягнутий
низькою хмарністю. 2. Відомо, що літак приземлився
благополучно. Яка ймовірність того, що пілот користувався
приладами “сліпої” посадки?
1.62. Маємо три урни: у першій з них а білих куль і b
чорних; у другій – c білих куль і d чорних; у третій – тільки k білих.
Навмання вибирають одну урну і виймають з неї кулю. Ця куля
виявилася білою. Знайти ймовірності того, що ця куля витягнута:
1) з першої урни; 2) з другої урни; 3) з третьої урни.
1.63. Серед n осіб розігрують m  n виграшів витягуванням n
квитків. Чи однакові шанси виграшу для будь-якого з гравців? Чи
вигідно тягнути квиток на початку розіграшу?

1.5. Послідовні незалежні випробування. Схема Бернуллі

Розглянемо n незалежно проведених дослідів (випробувань)

з двома результатами: успіх та невдача. Схема незалежних
випробувань, у якій кожне випробування закінчується двома
результатами, називається схемою Бернуллі. Нехай імовірність
успіху в кожному досліді дорівнює p , а невдачі – відповідно
q 1  p . Тоді ймовірність того, що в n дослідах рівно m разів
буде успіх, обчислюється за формулою Бернуллі:
Pn m   Cnm p m q n  m , m  0, 1 ,..., n. (1.5)
Число m0 , при якому Pn m  набуває найбільшого значення,
називається найбільш імовірним числом успіхів. Воно дорівнює:
1) np  p , якщо np p – неціле число; 2) якщо np p – ціле

26
число, то існують два найбільш імовірних числа m01  np  q та
m02   np  p .
Якщо n достатньо велике, а p – достатньо мале число,
наприклад, n>100 і p<0,01 або np  20 , то найчастіше
використовують асимптотичну формулу Пуассона:
a m a
Pn m   e , де a  np. (1.6)
m!
Функція комплексної змінної Ф z    pz  q  називається
n

генератрисою у схемі Бернуллі. Коефіцієнт при z m у розкладі

генератриси за біномом Ньютона дорівнює Pn m  .

Приклади розв’язання задач

Задача 1.11. Спортсмен п’ять разів стріляє по мішені.

Імовірність влучення в мішень при одному пострілі дорівнює 0,4.
Для одержання заліку необхідно влучити не менше трьох разів. Яка
ймовірність одержання заліку? Яке найбільш імовірне число
влучень у мішень?
Розв’язання. Нехай подія A = {залік одержано}. За теоремою
додавання ймовірностей для незалежних подій, маємо:
P A  P5 3  P5 4  P5 5  C 53 0,4  0,6 
3 2

 C 54 0,4  0,6  C 55 0,4  0,317 .

4 5

Обчислюємо np  p  5  0,4  0,4  2 , тому найбільш імовірне

число влучень у мішень буде m0  np  p  2 .
Задача 1.12. У результаті проведення досліду подія А
відбувається з імовірністю p = 0,001. Дослід проводиться 2000
разів. Яка ймовірність того, що подія А відбудеться не менше двох і
не більше чотирьох разів?
Розв’язання. За умовою n = 2000, p = 0,001, тому краще
використовувати формулу (1.6). Обчислимо a  np  2 , тоді
2 2 2 2 3 2 2 4 2
P( А)  Pn (2)  Pn (3)  Pn (4)  e  e  e  0,541 .
2! 3! 4!

27
 Задачі

Група А

1.64. Радіолокаційна станція виявляє ціль з імовірністю, яка

дорівнює 0,4. Яка ймовірність того, що ціль буде виявлена двома
РЛС із чотирьох?
1.65. Прилад складається з 10 вузлів. Надійність (імовірність
безвідмовної роботи) кожного вузла протягом часу T дорівнює 0,9.
Вузли виходять з ладу незалежно один від одного. Знайти
ймовірності того, що за час T: 1) вийде з ладу принаймні один
вузол; 2) вийде з ладу один вузол; 3) вийдуть з ладу два вузли;
4) вийдуть з ладу не менше двох вузлів.
1.66. Проводять дев’ять незалежних випробувань, у кожному
з яких імовірність появи події А дорівнює 0,4. Знайти найбільш
імовірне число появ події А та відповідну ймовірність.
1.67. Апаратура складається з 10 000 елементів, кожний з
яких може незалежно вийти з ладу за час T з імовірністю 5 10 4 .
Знайти ймовірності подій: 1) за час T вийде з ладу принаймні один
елемент; 2) вийдуть з ладу три елементи; 3) вийдуть з ладу не
більше трьох елементів.
1.68. Група з п’яти літаків бомбардує військовий об’єкт,
причому кожний з літаків скидає по одній бомбі. Імовірність того,
1
що бомба влучить у об’єкт, дорівнює . Для знищення об’єкта
3
потрібно не менше трьох влучень. Знайти ймовірність того, що
об’єкт буде знищено. Яке число влучень буде найбільш імовірним?
1.69. Імовірність влучити у мішень при одному пострілі
дорівнює 0,25. Стрілець зробив п’ять пострілів. Знайти ймовірності
подій: A = {принаймні одне влучення}; B = {одне влучення}; C =
={два влучення}; D = {не менше трьох влучень}; E = {число
влучень не менше чотирьох і не більше двох}.
1
1.70. Прилад дає від’ємні помилки з імовірністю і додатні
3
2
– з імовірністю . Знайти найбільш імовірне число від’ємних та
3

28
додатних помилок при чотирьох вимірюваннях та ймовірність
найбільш імовірного числа від’ємних помилок.

Група Б

1.71. Два рівносильних шахісти домовилися зіграти турнір з

2п результативних партій. Нічиї не враховуються і вважається, що
кожний з учасників може виграти чергову партію з імовірністю,
яка дорівнює 0,5. Переможцем вважається той, хто виграв більше
партій. В якому турнірі більше шансів виграти будь-якому з
учасників: 1) у турнірі з восьми результативних партій; 2) у турнірі
з 12 результативних партій?
1.72. Підводний човен атакує корабель і випускає по ньому
послідовно та незалежно n торпед, які влучають у корабель з
імовірністю p . Кожна торпеда, що влучить у корабель з
однаковою ймовірністю, влучає в будь-який з R відсіків, на які
розділена підводна частина корабля. Торпеда, що влучила у відсік,
призводить до затоплення його водою. Корабель починає тонути,
якщо водою заповнено не менше ніж два відсіки. Яка ймовірність
того, що корабель буде потоплено?
1.73. За один цикл автомат виробляє 10 деталей. Імовірність
того, що деталь бракована, дорівнює 0,01. Скільки потрібно циклів,
щоб з імовірністю, яка більше за 0,8, відбулася подія А={принаймні
одна деталь бракована}?
1.74. Прилад складається з n вузлів. Надійність роботи j-го
вузла дорівнює p j , j=1,2,…, n. Для роботи приладу потрібна
безвідмовна робота всіх його вузлів. При обчисленні ймовірності
відмови приладу P ймовірності p j , j=1, 2,…, n наближено
1 n
замінюють середнім арифметичним  p j . Чи буде приблизно
n j 1
обчислене значення ймовірності відмови приладу P ~ більше Р?
1.75. Щоб закурити громадянин діставав навмання одну з
двох коробок сірників. Через деякий час він виявив, що одна
коробка порожня. Яка ймовірність того, що в другій коробці
залишилось k (k  n) сірників, якщо спочатку в кожній коробці
було по п сірників? (Задача Банаха).
29
 1.76. Велика партія виробів має один відсоток браку. Яким
має бути об’єм випадкової вибірки, щоб імовірність події А ={у
партії є принаймні один бракований виріб} була більша за 0,95?
1.77. Послідовно посилають чотири радіосигнали.
Імовірність приймання кожного з них не залежить від того,
прийняті інші сигнали чи ні, та відповідно дорівнює 0,1; 0,2; 0,3;
0,4. Знайти ймовірність приймання k сигналів (k = 0, 1, 2, 3, 4).
1.78. За умовами задачі 1.77 обчислити ймовірність
встановлення двобічного радіозв’язку, якщо ймовірність цієї події
при прийманні одного сигналу дорівнює 0,2, при прийманні двох
сигналів – 0,6, а при прийманні трьох або чотирьох сигналів – 1.

30
 ГЛАВА 2. ВИПАДКОВІ ВЕЛИЧИНИ

2.1. Дискретні випадкові величини, їхні закони розподілу

та числові характеристики

Випадкова величина – це змінна величина, можливі значення

якої залежать від результату стохастичного експерименту.
Запровадимо математичне означення. Нехай {, f , P} –
ймовірнісний простір. Функція    ( ) , яка визначена на просторі
, має значення у множині дійсних чисел R і для x R – подія
 :  ( )  x  f , називається випадковою величиною. Якщо  (
 ) набуває тільки скінченну або зчисленну множину значень, то
вона називається дискретною випадковою величиною.
Законом розподілу будь-якої дискретної випадкової
величини називається співвідношення, яке визначає залежність між
значеннями випадкової величини та ймовірностями, з якими ці
значення набуваються.
Закон розподілу дискретної випадкової величини найчастіше
задається рядом розподілу (табл. 2.1).
Таблиця 2.1
 ( ) x1 x2 . . . xn
р p1 p2 . . . pn

У табл. 2.1: pk  P  :     xk  , k = 1,2,..., n.

Універсальною характеристикою будь-якої випадкової
величини є функція розподілу, яка за означенням дорівнює:
F ( x)  P{ :  ( )  x} .
Основні властивості функції розподілу:
1) функція розподілу є неспадною функцію з областю
значень 0, 1 ;
2) є неперервною зліва, тобто lim F x   F x0  ;
x  x0  0

3) lim F x  0, lim F ( x)  1;

x x
4) P a    b  F b   F a  .

31
 Для дискретної випадкової величини F x    P  x k  . Це
xk  x

завжди розривна функція, яка має зчисленне або скінченне число

стрибків у точках можливих значень випадкової величини  .
Значення кожного стрибка дорівнює p k .
До найважливіших числових характеристик випадкових
величин належать математичне сподівання (ймовірнісне
середнє) та дисперсія. Математичне сподівання відповідає
середньому значенню випадкової величини і для дискретної
випадкової величини обчислюється за формулою

M   xk P{  xk } . (2.1)
k 1
Ряд має збігатися абсолютно, в іншому разі кажуть, що
випадкова величина не має математичного сподівання.
Основні властивості математичного сподівання:
1) MC=C, де C – будь-яка стала;
2) M (C )  CM ;
3) M (  )  M  M ;
4) випадкові величини  та  називаються незалежними,
якщо для будь-яких x та y події   :  ( )  x та   :( )  y є
незалежними. Якщо  та  – незалежні випадкові величини, то
M  M M .
Дисперсія характеризує розсіювання випадкової величини
навколо математичного сподівання. Дисперсія задається формулою
D  M (  M ) 2 . (2.2)
Для дискретної випадкової величини дисперсію обчислюємо
так:

D   ( xk  M ) 2 P{  xk } . (2.3)
k 1
Основні властивості дисперсії, які випливають з (2.2):
1) DC = 0, де C – будь-яка стала;
2) D(C )  C 2 D ;
3) D  M 2  ( M ) 2 .

32
Останню властивість часто використовують для обчислення
дисперсії, для дискретної випадкової величини вона набуває
вигляду:

D   xk P{  xk }  ( M ) 2 ;
2
(2.4)
k 1
4) якщо  та  – незалежні випадкові величини, то
D(  )  D  D .
Розмірність дисперсії не збігається з розмірністю випадкової
величини. Для того, щоб розмірність характеристики розсіювання
була така сама, як розмірність випадкової величини, вводять
середньоквадратичне відхилення (стандартне відхилення)
   D .
Для знаходження числових характеристик дискретної
випадкової величини, яка набуває цілих значень, можна
використовувати генератрису:

Ф ( z )   P{  xk }z k . (2.5)
k 1
Тоді
M  Ф (1) ; D  Ф (1)  Ф (1)  [Ф (1)]2 .

Приклади розв’язання задач

Задача 2.1. Три рази стріляють по мішені. Імовірність

влучення при кожному пострілі дорівнює 0,3. Нехай випадкова
величина  означає кількість влучень при трьох пострілах. Треба:
1) скласти ряд розподілу випадкової величини  ;
2) записати і побудувати графік функції розподілу;
3) обчислити математичне сподівання M і дисперсію D ;
4) знайти ймовірність події А ={кількість влучень буде не
менше двох}.
Розв’язання.
1. При складанні ряду розподілу необхідно знати значення 
та ймовірності p, з якими ці значення набуваються. За умовою
задачі  може набувати чотирьох значень: x1 = 0, x 2 = 1, x 3 = 2, x 4

33
= 3. Імовірності, з якими ці значення набуваються, знайдемо за
формулою Бернуллі:
P{  k}  C3k p k (1  p) 3k , де k = 0, 1, 2, 3; p = 0,3.
Отже, ряд розподілу випадкової величини  має вигляд
(табл.2.2):
Таблиця 2.2
 0 1 2 3
p 0,343 0,441 0,189 0,027

2. Записуємо функцію розподілу, користуючись рядом

розподілу:
0, x  0;
0,343, 0  x  1;

F (x ) = 0,784 , 1  x  2;
0,973, 2  x  3;

1, x  3.
Графік функції розподілу наведений на рис. 2.1.
y

0 1 2 3 x
Рис. 2.1
3. Обчислимо математичне сподівання та дисперсію за
формулами (2.1) та (2.4):

M  0·0,343+1·0,441+2·0,189+3·0,027=0,9;
D  0  0,343  1  0,441  4  0,189  9  0,027  0,9  0,63.
2

34
 4. Імовірність події А знайдемо так:
P( A)  P{  2}  1  P{  2}  1  F  (2)  1  0,784  0,216 .
Задача 2.2. Перевіряють деталі в режимі перевантаження.
Імовірність пройти випробування для кожної деталі дорівнює 0,8.
Випробування незалежні одне від одного і закінчуються одразу, як
тільки деталь, яку перевіряють, виходить з ладу. Скласти ряд
розподілу випадкової величини  , яка задає кількість випробувань.
Обчислити математичне сподівання M і дисперсію D .
Розв’язання. Дискретна випадкова величина  може
набувати нескінченної кількості значень: x1=1, x 2 =2, ..., x k = k, ...
Для знаходження ймовірностей, з якими ці значення набуваються,
будемо використовувати теорему множення ймовірностей для
незалежних подій. Отже, загальна формула визначення відповідних
імовірностей буде такою:
P{  k}  (1  p) k 1 p , де р = 0,2, k = 1, 2, ... .
Таким чином, ряд розподілу  має вигляд (табл.2.3):
Таблиця 2.3
 1 2 ... k ...
р 0,2 0,16 ... (0,8) k 1  0,2 ...

Числові характеристики випадкової величини  обчислимо

за допомогою генератриси (2.5):
  pz
Ф ( z )   P{  k}z k   q k 1 pz k  , де q =1 – p,
k 1 k 1 1  qz
Тоді
1 1
M  Ф (1)   5;
p 0,2
q
D  Ф (1)  Ф (1)  [Ф (1)]2  2  20 .
p
Розподіл, який має ця випадкова величина, називається
геометричним.

35
 Задачі

Група А

2.1. Проводять один дослід, у результаті якого подія А може

відбутися з імовірністю р. Нехай  – індикаторна випадкова
величина, тобто дорівнює одиниці, якщо подія А відбулася, та
нулю – якщо не відбулася. Скласти ряд розподілу випадкової
величини  , записати функцію розподілу, обчислити числові
характеристики. При якому значенні ймовірності р дисперсія
набуває максимального значення?
2.2. Розглядаючи стале число а як окремий випадок
випадкової величини, знайти: 1) ряд розподілу числа а; 2) функцію
розподілу а; 3) числові характеристики.
2.3. 1. До випадкової величини  додали сталу величину.
2. Випадкову величину  помножили на сталу величину. Як
змінилися її числові характеристики в обох випадках?
2.4. Зенітний підрозділ відкриває вогонь по ланці
бомбардувальників, яка складається з трьох літаків. Імовірність
влучення у перший літак дорівнює 0,2; у другий – 0,5; у третій –
0,3. Скласти ряд розподілу випадкової величини  – кількості
збитих літаків, знайти функцію розподілу та обчислити числові
характеристики. Знайти ймовірності подій: А = {  <2}; В = {   1 }.
2.5. У приладі працюють незалежно один від одного два
блоки. Надійність (імовірність безвідмовної роботи за деякий час)
першого блока дорівнює 0,8; другого – 0,6. Нехай  – випадкова
величина, яка означає кількість блоків, що працюють протягом
заданого часу. Скласти ряд розподілу величини  , знайти функцію
розподілу та обчислити числові характеристики. Розв’язати
аналогічну задачу для випадкової величини  , яка означає
кількість блоків, що відмовили.
2.6. У шухляді є чотири лампи, які працюють, та одна лампа,
що не працює. Навмання беруть одночасно три лампи. Скласти ряд
розподілу випадкової величини  , яка означає кількість ламп, що

36
працюють, серед трьох вийнятих. Записати функцію розподілу
величини  та обчислити числові характеристики.
2.7. Чотири РЛС незалежно одна від одної виявляють цілі.
Імовірність виявлення цілі першою станцією дорівнює 0,4, другою
– 0,6, третьою та четвертою – 0,5. Випадкова величина  означає
кількість станцій, які виявили ціль. Записати функцію розподілу
величини  . Знайти числові характеристики та ймовірність події
А= {2    4} .
2.8. Є сім радіоламп, з яких три не працюють, але вони не
відрізняються від нових. Навмання беруть чотири радіолампи.
Випадкова величина  означає кількість ламп, які працюють, серед
узятих. Записати функцію розподілу величини  та знайти числові
характеристики.

Група Б

2.9. З урни, в якій є п’ять білих та три чорні кулі, послідовно

виймають кулі до появи білої. Скласти ряд розподілу кількості
чорних куль серед узятих, обчислити математичне сподівання та
дисперсію:
1) якщо вийняті кулі в урну не повертають;
2) якщо вийняті кулі повертають в урну.
2.10. Виконують ряд спроб запустити двигун. Кожна спроба
закінчується запуском двигуна незалежно від інших спроб з
імовірністю, яка дорівнює 0,6 і займає час  . Знайти закон
розподілу загального часу Т, який потрібен, щоб запустити двигун,
його математичне сподівання та дисперсію.
2.11. Проводять випробування п’яти приладів на надійність.
Кожний наступний прилад випробовують тільки тоді, коли
попередній виявиться ненадійним. Скласти ряд розподілу та знайти
математичне сподівання кількості приладів, які пройшли
випробування. Відомо, що ймовірність пройти випробування для
кожного приладу дорівнює 0,9.
2.12. Два прилади працюють незалежно один від одного.
Кожен прилад має два блоки. Надійність (імовірність безвідмовної

37
роботи) блоків першого приладу дорівнює 0,7, а надійність блоків
другого приладу – 0,4. Випадкова величина  означає загальну
кількість блоків, що працюють за період експлуатації приладів.
Скласти ряд розподілу та функцію розподілу величини  . Знайти
ймовірності подій А= {  1} , В={  <3}, а також числові
характеристики випадковоъ величини  .
2.13. Сигнали на ввімкнення приладів подаються через кожні
5 с. Час від моменту передачі сигналу до ввімкнення приладу –16 с.
Подача сигналів припиняється відразу після того, як ввімкнено
принаймні один прилад. Знайти ряд розподілу для випадкового
числа поданих сигналів, якщо ймовірність ввімкнення для кожного
приладу дорівнює 0,5.
2.14. При передачі повідомлення по радіоканалу зв’язку
спостерігаються перешкоди, які заважають його декодувати.
Повідомлення не вдається декодувати з імовірністю р. Його
передають доти, доки його не декодують. Довжина передачі
повідомлення дорівнює 2 хв. Знайти математичне сподівання часу
Т, що витрачений на передачу повідомлення.
2.15. По каналу зв’язку у двійковому коді передають
повідомлення. Знаки “0” або “1” чергуються з рівною ймовірністю
незалежно один від одного. Розглядають будь-яку групу знаків, які
повторюються, наприклад, “0”, “0”, “0”, ... або “1”, “1”, “1”, ... .
Беруть навмання одну з таких груп. Випадкова величина  задає
кількість знаків у такій групі. Знайти її закон розподілу, числові
характеристики, а також імовірність P{  k} .

2.2. Неперервні випадкові величини, їхні закони розподілу

та числові характеристики

Випадкова величина  називається неперервною, якщо її

функція розподілу F ( x)  P{  x} є неперервною,
диференційовною майже скрізь, за винятком можливо окремих
ізольованих точок. Решта властивостей функції F (x ) для
неперервних випадкових величин такі самі, як і для дискретних
випадкових величин. Закон розподілу неперервної випадкової

38
величини найчастіше задається щільністю розподілу
ймовірностей. За означенням щільність розподілу дорівнює
границі
Рx    x  x
f ( x)  lim . (2.6)
x 0 x
Із формули (2.6) випливають основні властивості
щільності розподілу ймовірностей:
1) f ( x)  0, x R ;
2) f  ( x)  F ( x);

3)  f ( x)dx  1 (умова нормування);

b
4) P{a    b}   f  ( x)dx  F b   F a  .
a
(Остання властивість справджується також для відкритих та
напіввідкритих проміжків, тому що для неперервної випадкової
величини P{  m}  0 , де m – будь-яка стала величина);
x
5) F ( x)   f (t )dt .

Основні числові характеристики неперервної випадкової
величини обчислюють за формулами:

M   xf  ( x)dx, (2.7)

за умови, що цей інтеграл збігається абсолютно;

D   ( x  M ) 2 f ( x)dx (2.8)

або

D  x
2
f ( x)dx  ( M ) 2 . (2.9)

Зміст цих характеристик такий самий, як і для дискретних
випадкових величин.

39
 Приклади розв’язання задач

Задача 2.3. Функція розподілу неперервної випадкової

величини  має вигляд:
 0, x  0;
 3
F ( x)  ax , 0  x  1;
 1, x  1.

1. Знайти коефіцієнт а та побудувати графік F (x ) .
2. Записати щільність розподілу ймовірностей f  (x ) та
побудувати її графік.
3. Обчислити математичне сподівання M і дисперсію D .
1 3
4. Знайти ймовірність події      .
4 4
Розв’язання.
1. Функція розподілу випадкової величини  – неперервна,
тому lim F ( x)  lim F ( x) . Звідси а = 1. Графік функції
x10 x10
розподілу зображено на рис. 2.2.

F (x )

0 1 x

Рис. 2.2

2. Щільність розподілу ймовірностей (2.6) знайдемо за

властивістю 2:
 0, x  0, x  1;
f ( x)   2
3 x , 0  x  1.
Графік щільності розподілу наведений на рис. 2.3.

40
 f  (x )

0 1 x

Рис. 2.3

3. За формулами (2.7) та (2.9) обчислимо числові

характеристики M і D :
 1
3 4 1 3
M   xf  ( x)dx   x 3x 2 dx x  ;
 0 4 0 4
 2 1
1
3 3x 5 9 3
D   x f ( x)dx  ( M ) =  x 3 x dx    
2 2 2 2
  .
 0 4 5 16 80
0
4. Імовірність відповідної події знайдемо за властивістю 4
щільності розподілу ймовірностей:
3
1 3 4 3 1
P       f  ( x)dx  F    F    0,4062 .
4 4  14 4 4
Задача 2.4. Випадкова величина  розподілена за законом
  
 A cos x, x  ( 2 , 2 );
f  ( x)  
 
 0, x  (  , ).
 2 2
1. Знайти коефіцієнт А та побудувати графік щільності
розподілу ймовірностей f  (x ) .
2. Записати функцію розподілу F (x ) та побудувати її
графік.
3. Обчислити числові характеристики M , D та
середньоквадратичне відхилення   .

41
   
4. Знайти ймовірність події      .
 3 3
Розв’язання.
1. Коефіцієнт А знайдемо з умови нормування щільності

2
1
розподілу ймовірностей. Маємо:  A cos xdx  1, звідси A=
2
.
 2

Графік щільності розподілу ймовірностей наведений на рис. 2.4.

f  (x )
0,5

– 2 – 3 0   x
3 2

Рис. 2.4

2. Знайдемо функцію розподілу випадкової величини  :

x
1 x 1
F ( x)   f (t )dt = 
2 
costdt  (sin x  1) ,
2

2

 
якщо x  ( , ).
2 2
 
При x   , F (x ) = 0, при x  , F (x ) = 1.
2 2
Отже,
 
 0, x ;
2
 1  
F (x ) =  (sin x  1), x  ( , );
2 2 2
 
1, x .
 2

42
 Графік функції розподілу випадкової величини наведений на
рис. 2.5.
F (x )

0,5

 0  x
2 2

Рис. 2.5

3. Числові характеристики випадкової величини 

обчислимо за формулами (2.7) і (2.8):



1 2
M   xf  ( x)dx   x cos xdx  0 ;
 2 
2


1 2 2 2
D   ( x  M ) 2 f ( x)dx   x cos xdx  2;
 2  4
2

 8 2
   D  .
2
4. Імовірність попадання випадкової величини в заданий
проміжок знайдемо за властивістю 4 функції розподілу:

        3
Р      = F    F     sin  .
 3 3 3  3 3 2

43
 Задачі

Група А

У задачах 2.16 – 2.22 випадкова величина  має щільність

розподілу ймовірностей f  (x ) . Знайти коефіцієнт А, побудувати
графік функції f  (x ) , знайти функцію розподілу F (x ) та
побудувати її графік, обчислити числові характеристики величини
 та знайти ймовірність події      .
0, x  2, x  8;
2.16. f  (x ) =    3;  = 5.
 A, 2  x  8;

 0, x  0, x  2;
2.17. f  (x ) =    1,5;  = 2.
 Ax , 0  x  2;

 0, x  1, x  2;
2.18. f  (x ) =    0;  = 1.
 A( x  1),  1  x  2;

 0, x  1, x  2; 4
2.19. f  (x ) =    1;  = .
 A( x  1), 1  x  2; 3

0, x  0, x  1;
2.20. f  (x ) =  2   0,25;  = 0,25.
 Ax , 0  x  1;

 0, x  0, x  3;
2.21. f  (x ) =    1;  = 2.
 A(3 x  x ), 0  x  3;
2

 0, x  0, x  2;
2.22. f  (x ) =    0,5;  = 1.
 A( 2 x  x ), 0  x  2;
2

2.23. Функція розподілу неперервної випадкової величини 

має вигляд:

44
  0, x  0;
 5
F ( x)   Ax , 0  x  3;
 1, x  3.

Знайти коефіцієнт А, щільність розподілу ймовірностей
f  (x ) , числові характеристики M і D , а також імовірність події
1    4.
2.24. Функція розподілу неперервної випадкової величини 
має вигляд:
 0, x  a ;

 a  x  a , a  0 ;
x
F ( x)   A  B arcsin ,
 a
 1, x  a.
Знайти коефіцієнти А та В, побудувати графік функції F (x ) .
Записати щільність розподілу ймовірностей f  (x ) , побудувати
 a a
графік. Яка ймовірність події      ?
 2 2

У задачах 2.25 – 2.27 неперервна випадкова величина  має

функцію розподілу, яка задана графічно (рис. 2.6 – 2.8). Записати
аналітичні вирази для функції F (x ) та щільності розподілу
ймовірностей f  (x ) . Обчислити числові характеристики M і D .

2.25. F (x )
1

0 2 5 x

Рис. 2.6

45
 2.26.
F (x )
1
0,5

-3 0 2 x
Рис. 2.7
2.27.
F (x )
1
0,5

0 1 2 6 x
Рис. 2.8
Група Б

2.28. Неперервна випадкова величина  має щільність

 x
розподілу ймовірностей f  (x )  Ae ,   0 (розподіл Лапласа).
Визначити коефіцієнт А, побудувати графіки функції f  (x ) та
функції розподілу F (x ) . Знайти числові характеристики розподілу
Лапласа та ймовірність події      M  .
2.29. Неперервна випадкова величина  має щільність
розподілу ймовірностей, графік якої зображено на рис. 2.9 (закон
Сімпсона).
f (x )

0 1 2 x
Рис. 2.9

46
 Записати аналітичні вирази функцій f  (x ) та F (x ) .
Обчислити числові характеристики M і D , знайти ймовірність
події 1    1,5 .
2.30. Деякі неперервні випадкові величини, які
використовують в економіці, статистиці та інших прикладних
науках, розподілені за законом Парето. Функція розподілу закону
Парето задається так:
 0, x  x0 ;
 a
F ( x)    x0 
1   x  , x  x0 , a  0 .
  
Записати щільність розподілу ймовірностей закону Парето.
При яких значеннях параметра а існує математичне сподівання
M та дисперсія D ? Знайти числові характеристики закону.
2.31. У задачах з радіотехніки і радіолокації часто
зустрічаються неперервні випадкові величини  , які розподілені за
законом Релея:
 0, x  0;
 x2
f ( x )   x  2
 2e
2 , x  0,   0.

Записати функцію розподілу F (x ) . Побудувати графіки
функцій щільності розподілу ймовірностей f  (x ) та F (x ) ,
обчислити числові характеристики M і D .
2.32. Щільність розподілу ймовірностей випадкових амплітуд
шумової напруги задають законом Релея з параметром  . Чи
однаково часто зустрічаються амплітуди, менші та більші за
середню?
2.33. У деяких приладах термін служби елементів
електронної апаратури задається законом розподілу Вейбулла,
функція розподілу якого має вигляд:
 
1  ехр  сx a , x  0, a  0, c  0;
F ( x)  
 0, x  0.

47
 Записати щільність розподілу ймовірностей закону Вейбулла
та знайти числові характеристики M і D .
2.34. Неперервна випадкова величина розподілена за законом
x
Коші, якщо її функція розподілу дорівнює F ( x)  b  c arctg ,
a
   x   . Знайти коефіцієнти b і с. Записати щільність розподілу
закону Коші. Чи існує математичне сподівання цього розподілу?
2.35. У теорії масового обслуговування та теорії надійності
важливу роль відіграє закон Ерланга, щільність розподілу
 0, x  0;

ймовірностей якого має вигляд: f  ( x)   n 1 n x
 x e , x  0.
 n!
Записати функцію розподілу закону Ерланга та знайти його
числові характеристики.

2.3. Деякі закони розподілу випадкових величин

Біномний розподіл. Цілочислова невід’ємна випадкова

величина  розподілена за біномним законом, якщо подія    m
має ймовірность:
P   m  Cnm p m q n  m , m = 0, 1, 2, ..., n; q = 1 – p.
Функція розподілу випадкової величини  має вигляд:
0, x  0;
 k 1 m m n  m
F ( x)    C n p q , 0 xk;
 m 0
1, x  n, k  1, 2, ..., n.
Числові характеристики біномного розподілу:
M  np ; D  npq;    npq .
Розподіл Пуассона. Цілочислова невід’ємна випадкова
величина  має розподіл Пуассона, якщо подія   m має
ймовірність:
a m a
P   m  e , (2.10)
m!
де а > 0 – параметр закону Пуассона, m = 0,1,2,...
48
 Функція розподілу величини  має вигляд:
0, x  0;
 n 1 m
F ( x)   a  a
 m 0 m!
e , 0  x  n, n  1,2,...

Числові характеристики закону Пуассона: M = D =а.

Рівномірний розподіл. Неперервна випадкова величина 
має рівномірний розподіл на проміжку [a,b], якщо її щільність
розподілу ймовірностей задається так:
 1
 , x  [ a, b] ;
f ( x )   b  a
 0, x [a, b].
Функція розподілу рівномірного закону має вигляд:
 0, x  a;
x  a
F ( x)   , a  x  b;
b  a
 1, x  b.
Числові характеристики рівномірного розподілу
дорівнюють:
ab (b  a) 2
M  ; D  .
2 12
Експоненціальний (показниковий) розподіл. Неперервна
випадкова величина  має експоненціальний (показниковий)
розподіл, якщо її щільність розподілу ймовірностей має вигляд:
0, x  0;
f  ( x)   x
 e , x  0,
де  > 0 – параметр закону.
Відповідно функція розподілу записується так:
 0, x  0;
F ( x)    x
1  e , x  0.
Експоненціальний закон має числові характеристики:
1 1
M  ; D  2 .
 

49
 Нормальний закон розподілу (закон Гаусса). Неперервна
випадкова величина  розподілена за законом Гаусса, якщо її
щільність розподілу має вигляд:
( x a ) 2
1 
f  ( x)  e 2 2 ,
 2
де а і  >0 – параметри закону. Зміст цих параметрів такий:
M  a; D   2 , тобто     .
Функція розподілу F (x ) закону Гаусса записується через
функцію Лапласа Ф(x) :
xa 1
F ( x)  Ф  ,
   2
x t2
1 
де Ф( x) 
2 0
e 2 dt .

Функція Ф(х) – непарна, lim Ф( x)  0,5 , lim Ф( x)  0,5 .

x x
Таблиця значень функції Лапласа наведена в дод. 1. Для х > 5
вважають Ф(х) = 0,5.
При розв’язанні задач найчастіше користуються формулами:
  a   a 
P        Ф   Ф ;
     
 
P{   a   }  2Ф  ;
 
P   a  3 }  2Ф3  0,9973 . (2.11)
Формула (2.11) є змістом “правила 3  ”, згідно з яким
практично всі значення нормально розподіленої випадкової
величини знаходяться в інтервалі a  3 , a  3  .
У технічних задачах іноді замість параметра  застосовують
параметр Е, який називається серединним відхиленням. Цей
параметр визначається так:
Р   a  3 }  0,5 .
З параметром  він пов’язаний співвідношенням

50
 E   2 , (2.12)
де  0,477.
Якщо за числову характеристику розсіювання береться
серединне відхилення, то щільність розподілу ймовірностей закону
Гаусса набуває вигляду:
 2 ( x a ) 2
 
f ( x)  e E2 ,
E 
а функція розподілу
 xa 1
F ( x)  Фˆ   ,
 E  2
 x   2t 2
де Фˆ ( x)   e dt – зведена функція Лапласа, таблиця якої
 0
наведена в дод. 2. Зв’язок між функцією Лапласа Ф(х) та зведеною
 x 
функцією Лапласа Фˆ ( x) такий: Ф( x)  Фˆ   або

 2
Фˆ ( x)  Ф(  2 x) .
Для розв’язання задач у цьому випадку найчастіше
використовують формули:
   a  ˆ  a 
P        Фˆ    Ф ;
 E   E 
 
P{   a   }  2Фˆ   . (2.13)
E
Згідно з ”правилом 4Е”, практично всі значення нормально
розподіленої випадкової величини  знаходяться в інтервалі
(a  4E, a  4E ) , тому що P   a  4 E  0,993 .

10 Приклади розв’язання задач

Задача 2.5. Під час роботи ЕОМ час від часу виникають збої.
Середня кількість збоїв за добу дорівнює 1,5. Будемо вважати

51
кількість збоїв за добу випадковою величиною, яка розподілена за
законом Пуассона. Знайти ймовірності подій:
1) за дві доби не буде жодного збою;
2) протягом доби буде принаймні один збій;
3) за тиждень буде не менше трьох збоїв.
Розв’язання.
1. Нехай випадкова величина  1 означає кількість збоїв за дві
доби. Середня кількість збоїв за дві доби дорівнює трьом, тобто
M1 =3. Отже,  1 має розподіл Пуассона з параметром а = 3, а тому
за формулою (2.10)
a0
P{1  0}  e a  e 3  0,0498 .
0!
2. Нехай випадкова величина  2 означає кількість збоїв за
добу, тоді M 2 = 1,5 = а. Імовірність того, що протягом доби буде
принаймні один збій знайдемо так:
1,50 1,5
P{ 2  1}  1  P{ 2  0}  1  e  1  e 1,5  0,777 .
0!
3. Нехай випадкова величина  3 означає кількість збоїв за
тиждень, тоді M 3 = 10,5 = а. Відповідну ймовірність обчислюємо
так:
P 3  3  1  P 3  0  P 3  1  P 3  2 

 1  e 10,5  10,5e 10,5 

10,52 e 10,5  0,998.
2
Задача 2.6. Частота передавача імпульсної радіостанції
розподілена за рівномірним законом на проміжку 830030 МГц. Яка
ймовірність того, що з п’яти сигналів РЛС принаймні один буде
виявлений станцією розвідки зі смугою пропускання приймача
8225 ... 8285 МГц?
Розв’язання. За умовою випадкова величина  – частота
передавача імпульсної радіостанції – розподілена за рівномірним
законом на проміжку [а, b], де а = 8300 – 30 = 8270, b = 8300+30 =
=8330 МГц.
8285 8285
1 15
Тоді P{8225    8285}   f (t )dt   dt   0,25.
8225 8270 60 60

52
 Нехай подія А ={принаймні один з п’яти сигналів буде
виявлено}. Знайдемо ймовірність події A ={жодного сигналу не
виявлено}. За формулою Бернуллі (1.5):
P ( A )  (0,75) 5  0,237 , звідси P( A)  1  P( A )  0,763.
Задача 2.7. Час безвідмовної роботи (у годинах) деякого
приладу є випадкова величина  , яка задана щільністю розподілу
ймовірностей
f (t )  0,08e0,08t , t 0.
Знайти: 1) середній час безвідмовної роботи приладу;
2) імовірність безвідмовної роботи приладу протягом 4 год;
3) імовірність відмови приладу в інтервалі часу [4,
20] год;
4) надійність системи, яка складається з п’яти послідовно
під’єднаних однакових приладів протягом 4 год. Вважати відмови
приладів незалежними.
Розв’язання.
1. Середній час безвідмовної роботи приладу є математичним
сподіванням випадкової величини  – часу безвідмовної роботи
приладу. З вигляду щільності розподілу ймовірностей робимо
висновок, що величина  розподілена за експоненціальним
1
законом з параметром  = 0,08. Отже, M  = 12,5 год.

2. Імовірність безвідмовної роботи приладу
знайдемо за формулою
P{  t}  1  F (t )  et .
За умовою задачі  = 0,08, t = 4 год, а тому
P{  4}  e 0,32  0,726 .
3. Спочатку знайдемо ймовірність безвідмовної роботи
приладу в інтервалі часу [4, 20]:
P{4    20}  F (20)  F (4)  e0,32  e1,6  0,524 .
Тоді ймовірність відмови приладу в цьому інтервалі
p  1  P{4    20}  0,476 .

53
 4. Надійність (імовірність безвідмовної роботи) системи
послідовно під’єднаних приладів за теоремою множення
ймовірностей
n
n n t  i
i t
Pсист (t )   Pi (t )   e e i 1
,
i 1 i 1
де  i – параметри експоненціального закону розподілу
безвідмовної роботи для кожного приладу. Якщо прилади однакові,
n
то 1 =  2 =...=  n . За умовою задачі n = 5,  = 0,08, тому  i =5  =
i 1
=0,4. Надійність роботи системи за 4 год
Pсист (4)  e 40, 4  e 1,6  0,202 .

Задача 2.8. Літак виконує поодиноке бомбометання по

автостраді, ширина якої 20 м. Напрям польоту – вздовж автостради.
Серединне відхилення у напрямі, перпендикулярному до польоту,
дорівнює 25 м. Систематичної помилки приціл не дає. Знайти
ймовірність влучення в автостраду.
Розв’язання. Відхилення точки влучення від точки
прицілювання є нормально розподілена випадкова величина  . За
умовою задачі систематичної помилки приціл не дає, тобто M =0.
Крім того, Е = 25 м. Розв’язання задачі зводиться до знаходження
ймовірності події {  10} (рис. 2.10).

y
25
10
0 Лінія прицілювання
Автострада -10 Напрям польоту літака x
-25

Рис. 2.10
За формулою (2.13)

54
  10 
P{  10}  2Фˆ    0,2127 .
 25 

1. Задачі

B. Група А

2.36. Чотири літаки незалежно один від одного скидають по

одній бомбі в наземну ціль. Імовірність влучення в ціль для літаків
однакова й дорівнює 0,6. Випадкова величина  означає кількість
влучень. Побудувати ряд розподілу величини  , записати функцію
розподілу. Знайти числові характеристики M , D та ймовірність
події {2    4} .
2.37. Визначити ймовірність влучення в ціль при кожному
пострілі та кількість пострілів, якщо середня кількість
влучень дорівнює 240, а середньоквадратичне відхилення
випадкової величини, яка характеризує кількість влучень,
дорівнює 12.
2.38. Незалежні випробування проводять за схемою Бернуллі
з імовірністю успіху p. Їх повторюють до першого успіху, після
чого припиняють. Нехай випадкова величина  означає кількість
проведених випробувань до першого успіху включно. Записати
закон розподілу випадкової величини  та знайти ймовірність
P  3.
2.39. Проводять незалежні випробування за схемою Бернуллі.
Ймовірність успіху в одному випробуванні дорівнює р. Знайти
ймовірність події А = {всі k успіхів в n випробуваннях з’являться
один за одним, k  n }.
2.40. Коректура з 500 сторінок містить 1300 помилок. Із
врахуванням того, що можна застосувати закон Пуассона, знайти
найбільш імовірну кількість помилок на одній сторінці тексту та
ймовірність цієї кількості помилок.
2.41. На вузол зв’язку надходять у середньому 120
повідомлень за годину. Кількість повідомлень є випадкова

55
величина, яка розподілена за законом Пуассона. Знайти
ймовірності того, що протягом хвилини: 1) на вузол зв’язку
надійшло не більше одного повідомлення; 2) надійшло три
повідомлення; 3) надійшло не менше п’яти повідомлень.
2.42. Радіостанція веде передачу інформації протягом 100
мкс в умовах імпульсних завад. Середня кількість імпульсів завад
за секунду дорівнює 103. Збігу одного імпульсу завад з періодом
роботи радіостанції достатньо для зриву передачі. Визначити
ймовірність того, що передача інформації не відбудеться.
2.43. Випадкова величина  розподілена за законом
Пуассона з математичним сподіванням M = а = 3. Записати
функцію розподілу випадкової величини  . Знайти ймовірність:
1) того, що випадкова величина  набуває значень, менших за
математичне сподівання M ; 2) величина  набуває додатних
значень.
2.44. Помилка виміру деяким вимірювальним приладом є
випадкова величина  , яка задана щільністю розподілу
ймовірностей
 A, x  [1, 1];
f  ( x)  
 0, x  [1, 1].
Знайти коефіцієнт А, записати функцію розподілу F (x ) . Яка
ймовірність того, що при одному вимірі помилка не вийде за межі
 0,5 , а також числові характеристики помилки виміру?
2.45. Ціна поділки шкали радіодалекоміра дорівнює 10 м. Яка
ймовірність того, що абсолютна помилка виміру відстані не
перевищує 2 м?
2.46. Шкала секундоміра має ціну поділки 0,2 с. Яка
ймовірність зробити за цим секундоміром відлік часу з
помилкою, більшою за 0,05 с?
2.47. Випадкова величина  означає тривалість
прямокутного імпульсу напруги. Вона має рівномірний закон
розподілу на інтервалі (10, 18) мкс. Записати закон розподілу
величини  , знайти її числові характеристики. Яка ймовірність

56
того, що різниця між математичним сподіванням М і величиною
 не перевищує 1,5   ?
2.48. Випадкова величина  означає час безвідмовної роботи
системи. Вона має щільність розподілу ймовірностей
 0, t  0;
f  (t )   0,1t
 Ae , t  0.
Знайти коефіцієнт А, функцію розподілу F (t ) , числові
характеристики величини  , а також надійність (імовірність
безвідмовної роботи) системи протягом часу  . Яка ймовірність
того, що час безвідмовної роботи системи буде меншим від
математичного сподівання?
2.49. Функція розподілу часу безвідмовної роботи
t

радіоапаратури літака (у годинах) має вигляд: F (t )  1  e 40 , t  0.
Знайти щільність розподілу часу безвідмовної роботи, а також
надійність (імовірність безвідмовної роботи) радіоапаратури
протягом трьох льотних змін по 6 год кожна. Яка ймовірність
відмови радіоапаратури за 10 льотних змін по 6 год кожна?
2.50. Час відновлення каналу зв’язку має експоненціальний
розподіл. Середній час відновлення дорівнює 10 хв. Яка
ймовірність того, що час відновлення буде знаходитись у межах від
5 до 25 хв?
2.51. Час безвідмовної роботи приладу літака має
експоненціальний розподіл. Яким має бути середній час
безвідмовної роботи приладу, щоб його надійність за 4 год польоту
літака була не нижчою за 0,99?
2.52. Щільність розподілу ймовірностей часу роботи
t
1  540
елемента деякого приладу f (t ) 
e , t  0 . Знайти
540
ймовірності подій А ={елемент відмовив протягом 648 год};
В ={елемент відмовив в інтервалі часу від 324 до 800 год};
С ={елемент безвідмовно працював протягом трьох діб}.
Знайти надійність (імовірність безвідмовної роботи) протягом
трьох діб безперервної роботи приладу, який складається з 15
однакових елементів. Відомо, що відмова хоча б одного з елементів
57
призводить до відмови всієї схеми. Вважати відмови елементів
незалежними.
2.53. Неперервна випадкова величина  розподілена за
законом Гаусса та має числові характеристики: M = 2, D = 1.
Записати щільність розподілу ймовірностей та функцію розподілу
величини  . Яка ймовірність події {0<  <3}?
2.54. Амплітуда струму в коливальному контурі розподілена
за законом Гаусса з числовими характеристиками M = 30 мА, D
= 55 мА2. Знайти ймовірності того, що амплітуди струму в контурі
будуть: 1) у межах від 20 до 40 мА; 2) не менше 25 мА;
3) не більше 42 мА.
2.55. Систематична помилка вольтметра дорівнює 20 мВ.
Випадкові помилки вольтметра розподілені за законом Гаусса.
Яким має бути серединне відхилення помилки, щоб у 90 %
випадків помилка виміру не перевищувала помилки в бік
завищення 100 мВ?
2.56. Численними вимірами встановлено, що напруга в
електричній мережі в 220 В не відхиляється від свого номіналу на
28 В. Записати щільність розподілу ймовірностей нормального
закону, який має напруга. Яка ймовірність нормальної роботи
телевізора, якщо відомо, що вона розрахована на діапазон напруги
від 205 до 235 В?
2.57. Визначити серединне відхилення вимірювального
приладу, якщо систематичних помилок він не робить, а випадкові
помилки розподілені за нормальним законом. Крім того, відомо,
що помилки з імовірністю 0,8 не виходять за межі мінус 20 ... плюс
20 м.
2.58. Гармата веде вогонь по залізничній колії шириною 10 м.
Площина стрільби перпендикулярна до напрямку колії.
Прицілювання – на середину колії. Систематична помилка
відсутня. Імовірність відхилення у напрямку, перпендикулярному
до колії, дорівнює 20 м. Зроблено 60 пострілів. Яким буде
найбільш імовірне число влучень?
2.59. Помилка, яку дає вимірювальний прилад, розподілена за
законом Гаусса з дисперсією 16 мм2. Систематична помилка
відсутня. Знайти ймовірність того, що в п’яти незалежних вимірах

58
помилка: 1) один раз буде більша за модулем 6 мм; 2) принаймні
один раз буде в інтервал від 0,5 до 3,5 мм.

a) Група Б

2.60. Час Т між двома збоями ЕОМ має експоненціальний

розподіл з параметром  . Розв’язування деякої задачі вимагає
безвідмовної роботи ЕОМ протягом часу  . Якщо за час 
відбувся збій, то задачу потрібно розв’язувати спочатку. Збій
виявляється тільки через час  після початку розв’язання задачі.
Розглянемо випадкову величину  – час, за який задача буде
розв’язана. Знайти закон розподілу  та середній час розв’язання
задачі.
2.61. Прилад складається з чотирьох блоків, які мають
однакову інтенсивність відмов   8,5  10 2 (1/год). Відмова
приладу настає при відмові принаймні одного з блоків, відмови
блоків незалежні. Вважаємо, що час безвідмовної роботи приладу
та блоків має експоненціальний розподіл. Треба: 1) записати
функцію розподілу часу безвідмовної роботи приладу; 2) визначити
надійність (імовірність безвідмовної роботи) приладу протягом
6 год; 3) скласти ряд розподілу, знайти функцію розподілу та
числові характеристики кількості блоків приладу, які відмовили
протягом 6 год роботи.
2.62. Систематична помилка утримання висоти літаком
дорівнює плюс 20 м, а випадкова помилка розподілена за
нормальним законом і має середньоквадратичне відхилення, яке
дорівнює 75 м. Для польоту літака відведений коридор, висота
якого становить 100 м. На початку польоту літаку задана висота,
що відповідає середині коридору. Яка ймовірність того, що літак
буде летіти: 1) нижче від коридору; 2) усередині коридору; 3) вище
від коридору?
2.63. Бракування кульок для підшипників виконують так:
якщо кулька не проходить через отвір діаметром d 1 , але проходить
через отвір діаметром d 2  d1 , то її розмір вважається допустимим.
Якщо будь-яка умова не виконується, то кульку бракують. Відомо,

59
що діаметр кульки D є нормально розподіленою випадковою
величиною з числовими характеристиками: MD  d1  d 2  / 2 ;
 D  d 2  d1  / 4 . Знайти ймовірність того, що кулька буде
забракована.
2.64. За умов задачі 2.63 знайти середньоквадратичне
відхилення  D , якщо відомо, що брак складає 10 % усієї продукції.
2.65. Дві випадкові величини  та  мають однакові
дисперсії. Випадкова величина  розподілена нормально, величина
 розподілена рівномірно. Знайти співвідношення між
серединними відхиленнями цих випадкових величин.
2.66. Встановити зв’язок між середнім абсолютним
відхиленням М   М нормально розподіленої випадкової
величини та її середньоквадратичним відхиленням.
2.67. Випадкова величина  розподілена за законом Гаусса з
параметрами m і  . Знайти ймовірності подій: 1) А =   x1 ;
2) В=   x 2 , де x1 і x 2 – точки перегину кривої щільності
розподілу ймовірностей випадкової величини  .
2.68. Випадкова величина  розподілена за законом Гаусса з
параметрами a  1 ,   1 . Знайти коефіцієнт асиметрії, коефіцієнт
ексцесу та початковий момент шостого порядку величини  .

60
 20 ГЛАВА 3. СИСТЕМИ ВИПАДКОВИХ ВЕЛИЧИН
(ВИПАДКОВІ ВЕКТОРИ)

3.1. Дискретні випадкові вектори, їхні закони розподілу та

числові характеристики

Нехай  , f , P} – ймовірнісний простір. Назвемо n-вимірним

випадковим вектором, або системою випадкових величин,

     1  ,  2  ,...,  n  } векторну функцію, яка визначена на
просторі та має значення у n-вимірному евклідовому просторі R n .
Крім того, подія {1 ( )  x1 ,  2 ( )  x2 ,...,  n ( )  xn } f , для

x  {x1 , x2 ,..., xn }  R n . Випадкові величини 1 ,  2 , ...,  n
називаються координатами, або компонентами випадкового
вектора. Найчастіше розглядають двовимірні випадкові вектори

або систему з двох випадкових величин    ,   . За означенням
функція розподілу випадкового вектора дорівнює:
F ( x1 , x2 , ..., xn )  Р{1  x1 ,  2  x2 , ...,  n  xn } .
Для n = 2 функція розподілу є функція двох дійсних змінних:
F ( x, y )  Р{  x,   y} .
Основні властивості функції розподілу у випадку n  2 :
1) функція розподілу є неспадною функцією двох
аргументів, область зміни якої є відрізок 0, 1 ;
2) lim F ( x, y)  0, lim F x, y   1;
 x, y ,    x, y ,  
3) lim F ( x, y)  F x , lim F ( x, y)  F ( y)
y  x
(умови узгодженості);
4) Р a    b, c    d   F b, d   F a, d  
 F b, c   F a, c  . (3.1)

Випадковий вектор називається дискретним, якщо його

компоненти є дискретними випадковими величинами. Закон

61
розподілу системи двох дискретних випадкових величин  , 
найчастіше задається таблицею розподілу (табл. 3.1).
Таблиця 3.1


x1 x2 … xn …
y1 p11 p21 … pn1 …
y2 p12 p 22 … pn 2 …
… … … … … …
p 1m
ym p2m … p nm …
… … … … … …

У табл. 3.1 x1, x2 , ..., xn , ... – множина значень  ,

y1 , y2 , ..., ym , ... – множина значень  , pij  P{  xi ,   y j } . Для
дискретного двовимірного випадкового вектора функція розподілу
записується так: F ( x, y )    pij . Математичне сподівання
xi  x y j  y
 
випадкового вектора  – це точка M  ( M1 , M 2 , ..., M n ) , де
M i є математичним сподіванням компоненти  i . Навколо цієї

точки групуються можливі значення  , тому вона називається
центром розсіювання. Для знаходження координат центра
розсіювання у випадку n = 2 користуються формулами:

  
 M    xi pij ;


i 1 j 1
 
3.2
 M    y j pij .
 i 1 j 1

Дисперсію компоненти  , яка означає розсіювання відносно

осі OX, знаходимо за формулою
   
D    xi  M  pij    xi2 pij  M  .
2 2
(3.3)
i 1 j 1 i 1 j 1

Аналогічно дисперсію компоненти  , яка означає

розсіювання відносно осі OY, обчислюємо за формулою
62
    
D    ( y j  M ) 2 pij    y 2j pij  ( M ) 2 . (3.4)
i 1 j 1 i 1 j 1
Важливою характеристикою системи випадкових величин
 ,   є кореляційний момент (або коваріація) K  та безрозмірна
числова характеристика – коефіцієнт кореляції r . За
означенням:
K  M   M   M  ;
K 
. r 
 
Випадкові величини називаються некорельованими, якщо
K  = 0 або r  0 . Якщо дві випадкові величини  та 
корельовані K   0  , то вони завжди залежні. Якщо дві випадкові
величини  та  незалежні, то вони завжди некорельовані.
Обернене твердження виконується не завжди. Якщо r  0 , то це
означає тільки відсутність лінійної залежності між випадковими
величинами, але інший вид залежності може бути.
Незалежність двох дискретних випадкових величин
перевіряємо за формулами:
F x, y   F x F  y 
або
P{  xi ,  y j }  P{  xi }P{  y j } .
Кореляційний момент для системи двох дискретних
випадкових величин обчислюємо так:
   
K   ( xi  M )( y j  M ) pij   xi y j pij  M M. (3.5)
i 1 j 1 i 1 j 1
У формулах (3.2) – (3.5) ряди замінюються скінченними
сумами, якщо множина значень  ,   скінченна.
У загальному випадку (n > 2) обчислюють кореляційні
моменти окремих пар компонент  i і  j :
  
K i j  M  i  M i   j  M j , i, j=1,..., n,
значення яких записуються у вигляді кореляційної матриці

63
 D 1 K 1 2 ... K 1 n
K  21 D 2 ... K  2 n
K = K  3 K  3 2 ... K  3 n .
... ... ... ...
K  n1 K  n ... D n
Аналогічно для n-вимірного випадкового вектора можна
скласти нормовану кореляційну матрицю
 1 r1 2 ... r1 n 
 
 r 21 1 ... r 2 n 
R
... ... ... 
.
...
 
 r  r  ... 1 
 n1 n 2 
Обидві матриці симетричні.
При вивченні системи випадкових величин часто
розглядають умовні закони розподілу компонент. Розглянемо це
поняття на прикладі системи двох випадкових величин. Умовним
законом розподілу випадкової величини, що входить до системи
 ,  , називається закон розподілу, який знайдено за умови, що
інша випадкова величина набула відповідного значення. Умовну
функцію розподілу компоненти  знаходимо так:
P   x,   y F ( x, y )
F x / y   P  x /   y    .
P   y F ( y )
Аналогічно
F ( x, y )
F ( y / x)  .
F ( x)
Для системи двох дискретних випадкових величин умовні
закони розподілу задають формулами:
 P  xi ,  y j 
 P  xi /   y j  
P  y j 
;

 P  y /   x   P  xi ,  y j .
 (3.6)

 P   xi 
j i

64
 Важливою характеристикою умовного розподілу є умовне
математичне сподівання. Умовним математичним сподіванням
дискретної випадкової величини  при   xi , де xi – одне з
можливих значень  , називають величину

 

М  /   xi    y j P   y j /   xi , (3.7)
j 1

де y j , j  1, 2,... – значення, яких може набувати випадкова

величина  . Аналогічно розглядають величини M  /   y j .  
Умовне математичне сподівання M  /   y   m  y  називають
регресією величини  відповідно до величини ,
M  /   x   m x   регресією  відповідно до  .

65
 Приклади розв’язання задач

Задача 3.1. Зроблено три постріли по мішені. Імовірність

влучення при кожному пострілі дорівнює 0,4. Для ураження мішені
достатньо двох влучень, а при одному влученні мішень може бути
уражена з імовірністю, яка дорівнює 0,8.
1. Скласти таблицю розподілу випадкового вектора  ,  , де
 – загальна кількість влучень,  характеризує стан мішені, тобто
  0 , якщо мішень не уражена, та   1 , якщо мішень уражена.
2. Записати функцію розподілу системи випадкових величин
( , ).
3. Обчислити числові характеристики  ,  .
4. Знайти ймовірність події  0    2, 0    1 .
Розв’язання.
1. Імовірність pij  P  i,   j , i = 0, 1, 2, 3; j = 0, 1.
Знайдемо значення p ij за теоремою множення ймовірностей та
формулою Бернуллі:
p00  P   0,   0= 0,6  1  0,216;
3

p01  P   0,   1  P  0 ;
p10  P   1,   0  C31  0,4  0,6  0,2  0,086 ;
2

p11  P   1,   1  C31  0,4  0,6  0,8  0,346 ;

2

p20  P   2,   0  P  0 ;
p21  P   2,   1  C32  0,4  0,6  1  0,288 ;
2

p30  P   3,   0  P  0 ;
p31  P   3,   1  0,4 1  0,064 .
3

Зробимо перевірку результатів:

 pij  0,216  0,086  0,346  0,288  0,064  1.
i j

Складемо таблицю розподілу системи  ,  (табл. 3.2).

Таблиця 3.2
 
0 1 2 3

66
 0 0,216 0,086 0 0
1 0 0,346 0,288 0,064

2. Для знаходження функції розподілу

F ( x, y )  P{  x,   y}
зручно використовувати її геометричну інтерпретацію, оскільки
значення F ( x, y ) збігаються з імовірністю попадання точки з
випадковими координатами системи  ,  усередину
нескінченного квадранта з вершиною у точці x, y  (рис. 3.1).
y
y
(x, y)
1

x 0 1 2 3 x
0
Рис. 3.1 Рис. 3.2

Систему випадкових величин  ,  можна зобразити

вісьмома точками на площині XOY. При x  0, y  0; F ( x, y )  0
. Дійсно, у цьому випадку в зазначеній області немає жодної точки
можливих значень  ,  (рис. 3.2).

y y
1 1
0 1 2 3 x 0 1 2 3 x
Рис. 3.3 Рис. 3.4
При 0  x  1, 0  y  1; F ( x, y )    0,   0  0,216.
Дійсно, в заштрихованій на рис. 3.3 області знаходиться точка з
координатами (0,0).
При 0  x  1, y  1 ;
F ( x, y )  P  0,  0  P  0,  1  0,216  0 (рис. 3.4).

67
 Аналогічно, орієнтуючись весь час на геометричну
інтерпретацію функції розподілу, знаходимо всі значення F ( x, y ) .
Відшукані значення заносимо в табл. 3.3.
Таблиця 3.3
 
x  0 0  x 1 1 x  2 2  x  3 x  3
y0 0 0 0 0 0
0  y 1 0 0,216 0,302 0,302 0,302
y 1 0 0,216 0,648 0,936 1,000

3. Для обчислення числових характеристик випадкового

вектора  ,  спочатку складаємо ряди розподілу окремих
компонент вектора. Наприклад, для того щоб знайти ймовірності
P   xi , треба скласти ймовірності p ij , які стоять у таблиці
розподілу в стовпці xi (табл. 3.2). Для знаходження ймовірностей
P  y j  додаємо значення p ij , що стоять у таблиці розподілу в
рядку y j . Отже, випадкові компоненти  та  мають такі ряди
розподілу (табл. 3.4, 3.5).
Таблиця 3.4
 0 1 2 3

p 0,216 0,432 0,288 0,064

Таблиця 3.5
 0 1

p 0,302 0,698

За формулою (2.1) обчислюємо:

M  0  0,216  1  0,432  2  0,288  3  0,064  1,2 ;
M  0  0,302  1  0,698  0,698 .

68
 Таким чином, центр розсіювання випадкового вектора
системи  ,  має координати (1,2; 0,698). Знайдемо дисперсії
компонент. Будемо використовувати формулу (2.4):
D  0  0,216  1  0,432  4  0,288  9  0,064  1,2  0,72;
2

D  0  0,302  1  0,698  0,698   0,211.

2

Кореляційний момент системи випадкових величин  , 

обчислюємо за формулою (3.5):
K   0  0  0,216  0  1  0,086  0  2  0  0  3  0  1  0  0 
 1  1  0,346  1  2  0,288  1  3  0,064  1,2  0,698  0,2764.
Складемо кореляційну матрицю системи  ,  :
 0,7200 0,2764 
K =   .
 0,2764 0,2110 
4. Для знаходження ймовірності події  0    2, 0    1
скористаємося властивістю функції розподілу (3.1). Відповідні
значення функції розподілу візьмемо з таблиці. Отже,

P 0    2, 0    1  F (2,1)  F (0,0) 

 F 0,1  F 2,0  0,302 .
Задача 3.2. Система дискретних випадкових величин  , 
задана таблицею розподілу (табл. 3.6).
Таблиця 3.6

 1 2 3
0 0,1 0,3 0
1 0,2 0,1 0,3

Скласти умовний закон розподілу компоненти  за умови,

що компонента  набула значення нуля. Знайти умовне
математичне сподівання компоненти  за умови, що  набула
значення одиниці.

69
 Розв’язання. Умовний закон розподілу компоненти  за
умови, що  набула значення нуля, визначається сукупністю
умовних імовірностей
P   1 /   0; P   2 /   0; P   3 /   0 .
Указані ймовірності знайдемо за першою формулою системи
рівнянь (3.6):
P  1,   0
P   1 /   0 
0,1 1
  ;
P  0 0,1  0,3  0 4
P  2,   0 0,3 3
P  2 /   0    ;
P  0 0,4 4
P   3,   0 0
P   3 /   0   0.
P  0 0,4
Умовне математичне сподівання M  /   1 обчислимо за
формулою (3.7):
M  /   1  0  P  0 /   1 1 P  1 /   1 
P   1,  1 0,2 2
0   .
P   1 0,1  0,2 3

Задачі
Група А

3.1. Випадковий вектор  ,  має таблицю розподілу

(табл. 3.7).
Таблиця 3.7


1 2 3
–1 0,1 0 0,1
–2 0,2 0,2 0
–3 0,2 0,1 0,1

70
 Знайти закони розподілу випадкових компонент  та  та
числові характеристики вектора  ,  . Чи будуть величини  та 
незалежними?
3.2. У системі керування об’єктом є три блоки, які працюють
незалежно. Надійність (імовірність безвідмовної роботи) блоків
протягом деякого часу однакова і дорівнює 0,7. Розглядаємо
систему випадкових величин  ,  , де  – кількість блоків, що
працюють;  – кількість блоків, що відмовили. Скласти таблицю
розподілу системи  ,  . Записати у вигляді таблиці функцію
розподілу системи F ( x, y ) ; знайти ймовірності подій:
A   0    2, 1    3, B  1    3, 0    2 .
Знайти центр розсіювання та скласти нормовану кореляційну
матрицю системи  ,  .
3.3. Два стрільці незалежно один від одного роблять по
одному пострілу по мішені. Імовірність влучення в мішень для
першого стрільця дорівнює 0,4, для другого – 0,7. Розглядаємо
випадковий вектор  ,  , де  – кількість влучень першим
стрільцем,  – кількість влучень другим стрільцем. Скласти
таблицю розподілу системи  ,  , знайти функцію розподілу цієї
системи та обчислити ймовірність події A   0    1, 0    1.
3.4. Передають два повідомлення, кожне з яких може бути
незалежно одне від одного спотворене. Імовірність того, що перше
повідомлення буде спотворено, дорівнює p1 , а друге – p 2 .
Введемо випадкові величини  та  , які набувають таких значень:
  1 , якщо перше повідомлення спотворено, і   0 , якщо перше
повідомлення не спотворено;   1 , якщо друге повідомлення
спотворено, і   0 , якщо друге повідомлення не спотворено.
Скласти таблицю розподілу системи випадкових величин  ,  ,
знайти функцію розподілу F ( x, y ) та обчислити ймовірність події
А   0    1,5; 0    1 .
3.5. По мішені зробили два незалежних постріли. Імовірність
влучення в мішень при кожному пострілі дорівнює 0,4. Нехай 

71
означає кількість влучень при двох пострілах, а   кількість
промахів. Знайти числові характеристики системи випадкових
величин  ,  .
3.6. Дискретні випадкові величини  та  незалежні та
мають ряди розподілів (табл. 3.8 і 3.9).

Таблиця 3.8 Таблиця 3.9

 0 10 15  7 14 25
1 1 1
p 0,4 0,2 0,4 p
2 6 3

Скласти таблицю розподілу випадкового вектора  ,  та знайти

його числові характеристики. Чому випадкові величини  та 
некорельовані ?
3.7. Закони розподілу незалежних випадкових величин  та
 мають вигляд (табл. 3.10 і 3.11).
Таблиця 3.10 Таблиця 3.11
 0 1 2  0 1 2
p 0,25 0,50 0,25 p 0,09 0,42 0,49

Скласти таблицю розподілу випадкового вектора  ,  та

обчислити його числові характеристики. Чому випадкові величини
 та  некорельовані?
3.8. Стріляють по деякій мішені до її знищення. Боєзапас –
два снаряди. Імовірність влучення при кожному пострілі дорівнює
0,4. При першому влученні мішень вважається ураженою і стрільба
закінчується. Скласти закон розподілу та знайти числові
характеристики системи випадкових величин  ,  , де  –
кількість влучень в мішень,  – характеризує стан мішені.

Група Б

72
 3.9. Зробили три постріли по мішені. Імовірності влучення в
мішень при кожному пострілі дорівнюють відповідно 0,5; 0,3; 0,2.
Імовірність ураження мішені при одному влученні дорівнює 0,2;
при двох – 0,4; при трьох – 0,6. Нехай випадкова величина  –
кількість влучень у мішень, величина  характеризує стан мішені.
Скласти таблицю розподілу випадкового вектора  ,  , функцію
розподілу F ( x, y ) та знайти числові характеристики системи
випадкових величин  ,  .
3.10. По кожній з двох мішеней виконують по одному
пострілу. Імовірність влучення в мішень дорівнює 0,4; при
влученні кожну з мішеней уражено з імовірністю 0,7. Нехай
величина  – загальна кількість влучень,   кількість уражених
мішеней. Скласти закон розподілу системи випадкових величин
 ,  та обчислити числові характеристики системи.
3.11. Проводять чотири незалежних досліди, в кожному з
яких може з’явитися подія А з імовірністю p. Розглянемо систему
випадкових величин  ,  , де величина  – кількість появ події А,
величина  – кількість появ протилежної події A . Скласти закон
розподілу та обчислити числові характеристики системи
випадкових величин  ,  .
3.12. Два спортсмени стріляють кожен по своїй мішені.
Перший спортсмен робить три постріли з імовірністю влучення,
яка дорівнює 0,5 при кожному пострілі, а другий – два постріли з
імовірністю влучення, що дорівнює 0,7. Розглядаються випадкові
величини:  – кількість влучень першого спортсмена;  –
кількість промахів другого спортсмена. Скласти таблицю розподілу
випадкового вектора  ,  та знайти функцію розподілу F ( x, y) .
Знайти ймовірність події A   0,5    2,5; 0,5    2.
Обчислити числові характеристики системи випадкових величин
 ,  . Чи будуть корельованими випадкові величини  та  ?
3.13. З урни, в якій знаходяться три білі, дві чорні та п’ять
червоних куль, виймають одну кулю. Вводять випадкові величини
 ,  і  , які набувають таких значень:   1 , якщо витягли білу

73
кулю, і   0 , якщо не витягли білу кулю;   1 , якщо витягли
чорну кулю, і   0 , якщо не витягли чорну кулю;   1 , якщо
витягли червону кулю, і   0 , якщо не витягли червону кулю.
Скласти кореляційну матрицю і нормовану кореляційну матрицю
системи випадкових величин  , ,  та знайти центр розсіювання
системи.
3.14. Система дискретних випадкових величин  ,  задана
таблицею розподілу (табл. 3.12).
Таблиця 3.12

 1 3 4
3 0,10 0,30 0,20
6 0,06 0,18 0,16

Знайти умовний закон розподілу компоненти  за умови, що

компонента  набуває значення три. Знайти умовне математичне
сподівання компоненти  за умови, що величина  набуває
значення одиниці.
3.15. Систему дискретних випадкових величин  ,  задано
таблицею розподілу (табл. 3.13).
Таблиця 3.13

 1 3 4 8
3 0,15 0,06 0,25 0,04
6 0,30 0,10 0,03 0,07

Знайти умовний закон розподілу компоненти  за умови, що

випадкова величина  набуває значення три, та умовне
математичне сподівання величини  за умови, що величина 
набуває цього значення.
3.2. Неперервні випадкові вектори, їхні закони розподілу та
числові характеристики

74
 
Випадковий вектор      1  , 2  ,...,  n   , визначений
на ймовірнісному просторі  , f , P, називається неперервним
випадковим вектором, або системою неперервних випадкових
величин, якщо всі компоненти цього вектора  i  , i  1, 2, ..., n –
неперервні випадкові величини. Закон розподілу неперервного
випадкового вектора найчастіше задається щільністю розподілу
ймовірностей f  x1 ,..., xn  . При n = 2 маємо двовимірні неперервні
вектори або систему двох неперервних величин  ,  . У цьому
випадку щільність розподілу ймовірностей є невід’ємною
функцією двох змінних f ( x, y ) . Вона визначається як границя
P ,  П
f  ( x, y )  lim ,
x 0 xy
y 0

де П – прямокутник із сторонами x, x  x та y , y  y  .

Властивості щільності розподілу ймовірностей f ( x, y ) :
1) f  ( x, y )  0;
 
2)   f ( x, y)dxdy  1 (умова нормування);
 

 2 F ( x, y )
3) f  ( x, y )  , де F ( x, y ) – функція розподілу
xy
системи випадкових величин;
x y
4) F ( x, y )    f ( x, y )dxdy ;
 

5) якщо знати функцію f ( x, y ) , то можна знайти щільності

розподілу ймовірностей компонент за формулами:
 

 

f ( x )   f  ( x, y )dy;

  (3.8)
 f  ( y )  f  ( x, y )dx;
 


75
 6) P  ,  D   f ( x, y )dxdy , де D – замкнена область в
D
координатній площині ХОУ.
Необхідною й достатньою умовою незалежності випадкових
величин  та  є виконання рівності
f  ( x, y )  f  ( x) f  ( y ) або F x, y   F x F  y  .
Математичні сподівання компонент неперервного
випадкового вектора  ,  обчислюємо за формулами:
 
M    xf  ( x, y )dxdy ;
 
 
M    yf  ( x, y )dxdy .
 
Дисперсії компонент необхідно обчислювати за формулами:
   
D    x  M  f ( x, y)dxdy    x f ( x, y)dxdy  M  ;
2 2 2

   
   
D     y  M  f ( x, y )dxdy   y f ( x, y )dxdy  M  .
2 2 2

   
Кореляційний момент неперервного двовимірного
випадкового вектора будемо обчислювати так:
 
K    x  M  y  M  f ( x, y )dxdy 
 
  (3.9)
   xyf  ( x, y )dxdy  M M.
 
Система двох неперервних випадкових величин має
рівномірний закон розподілу в області D на площині, якщо
щільність розподілу ймовірностей цього вектора дорівнює:
 1
 , x, y  D;
f  ( x, y )   S D (3.10)

 0,  x , y   D,
де S D – площа області D.
Для системи двох неперервних випадкових величин умовний
закон розподілу задається умовною щільністю розподілу:

76
  f  ( x, y )
 f  ( x / y)  ;
 f ( y)
 f ( x, y )
(3.11)
 f ( y / x)   .

 f  ( x)

Умовні математичні сподівання обчислюємо так:
 

 M  /   x    yf  ( y / x)dy;
 
 
 M  /   y   xf  ( x / y )dx.

 

Графіки функцій M  /   x   m x  та M  /   y   m  y 
називаються лініями регресії.

Приклади розв’язання задач

Задача 3.3. Система двох неперервних випадкових величин

 , 
має рівномірний розподіл у трикутнику D, обмеженому
прямими x  0, y  0, x  y  a, a  0. Записати функцію
розподілу F ( x, y ) , знайти закони розподілу випадкових величин
 та  та обчислити числові характеристики системи  ,  .
Розв’язання. За формулою (3.10) запишемо щільність
розподілу f ( x, y ) випадкового вектора  ,  . Трикутник D має
a2
площу (рис. 3.5), тому
2
2
 , x, y  D;
f  ( x, y )   a 2
 0, x, y  D.


y y
a a
y
D1
0 a x 1.
77 D 0 x a x
 Рис. 3.5 Рис. 3.6

Для знаходження функції розподілу F ( x, y ) будемо

використовувати її геометричну інтерпретацію (див. рис. 3.1).
Тоді:
а) якщо x  0 або y  0 , то F ( x, y )  0;
б) якщо x, y  D , тобто x  0, y  0, x  y  a , то (рис.3.5)
x y x y
2 2
F ( x, y )    f  ( x, y )dxdy   
2
dxdy  2 xy ;
  00 a a
в) якщо x  a, y  a, x  y  a , то інтегрувати треба по
області D1 (рис. 3.6).
Тобто
2 a  y y x a x 
F ( x, y)   f  ( x, y)dxdy  2   dx  dy   dx  dy  
D1 a  0 0 a y 0 
2 2
 x  y
 1  1    1   ;
 a  a
г) якщо 0  x  a, y  a, то знайдемо
F ( x, y )   f   x, y dxdy ,
D2

де область інтегрування D2 зображена на рис. 3.7,

2 x a x
2
 x
2 
F ( x, y )  dx  dy  1  1   ;
a 0 0  a 
y y

a
a
y
D3
D2
Рис. 3.7 0 Рис. 3.8a x
0 x a x

78
 д) аналогічно визначимо функцію розподілу для точок
x, y  : x  a, 0  y  a , тоді інтегрування виконаємо по області D3
(рис. 3.8).
2 y a y
2
 y
2 
dy  dx  1  1   ;
F ( x, y ) 
a 0 0  a
е) нарешті, якщо x  a, y  a , то
F ( x, y )   f ( x, y )dxdy  1.
D
Усі знайдені вирази зведемо в одну формулу:

 0, x  0, y  0;

 2
 xy , x  0, y  0, x  y  a;
 a2
  x
2
 y
2
1  1    1   , x  a, y  a, x  y  a;

F ( x, y )   
a  a
2
  x
1  1   , 0  x  a, y  a;
  a
 2
  y
1  1   , x  a, 0  y  a;
  a

 1, x  a, y  a.


Знайдемо одновимірну щільність розподілу випадкової
величини  за формулами (3.8):
  0, x  0 , x  a;

f  ( x)   f  ( x, y )dy   2 
1 ,
x
0  x  a.
  a  a 
Аналогічно
  0, y  0, y  a;

f ( y)   f  ( x, y )dx   2 

y
1  , 0  y  a.
  a  a

79
 Легко побачити, що f  ( x, y )  f  ( x) f  ( y ). Це означає
залежність випадкових величин  та  .
Знайдемо центр розсіювання системи випадкових величин
 ,  . Оскільки щільності розподілу ймовірностей компонент
відомі, то математичні сподівання M та M краще обчислити за
формулою (2.7):
 a
2 x a
M   xf  ( x)dx   x  1  dx  .
 0 a a 3
a
Аналогічно M  . Отже, центр розсіювання має
3
a a
координати  ;  .
3 3
Дисперсії компонент обчислюємо за формулою (2.9):
 a
2 x a2 a2
D  x f ( x) dx  M    x 2 1  dx  
2 2
.
 0 a a 9 18

a2
Аналогічно D  .
18
Кореляційний момент знайдемо за формулою (3.9):
a x
a
2y a2 a2
K    xdx  2 dy   .
0 0 a 9 36
Обчислимо коефіцієнт системи випадкових величин  ,  
кореляції:
K  1
r   .
  2
Задача 3.4. Система випадкових величин  ,  має
рівномірний розподіл у квадраті K   x, y  : x  y  1. Знайти
щільності розподілу ймовірностей окремих компонент цієї
системи. Чи будуть випадкові величини  та  незалежними?
Записати умовні щільності розподілу ймовірностей цих випадкових
величин.
Розв’язання. Площа квадрата К S K  2 (рис. 3.9).

80
 y
1
y= x+1 y= –x+1

B. K
–1 0 1 x
Рис. 3.9
y = – x – щільність
Записуємо 1 y=x–1
розподілу ймовірностей системи
випадкових величин  ,  за формулою (3.10):
–1

1
 , x, y  K ;
f  ( x, y)   2
 0, x, y  K .

Знаходимо щільності розподілу випадкових величин  та 
за формулами (3.8):
 1 1 x
  dy  1  x, 0  x  1;
 2 1x1x
1
f  ( x)    dy  1  x,  1  x  0;
 2 1 x
 0, x  1, x  1.


Або коротко:
1  x , x  1;
f  ( x)  
 0, x  1.
Аналогічно
1  y , y  1;
f ( y)  
 0, y  1.
Отже, законом розподілу окремих компонент випадкового
вектора є закон Сімпсона. Із порівняння знайдених виразів видно,

81
що f  ( x, y )  f  ( x) f  ( y ) . Це означає, що випадкові величини  та
 залежні.
Знайдемо умовні щільності за формулами (3.11):
 1
f  ( x, y )  , y 1 x;
f  ( x / y)    21  y 
f ( y) 
 0, y 1 x;
 1
 x 1 y ;
  21  x 
f  ( x, y ) ,
f  ( y / x) 
f  ( x)  0,
 x 1 y.
Із симетрії області К і рівномірності розподілу випливає, що
M  M  0 . Обчислимо кореляційний момент випадкових
величин  та  . За формулою (3.9)
 
1
K      xydxdy  0.
xyf  ( x, y )dxdy 
2K
 
Це означає, що випадкові величини  та  некорельовані.
Розглянута задача дає можливість зробити важливий висновок: з
некорельованості випадкових величин ще не випливає їх
незалежність.

Задачі

Група А

3.16. Знайти ймовірність влучення снаряда в мішень, яка має

форму, показану на рис. 3.10. Відомо, що функція розподілу
F ( x, y ) випадкової точки з координатами  ,  падіння снаряда
задана формулою
F ( x, y)  1  e x  e  y  e xy , 0  x, y  .

y
b2
b1
82

0 a1 a2 x
 Рис. 3.10

Записати щільність розподілу ймовірностей системи

випадкових величин  ,  .
3.17. Щільність розподілу ймовірностей системи двох
неперервних випадкових величин
  
 A 1  xy x 2  y 2 , x, y  D   x  1, y  1;
f ( x, y)  
 0, x, y  D.
Знайти коефіцієнт А та числові характеристики системи
випадкових величин  ,  .
3.18. Щільність розподілу ймовірностей системи
неперервних випадкових величин  ,  має вигляд:
C ( xy  y 2 ) , x, y  D ;
f ( x, y)  
 0, x, y  D ,
де область D  x, y : 0  x  2 , 0  y  2. Знайти коефіцієнт С,
центр розсіювання системи випадкових величин та ймовірність
події A    ,  K  , де K   x, y  : x  y  2 .
3.19. Неперервний випадковий вектор  ,  має щільність
A
розподілу ймовірностей f ( x, y )  . Знайти

1  x  y2
2
2

коефіцієнт А. Визначити радіус кола з центром на початку

координат, імовірність попадання в який дорівнює р.
3.20. Функція розподілу системи двох випадкових величин
 ,  має вигляд: F ( x, y)  A(arctgx   )(2Ф( y)  1 ), де Ф(y) –
2 2
функція Лапласа. Знайти коефіцієнт А та функції розподілу
компонент F (x ) та F ( y ) . Чи будуть випадкові величини  та 
незалежними?
3.21. Функція розподілу системи випадкових величин  , 
 
дорівнює: F ( x, y)  A x  y  2 e x y   2  x ex  2  y  e y  2 ,

83
при x  0, y  0 . Знайти коефіцієнт А, щільність розподілу системи
 ,  та щільності розподілу компонент. Чи будуть випадкові
величини  та  незалежними?
3.22. Щільність розподілу системи двох неперервних
випадкових величин  ,  має вигляд:
 1
 , x  a, y  b;
f  ( x, y )   4ab

 0, x  a, y  b, 0  a  b.
Записати функцію розподілу системи випадкових величин та
знайти ймовірність події A    ,  K  , де K – коло з центром на
початку координат та радіусом r  a.
3.23. Система двох випадкових величин  ,  рівномірно
розподілена в трикутнику ОВС (рис. 3.11). Знайти закони розподілу
компонент та числові характеристики системи.
y

1
1. B
Рис. 3.11
Чи будуть випадкові величини  та  незалежними?
0 1 2 x 2. C
3.24. Задано щільність розподілу системи неперервних
випадкових величин  ,  :
A
f ( x, y )  .
1  x  y2  x2 y2
2

Знайти коефіцієнт А, функцію розподілу системи, закони

розподілу компонент. Чи будуть випадкові величини  та 
незалежними?
3.25. Задано щільність розподілу ймовірностей системи
неперервних випадкових величин:
0,5sin x  y  , x, y   П ;
f ( x, y )  
 0, ( x, y )  П ,

84
   
де П  ( x, y ) : 0  x  , 0  y   .
 2 2
Записати функцію розподілу системи випадкових величин та
обчислити числові характеристики системи.
3.26. Неперервні випадкові величини  та  незалежні, їхні
щільності розподілу ймовірностей відповідно дорівнюють:
 0, x  2; y  0;
  0,
f ( x )   1 f ( y )    y
 , x  2; e , y  0.
4
Назвати закони розподілу випадкових величин  та  .
Записати функцію розподілу випадкового вектора  ,  , обчислити
числові характеристики системи.
3.27. Випадкові величини  та  незалежні й розподілені за
законом Коші:
1 1
f  ( x)  ; f ( y) 
 
 1 x 2
 
 1 y2
.

Яка ймовірність появи події A   0    1; 0    1,5?

Група Б

3.28. Система випадкових величин  ,  має щільність

розподілу ймовірностей f ( x, y ) . Виразити через цю функцію
ймовірності подій:
A     ; B     ; C     ; D      1.
3.29. Знайти центр розсіювання та кореляційну матрицю
системи неперервних випадкових величин  ,  , якщо щільність
2
розподілу ймовірностей f  ( x, y )  .

 x  y2 1
2 3

3.30. Поверхня розподілу системи неперервних випадкових
величин  ,  , тобто графік щільності розподілу ймовірностей
системи, є прямий коловий циліндр:

85
 x 2  y 2  r 2 ;

 0  z  h.
Визначити радіус циліндра, якщо h – відома величина.
Записати щільність розподілу ймовірностей системи випадкових
величин та щільності розподілу ймовірностей окремих компонент
системи. Знайти числові характеристики системи випадкових
величин  ,  .
3.31. Система трьох неперервних випадкових величин
 ,,  розподілена рівномірно в області D (D – паралелепіпед:
x  a, x  b, y  c, y  d , z  l , z  k , a  b, c  d , l  k ).
Записати закон розподілу цієї системи випадкових величин,
закон розподілу підсистеми  ,  та закон розподілу випадкової
величини  .
3.32. Випадковий вектор  , ,  рівномірно розподілений в
області D   x, y , z  : x 2

 y 2  z 2  r 2 . Яка ймовірність події
 r2 
A    ,, U , де U  x, y, z  : x 2  y 2  z 2   ?
 4
3.33. Система неперервних випадкових величин  ,, 
x2  y 2  r 2 ;
рівномірно розподілена в циліндрі 
 0  z  2h.
Записати закон розподілу системи  , ,  та закони
розподілу її окремих компонент.
3.34. Система двох неперервних випадкових величин  , 
має щільність розподілу ймовірностей
1     2
x2  y2

 x2   y 2
e  2e 2  e  y e  x .
 2
f ( x, y)  2e  e
2
2     
    
Знайти щільності розподілу окремих компонент, а також
умовні закони розподілу f x / y  , f  y / x  . Чи будуть випадкові
величини  та  незалежними?

86
 3.35. Випадкова величина  має експоненціальний закон
розподілу з параметром  . Випадкова величина  при заданому
значенні   x  0 розподілена також за експоненціальним законом
з параметром x . Записати щільність розподілу ймовірностей
системи випадкових величин  ,  , знайти щільність розподілу
ймовірностей f ( y ) та умовну щільність розподілу f x / y  .

3.3. Нормальний закон розподілу на площині

Нормальним законом розподілу на площині (законом

Гаусса на площині) називають закон розподілу неперервного
випадкового вектора  ,  , щільність розподілу ймовірностей
якого задано формулою
1 
 1  ( x  a)2 2r ( x  a)( y  b) ( y  b)2  

f ( x, y)  exp 2 
   .
2 1 2 1 r 2

 2(1  r ) 
  1
2
 
1 2  2
2 
 

У цій формулі M  a , M  b , D   12 , D   22 , r –
коефіцієнт кореляції компонент випадкового вектора  та  . Якщо
 та  – некорельовані випадкові величини r  0 , то f ( x, y )
набуває вигляду:
 1  x  a 2  y  b 2 
1
exp  
f ( x, y)    . (3.12)
2 1 2  2   1
2
 22 
Формулу (3.12) називають канонічним видом нормального
закону. Якщо система випадкових величин  ,  має канонічний
нормальний розподіл, то легко бачити, що f  ( x, y )  f  ( x) f  ( y ) .
Отже, з некорельованості нормально розподіленої системи
випадкових величин  ,  випливає її незалежність. У разі, коли
r =0, функцію розподілу записуємо так:
  x  a  1   y  b  1 
F ( x, y)  Ф    Ф    , (3.13)
   1  2     2  2 
де Ф(x) – функція Лапласа.

87
 Лініями рівних імовірностей ( f  ( x, y ) =const) будуть еліпси,
які називаються еліпсами розсіювання. Рівняння еліпсів
розсіювання має вигляд:
( x  a ) 2 2r x  a  y  b   y  b 
2
   2 .
1 2
 1 2 2 2

Якщо r  0 , то рівняння еліпсів розсіювання буде таким:

x  a 2   y  b 2  2 . (3.14)
 12  22
Центр розсіювання а, b  збігається з центром еліпсів
розсіювання, осі симетрії еліпсів розсіювання називаються
головними осями розсіювання. Якщо r  0 , головні осі
розсіювання паралельні координатним осям OX та OY. Імовірність
попадання точки в еліпс розсіювання, рівняння якого (3.14),
знаходимо так:
P ,  Е   1  e 2 ,
2
(3.15)
де E – область, обмежена еліпсом.
Імовірність попадання нормально розподіленої випадкової
точки з координатами  ,  в прямокутник
П   x, y  :   x   ,   y   
при r  0 обчислюємо за формулою
   a    a      b     b 
P ,  П  Ф   Ф  Ф   Ф . (3.16)
   1    1     2    2 

У деяких технічних застосуваннях замість параметрів  1 та

2 іноді використовують серединні відхилення E1  E , E 2  E .
Зв’язок між параметром E та середньоквадратичним відхиленням
 задається формулою (2.12). При r  0 щільність розподілу
набуває вигляду:
2 
  x  a 2  y  b 2  
f ( x, y )  exp   2    .
 Е1Е2 
  Е1
2
Е 2
2  


88
 Функцію розподілу задаємо через зведену функцію Лапласа
ˆ
Ф( x ) :
  x  a  1   y  b  1 
F ( x, y)  Фˆ     Фˆ     .
  E1  2    E 2  2 

Рівняння еліпсів розсіювання при r  0 будуть такими:

 x  a 2   y  b 2   2
1. (3.17)
E12 E 22
Зв’язок між сталими  та 1 такий: 2  2 12 .
Імовірність того, що нормально розподілена випадкова точка
з координатами  ,  попаде в еліпс розсіювання G1 , рівняння
якого (3.17), обчислюємо за формулою
 
Р  ,  G1  1  e  1
2 2
.
Імовірність попадання нормально розподіленої випадкової
точки ( , ) у прямокутник П   x, y  :   x   ,   y    при
r  0 обчислюємо так:
   a       b   
Р ,   П   Фˆ ˆ  a ˆ  b
 Е   Ф Е   Ф Е   Ф Е  . (3.18)
ˆ
  1   1    2   2 

Розсіювання нормально розподіленої випадкової точки з

координатами  ,  називається коловим, якщо  1   2   (або
E1  E2  E ). У цьому випадку еліпси розсіювання стають колами.
Випадкові величини  та  при коловому розсіюванні незалежні
за будь-якого вибору системи координат.
Імовірність попадання нормально розподіленої випадкової
 
точки в коло К R  x, y  : x 2  y 2  R 2 обчислюємо так:
R2

P  ,  K R   1  e 2 2

або
 2R2

P  ,  K R   1  e E2 .

89
 Відстань  від точки з координатами  ,  до центра
розсіювання є випадкова величина, яка розподілена за законом
Релея, тобто щільність розподілу ймовірностей має вигляд:
 x   x2 
 2 exp  , x  0;
2 
f  ( x )   
 2 
 x  0.
 0,

Приклади розв’язання задач

Задача 3.5. Задано функцію нормального розподілу системи

випадкових величин  ,  :
  x  3  1   y  2  1 
F ( x, y )  Ф    Ф  .
  2  2   4  2 
1. Знайти числові характеристики системи випадкових
величин  ,  .
2. Записати щільність розподілу ймовірностей системи.
3. Скласти рівняння еліпсів розсіювання.
4. Знайти ймовірності подій:
А     2,   1; B   0    4,  4    0 .
5. Знайти ймовірність попадання випадкової точки з
координатами  ,  в еліпс розсіювання при   1,5.
Розв’язання.
1. Порівнюємо задану функцію розподілу з формулою (3.13).
Імовірнісний зміст параметрів закону Гаусса дає можливість
записати M  3, M  2,  1  2,  2  4, r  0 .
2. За відомими параметрами нормального закону запишемо
щільність розподілу ймовірностей:
1  x  32  y  22 
f  ( x, y)  exp   .
16  8 32 
3. Рівняння еліпсів розсіювання мають вигляд:
x  32   y  22  2 .
4 32

90
 4. Імовірності подій обчислимо за формулами (3.13) та (3.16),
скориставшись таблицею значень функції Лапласа (дод. 1).
P A  P   2,  1  F 2,1 
  1  1   1  1 
  Ф    Ф     0,185;
  2  2   4  2 
PB   P 0    4,  4    0 
 Ф0,5  Ф1,5 Ф0,5  Ф0,5  0,24.
5. Імовірність події   ,  Е1,5  знаходимо за формулою
(3.15):
2 , 25
P  ,   E1,5   1  e

2  0,675.
Задача 3.6. Винищувач атакує літак у хвіст і робить два
поодиноких постріли з відстані 800 м. Для ураження літака
достатньо одного влучення. Умовна схема контуру літака вказана
на рис. 3.12.
y
0,25 м

1м
0,5 м

1
2 3

0 x
Рис. 3.12
Знайти ймовірність ураження 1м літака,
4 м якщо2 мприцілювання
виконують по центру літака, систематичні помилки відсутні,
розсіювання колове із серединним відхиленням Е  6,25  10 3 D , де
D – дальність стрільби (в метрах). Визначити необхідну кількість
пострілів, за якої ймовірність ураження літака буде не меншою за
P = 0,8.
Розв’язання. Нехай подія A ={літак уражений}. Імовірність
знищення літака дорівнює ймовірності хоча б одного влучення при
двох незалежних пострілах, тобто Р A  1  1  p  , де р –
2

імовірність влучення в літак при одному пострілі. Систематичні

помилки відсутні, тобто центр розсіювання збігається з точкою
прицілювання. Тому ймовірності влучення в праву та ліву частини
91
літака однакові. Обчислимо ймовірність p  влучення при одному
пострілі в праву частину літака, тоді p  2 p . У свою чергу
ймовірність p  дорівнює сумі ймовірностей влучення у
прямокутники 1, 2 і 3 (рис. 3.12). Отже, р  р1  р2  р3 . За
умовою E1  E2  6,25  10 3  800  5 м. Імовірність p1 знаходимо за
формулою (3.18), в якій візьмемо
a  b  0,   0,   1,   0,5,   0,5 .
Отже,
 1  0   0    0,5  ˆ  0,5 
p1  Фˆ    Фˆ   Фˆ    Ф   2Фˆ 0,2Фˆ 0,1  0,00289 .
  5   5    5   5 

Для знаходження p 2 також використовуємо формулу (3.18).

У цьому випадку а= b = 0,   1,   5,   0,25,   0,25 . Тоді
 50  1  0   ˆ  0,25  0  ˆ   0,25 
p 2  Фˆ    Фˆ   Ф   Ф   0,00528 .
  5   5    5   5 
Для p 3 : а = b = 0,   5,   7,   0,125,   0,125 , тому
 7 0  5  0   ˆ  0,125  ˆ  0,125 
p 3  Фˆ    Фˆ   Ф   Ф    0,001 .
  5   5    5   5 
Отже,
p  2 p  2( 0,00289  0,00528  0,001 )  0,0184.
Остаточно
P A  1  1  p   1  0,9816 2  0,04.
2

Необхідну кількість пострілів N для ураження літака з

імовірністю, не меншою за Р  0,8 , визначимо з формули
знаходження ймовірності принаймні одного влучення при N
пострілах. Ця ймовірність має дорівнювати (або більше) 0,8, тобто
ln 1  Р 
1  (1  p ) N  Р. Звідси маємо N

ln 1  p . Або

ln 1  0,8
N  86,7 . Отже, треба зробити не менше ніж 87
ln 1  0,0184 
пострілів для ураження літака з імовірністю, не меншою за 0,8.

92
 Задача 3.7. Система двох випадкових величин  ,   має
нормальний закон розподілу із щільністю розподілу ймовірностей

f  x, y  
1  1  x  1

exp 
2

x  1 y  3   y  32  .
 
16 0,75 
 1,5  16 8 4   
Знайти умовні закони розподілу випадкових величин  та .
Розв’язання. Із виразу щільності розподілу маємо:
М  1, М  3,  1  4,  2  2, r  0,5  0. Отже,  та  –
залежні випадкові величини. Знайдемо умовні щільності розподілу
цих компонент за формулами (3.11):
1  1  x  12 x  1 y  3  y  32  
exp     
16 0,75  1,5  16 8 4  
f  x / y   .
1   y  32 
exp  
2 2  8 
Якщо спростити цей вираз, то будемо мати:
 1
f  x y  
1
exp  x   y  22 .
4 1,5  24 
Аналогічно знайдемо
f  x, y   1 2
f  y x   exp   y  3  0,25x  1 .
1

f  x  2 1,5  6 
Із цих виразів випливає, що умовні щільності розподілу
ймовірностей f  x / y  та f   y x  також є щільностями розподілу
нормального закону з параметрами, які збігаються з умовним
математичним сподіванням та умовною дисперсією. Порівнюючи
умовні щільності розподілу із загальним виглядом щільності
розподілу закону Гаусса, маємо такі умовні математичні
сподівання: M     y  2 , M     3  0,25x  1. Цей результат
показує, що лінії регресії для нормально розподілених випадкових
величин є прямі.

93
 Задачі
Група А

3.36. Щільність розподілу ймовірностей системи випадкових

 x  22  y  32 
величин  ,   f  x, y   a exp   . Знайти
 2 8 
коефіцієнт a та ймовірність події A    2,  3.
3.37. Центр розсіювання системи двох нормально
розподілених випадкових величин є точка М(4,–3), а кореляційна
3 0,75 
матриця системи має вигляд: K    . Записати щільність
 0,75 12 
розподілу ймовірностей f  x, y  випадкового вектора  ,  .
3.38. Система двох випадкових величин  ,   має
нормальний закон розподілу з параметрами: 1) М(3, –2),
D  4, D  16, r  0 ; 2) М(1, 2),    3,    1, r  0,4.
Записати щільність розподілу ймовірностей та функцію
розподілу системи випадкових величин  ,   в обох випадках.
3.39. Ціль на плані є прямокутник із сторонами 30 та 10 м,
траєкторія руху ракети проходить через центр прямокутника,
прицілювання виконують по центру прямокутника. Напрямок
стрільби збігається з напрямком більшої сторони прямокутника,
серединне відхилення за дальністю дорівнює 20 м, у боковому
напрямку – 4 м. Яка ймовірність влучення ракети в ціль?
3.40. Система двох незалежних випадкових величин  ,  
має нормальний закон розподілу з параметрами М(0, 0),  1  10 та
 2  15. Знайти ймовірність попадання випадкової точки з
координатами  ,   в еліпс з центром на початку координат та з
півосями, які відповідно дорівнюють: 1) 5 та 7,5; 2) 10 та 15; 3) 20
та 30 м.
3.41. Задано щільність розподілу ймовірностей випадкової
точки на площині:
 
f ( x, y)  A exp  4x  5  2x  5 y  3  5 y  3 .
2 2

94
 Треба: 1) знайти коефіцієнт А; 2) скласти кореляційну
матрицю системи випадкових величин  ,  ; 3) обчислити площу
еліпса розсіювання з   1.
3.42. Система двох випадкових величин  ,   має
нормальний розподіл з числовими характеристиками М(0, 0),
 4 0
К    . Записати щільність розподілу ймовірностей f  x, y 
 0 9
системи випадкових величин  ,   та знайти необхідну кількість
випробувань, за яких імовірність принаймні одного попадання
випадкової точки з координатами  ,   в прямокутник
П   x, y  : 0  x  4, 0  y  3 була б не меншою за 0,9.
3.43. Випадкова точка з координатами  ,  розподілена за
коловим нормальним законом з параметрами М(0, 0),  1   2  2 .
Знайти ймовірності попадання випадкової точки в області:
 
1) S1  x, y  : 4  x 2  y 2  9 ;
 
2) S 2   ,   : 0    2, 0     , де  ,   – полярні
 6
координати точки.
3.44. Помилки визначення координат повітряних об’єктів
РЛС розподілено за нормальним законом розподілу із щільністю

f  ( x, y ) 
2 
  x2
exp   2  
 y  102  .

200 
  400 100   
Яка ймовірність того, що координати об’єкта будуть виміряні
з помилками за модулем не більше як 5 м вздовж осі ОХ та 10 м –
вздовж осі ОУ?
3.45. Нормально розподілена система незалежних
випадкових величин  ,   має колове розсіювання із серединним
відхиленням 10 м та нульовим математичним сподіванням. Треба:
1) записати щільність розподілу системи; 2) знайти ймовірність
того, що в чотирьох дослідах випадкова точка з координатами
 ,  не менше як три рази попаде у коло радіусом 18 м;

95
3) записати функцію розподілу та щільність розподілу
ймовірностей радіального відхилення випадкової точки з
координатами  ,   від початку координат.

Група Б

3.46. Систему двох випадкових величин  ,   розподілено за

нормальним законом із щільністю
f x, y  
1
2,4 2

exp
1
 2

x  52  0,8x  5 y  5  0,25 y  52  .
 0,72 
Записати щільності розподілу ймовірностей компонент  та
 і умовні щільності розподілу.
3.47. Відхилення від номіналів двох розмірів деталі  та 
розподілено за нормальним законом із характеристиками:
M  1 мм, M  2 мм,    2,97 мм,    3,71 мм.
Відділ технічного контролю (ВТК) приймає тільки ті деталі,
в яких відхилення від номіналів обох розмірів не виходить за межі
(– 5; 5) та (– 7; 5,5) мм відповідно. Знайти ймовірності подій: А =
{вибрана навмання деталь буде забракована ВТК}; В = {три деталі,
вибрані навмання, прийняті ВТК}; С = {не менше, ніж дві з трьох
деталей прийнято ВТК}; D = {принаймні одна з трьох деталей
забракована ВТК}.
3.48. Ціль на плані є прямокутник зі сторонами 250 та 150 м.
Заходження літака на бомбометання проходить вздовж більшої
сторони. Серединне відхилення за дальністю дорівнює 100 м, за
напрямком – 80 м. Прицілювання виконують по центру цілі, але
через систематичні помилки центр розсіювання змістився в бік
недольоту на 20 м та вправо на 10 м. Знайти: 1) імовірність
влучення при скиданні однієї бомби; 2) імовірність ураження цілі
при скиданні трьох бомб, якщо для цього достатньо одного
влучення; 3) імовірність влучення в ціль двох з п’яти скинутих
бомб; 4) середню кількість влучень при скиданні чотирьох бомб.
3.49. Парашутист бере участь у змаганні на точність
приземлення й виконує свій стрибок останнім. Характеристики
розсіювання точки приземлення парашутиста дорівнюють за вітром

96
– 2,5 м, проти вітру – 2 м. Систематичні помилки відсутні. Три
кращих результати (відхилення точки приземлення від центра
хреста), що були показані попередніми парашутистами, відповідно
дорівнюють 1,5; 2 та 2,5 м. Знайти ймовірність того, що
парашутист: 1) посяде перше місце; 2) посяде друге місце;
3) посяде третє місце; 4) не посяде призове місце.

97
 ГЛАВА 4. ФУНКЦІЇ ВИПАДКОВИХ
АРГУМЕНТІВ
4.1. Закон розподілу функції одного випадкового аргументу

Нехай  – дискретна випадкова величина, закон розподілу

якої має вигляд: P   xk   pk , k = 1, 2, ..., тоді закон розподілу
дискретної випадкової величини      знаходимо за таким
алгоритмом:
1) обчислюємо всі значення, яких може набувати випадкова
величина  , тобто yk  xk  , k = 1, 2, ... ;
2) упорядковуємо ці значення;
3) під упорядкованими значеннями y k пишемо відповідні
ймовірності, якщо y k   ( x k )   ( x r )  ...   ( x s ) , то ймовірність
обчислюємо так:
P  yk }  pk  pr  ...  ps .
Нехай   неперервна випадкова величина із щільністю
розподілу ймовірностей f   x  і      . Якщо функція
y   (x)  неперервна, монотонна, диференційовна на області
визначення, то вона має обернену диференційовну функцію
y   (x) . У цьому випадку закон розподілу неперервної
випадкової величини      знаходимо за формулою:
f  y   f    y    y  . (4.1)
Якщо функція y   x   неперервна, кусково-монотонна,
диференційовна функція на області визначення, то кожна її
монотонна частина має свою обернену функцію y   i x  , і=1,2,....,
n, де п – кількість монотонних частин функції y   x  . У цьому
разі закон розподілу      знайдемо за формулою:

f  y    f   i  y   i  y  .
n
(4.2)
i 1

98
 30 Приклади розв’язання задач

Задача 4.1. Закон розподілу дискретної випадкової величини

 заданий рядом розподілу (табл. 4.1).

(1)
Таблиця 4.1

 –2 –1 –0,5 0,5 1 2
1 1 1 2 1 1
р
4 12 9 9 6 6

Знайти закон розподілу випадкової величини    2 .

Розв’язання.
1. Знаходимо значення випадкової величини  :

y1   2  4; y2   1  1; y3   0,5  ; y4  0,5  ;
2 2 2 1 2 1
4 4
y5  1  1; y6  2  4 .
2 2

Знаходимо ймовірності, з якими ці значення набуваються:

P  0,25  P  0,5 P  0,5    ;
1 2 1
9 9 3
P  1  P   1 P  1    ;
1 1 1
12 6 4
P  4  P   2 P   2    .
1 1 5
4 6 12
Отже, ряд розподілу  має вигляд (табл. 4.2).

(2) Таблиця 4.2

 0,25 1 4
1 1 5
р
3 4 12

99
 Задача 4.2. Через точку з координатами (a, 0), а > 0 на
площині XOY проведено пряму під гострим кутом  до осі ОХ
(рис. 4.1).

Рис. 4.1

Значення кута  мають рівномірний розподіл в інтервалі

  
  , . Знайти закон розподілу ординати точки перетину прямої
 2 2
з віссю OY.
Розв’язання. Випадкова величина  за умовою задачі має
  
рівномірний розподіл в інтервалі   ,  , тому щільність
 2 2
розподілу ймовірностей випадкової величини  буде такою:
1
 , x     ,  ;
  2 2
f  x   
0,   
x    , .
  2 2

Ордината точки перетину прямої з віссю OY є випадковою
величиною  , яка зв’язана з  формулою   a tg  . Функція
y  a tgx, a  0 є зростаюча диференційовна функція в інтервалі

100
   y
  ,  . Вона має обернену функцію x    y   arctg . Відомо,
 2 2 a
що похідна   y   2
a
. Отже, за формулою (4.1) знаходимо:
a  y2

f  y  
a
,    y   .

 a  y2
2

Це є щільність розподілу ймовірностей для закону Коші.
Задача 4.3. Випадкова величина  має рівномірний розподіл
  
в інтервалі   ,  . Знайти закон розподілу випадкової величини
 2 2
  cos  .
Розв’язання. Функція y  cosx – немонотонна функція в
  
інтервалі   ,  . У цьому інтервалі вона складається з двох
 2 2
  
монотонних частин. Отже, при x    ,0  y  cosx має обернену
 2 
 
функцію  1  y    arccos y, при x   0,  оберненою функцією
 2
буде  2  y   arccosy . З умови задачі щільність розподілу
випадкової величини  дорівнює:
1   
 , x    2 , 2  ;
f  x     

 0, x    ,  .
 
  2 2
За формулою (4.2) знаходимо:
f  y   f  1  y   1  y   f  2  y   2  y  
1 1 2
   , y  0, 1 .
 1 y 2
 1 y 2
 1 y2

101
 B. Задачі

1. Група А

4.1. Дискретна випадкова величина  має ряд розподілу

(табл. 4.3).

(1)
Таблиця 4.3

 –2 –1 0 1 2
p 0,1 0,2 0,3 0,3 0,1

Знайти закони розподілів випадкових величин 1   2  1 ,

2   .
4.2. Дискретна випадкова величина  має ряд розподілу
(табл. 4.4).

(a)
Таблиця 4.4

 0 1 2
p 0,2 0,5 0,3
Скласти ряди розподілів випадкових величин 1   2  1 ,
 2  3  2 , 3  2   .
4.3. Неперервна випадкова величина  має щільність
розподілу ймовірностей f   x  . Знайти закон розподілу випадкової
величини   a  b , де а та b – дійсні числа.

102
 4.4. Неперервна випадкова величина  має рівномірний
  
розподіл в   ,  . Знайти закони розподілів
інтервалі
 2 2
випадкових величин 1  sin  ,  2  sin  .
4.5. Неперервна випадкова величина  має щільність
розподілу ймовірностей f   x . Знайти закони розподілів
випадкових величин 1  1   ,  2   та  3   .
4.6. Неперервна випадкова величина  розподілена за

законом Коші, тобто f  x  

1
,    x   .

 1 x2 
Знайти закони розподілів випадкових величин:
1
1  1   3 , 2  a 2 , 3  arctg  та 4  .

4.7. Знайти щільність розподілу об’єму куба, ребро якого є
випадкова величина, рівномірно розподілена в інтервалі (0, а).
4.8. Через точку з координатами (0, l ) проведено навмання
пряму. Знайти закон розподілу абсциси точки перетину цієї прямої
з віссю 0Х.

b) Група Б

4.9. Стрілець робить чотири постріли по мішені з різних

відстаней. Імовірності влучення при кожному пострілі дорівнюють
відповідно 0,4; 0,5; 0,5; 0,6. Знайти ряд розподілу кількості
одержаних стрільцем очок у таких варіантах організації змагань:
1) за кожне влучення йому присуджується п’ять очок; 2) за одне –
два влучення йому присуджується п’ять очок; за три–чотири
влучення – 10 очок, за нуль влучень з нього знімають три очки.
4.10. Неперервна випадкова величина  має щільність
розподілу f   x  . Знайти закони розподілу випадкових величин:

1  sign  ,  2  min  ,  2 .

103
 4.11. Неперервна випадкова величина  має рівномірний
розподіл в інтервалі (0, 1). Вона зв’язана з випадковою величиною

 функціональною залежністю tg  e . Знайти щільність
2
розподілу ймовірностей f   y  .
4.12. Неперервна випадкова величина  рівномірно
розподілена в інтервалі (а, b) і має функцію розподілу F  x  . Вона
зв’язана з випадковою величиною  функціональною залежністю
  F   . Знайти закон розподілу випадкової величини  .
4.13. Два відрізки довжиною а та b виходять з однієї точки
під випадковим кутом  один до одного. Кут  є неперервна
випадкова величина, яка рівномірно розподілена в інтервалі 0,  
. Знайти щільність розподілу площі трикутника, побудованого на
цих відрізках.

4.2. Закон розподілу функції кількох випадкових аргументів

Нехай випадкова величина    1 ,  2 ,...,  n  , де випадковий


вектор   1 ,...,  n  має щільність розподілу ймовірностей
f   x1 , x 2 ,..., x n  , тоді закон розподілу випадкової величини 
знаходимо за формулою:

F  y    ... f x1, x2 ,..., xn  dx1dx2 ...dxn , (4.3)

Dy

де Dy  x ,..., x  R ;x ,..., x   y.

1 n
n
1 n
Зокрема, для функції двох випадкових аргументів
   1 ,  2  формула (4.3) має вигляд:
F  z    f 1 2  x, y dxdy , (4.4)
Dz

де D z    x, y   R 2
:   x, y   z . 

104
 Важливим випадком є складання закону розподілу суми
випадкових величин. Якщо випадкова величина   1   2 , то
щільність розподілу ймовірностей суми випадкових величин
 
f z    f  x, z  x  dx
1 2
або f z    f  z  y, y  dy .
1 2
 
Якщо додаються незалежні випадкові величини, то закон
розподілу суми називається композицією законів розподілу
доданків.

40 У цьому випадку щільність розподілу

суми двох незалежних неперервних випадкових
величин

f z   f1  f 2 z  , 
тобто згортки законів розподілу доданків. Цей результат
узагальнюється на будь-яке число доданків незалежних
неперервних випадкових величин:

f1 .... n z   f1  f 2  ...  f n z  . 
Закон розподілу випадкової величини називається стійким,
якщо композиція законів одного типу дає закон того самого типу.

Приклади розв’язання задач

Задача 4.4. Закон розподілу системи двох дискретних

випадкових величин заданий таблицею розподілу (табл. 4.5).

(a) Таблиця 4.5

 
–1 0 1
0 0,1 0,2 0
1 0,2 0,3 0,2

Скласти ряд розподілу випадкової величини   2   2 .

Розв’язання. Обчислюємо можливі значення, яких набуває
випадкова величина  :

105
 якщо x1  1, y1  0, то z1  2   1  0 2  2 ;
якщо x1  1, y2  1, то z 2  2   1  12  1;
якщо x2  0, y1  0, то z 3  2  0  0 2  0 ;
якщо x2  0, y2  1, то z 4  2  0  12  1 ;
якщо x3  1, y1  0, то z 5  2  1  0 2  2 ;
якщо x3  1, y2  1, то z 6  2  1  12  3 .
Імовірності, з якими ці значення набуваються,
візьмемо з табл. 4.5:
p1  P   1,   0  0,1; p2  P   1,   1  0,2;
p3  P   0,   0  0,2; p4  P   0,   1  0,3;
p5  P   1,   0  0; p6  P   1,   1  0,2.
За результатами складаємо ряд розподілу випадкової
величини  (табл. 4.6).

(i)
Таблиця 4.6

 –2 –1 0 1 2 3
p 0,1 0,2 0,2 0,3 0 0,2

Задача 4.5. Випадкова точка з координатами  ,   має

рівномірний розподіл у квадраті K   x, y  : 0  x  1, 0  y  1.
Знайти закон розподілу площі прямокутника із сторонами 
та  .
Розв’язання. Площа прямокутника S є випадкова величина,
яка дорівнює S   , 0  S  1 . За формулою (4.4) функція
розподілу
Fs  z    f  x, y  dxdy ,
DZ

де DZ    x, y   R 2

: xy  z .

106
 За умовою задачі система випадкових величин  ,   має
рівномірний розподіл у квадраті К. Це означає, що щільність
розподілу ймовірностей випадкового вектора  ,   має вигляд:
1,  x, y   K ;
f   x, y   
0, x, y   K .
При 0  z  1 область інтегрування Dz має вигляд, що
показано на рис. 4.2.

y
1
xy = z

Dz

0 z 1 x
Рис. 4.2

1 1
Отже, Fs z    dxdy  1   dxdy  1   dx  dy  z 1  ln z  .
DZ DZ z z
x
Якщо z >1, то FS ( z ) =1, при z  0 FS ( z )  0. Остаточно
0, z  0;

FS z    z 1  ln z , 0  z  1;
1, z  1.

Задача 4.6. Скласти композицію двох рівномірних законів,
якщо вони задані відповідно в інтервалах (1, 3) та (2, 5).
Розв’язання. За умовою задачі потрібно знайти закон
розподілу суми двох незалежних випадкових величин  та  ,
якщо:
1 1
 , x  1, 3 ;  , y  2, 5 ;
f  x    2 f  y    3
0, x  1, 3 ; 0, y  2, 5 .

107
 Знаходимо функцію розподілу випадкової величини
   за формулою (4.4). Відомо, що для незалежних
випадкових величин виконується рівність: f  ( x, y )  f  ( x) f ( y ).
Отже, F  z    f x  f  y  dxdy , де Dz – область, для якої x+y <z і
Dz

жодна з функцій f x , f  y  не набуває нульових значень. Область

інтегрування буде різною, залежно від того, в якому з проміжків
 ,3 , 3,5 , 5,6 , (6,8] , (8,) знаходяться значення z.
Області інтегрування показані на рисунках:
1) при z  3 (рис. 4.3), F  z   0 ;
2) при 3<z  5 (рис. 4.4),

F z  
z 2
f x  dx
zx
f  y  dy 
z  32
  12
;
1 2
3) при 5  z  6 (рис. 4.5),
3
1 zx 1
F z    dx  dy   z  5 ;
1
1 2 5 x 3 3
4) при 6< z  8 (рис. 4.6),
z 5
1 5
1 3
F z    dx  dy   dx  dy 
1 zx 1 z  610  z ;
1 2 6 x 3 z 5 2 6 x 3 12
3
1 51
5) при z >8, F z    dx  dy  1.
12 23

y y
5 5
4 4
3 3
2 x+y=z 2 x+y=z
1 1
0 1 2 3 4 5 x 0 1 2 3 4 5 x
Рис. 4.3 Рис. 4.4
z–2

108
 y y
8 8
7 7
6 6
5 5
4 4 x+y=z
3 x+y=z 3
2 2
1 1

0 1 2 3 4 5 6 x 0 1 2 3 4 5 6 7 8 x

Рис. 4.5 Рис. 4.6

Остаточно маємо:
0, z  3;
1
 z  32 , 3  z  5;
12
 1
F z    z  5 , 5  z  6;
3
1
12 z  610  z  , 6  z  8;

1, z  8.
Щільність розподілу ймовірностей f z  визначимо
диференціюванням за z:

109
 0, z  3, z  8;
z  3
 , 3  z  5;
 6

f  z    1
 3 , 5  z  6;

 8  z , 6  z  8.
 6
Графічно функції f   x  , f   y  та f  z  зображені на рис. 4.7.

f  x 
1 f y f  z 
2
1
3

0 1 2 3 4 5 6 7 8 x, y, z

Рис. 4.7

B. Задачі

1. Група А

4.14. Закони розподілів двох незалежних дискретних

випадкових величин задані рядами розподілів (табл. 4.7 і 4.8).

a) Таблиця 4.7
Таблиця 4.8

110
  0 1  –1 0 1
р 0,4 0,6 р 0,2 0,5 0,3

Скласти ряди розподілів випадкових величин  1     ,

 2   ,  3  2  3  1 .
4.15. Записати функцію розподілу та ряд розподілу
випадкової величини    , якщо випадковий вектор з
компонентами  ,   має таблицю розподілу (табл. 4.9).

b) Таблиця 4.9

 
–1 0 1
0 0,1 0,2 0,1
1 0,2 0,3 0,1


4.16. Знайти закон розподілу відношення   двох

незалежних нормально розподілених випадкових величин  та  з
характеристиками M  M  0,       1 .
4.17. Випадкова точка з координатами  ,  розподілена
рівномірно у колі K    x, y  : x 2

 y 2  1 . Знайти закон розподілу

випадкової величини   .

4.18. Система незалежних випадкових величин  ,   має
нормальний закон розподілу з числовими характеристиками
M  M  0,        . Знайти закон розподілу випадкових
величин  1     ,  2     .
4.19. Скласти композицію двох рівномірних законів, які
мають щільності розподілів ймовірностей:

111
 1, x  0, 1 ; 1, y  0, 1 ;
f 1  x    f2  y   
0, x  0, 1 ; 0, y  0, 1 .
4.20. Скласти композицію двох випадкових величин, одна з
яких розподілена за законом Коші f  x  
1
,  x  , а

 1 x2
1
 , y  0, 3 ;
інша має рівномірний закон розподілу f  y    3
0, y  0, 3 .
4.21. Похибка  визначення дальності РЛС розподілена
нормально з числовими характеристиками M  m,     , а
похибка  зчитування оператором значень дальності зі шкали
індикатора РЛС має рівномірний розподіл на проміжку  ,   .
Знайти закон розподілу сумарної похибки.
4.22. Студент, коли їде на заняття, користується метро та
автобусом. Він чекає поїзда метро не більше 2 хв, а автобус – не
більше 10 хв. Будемо вважати, що час чекання поїзда  та автобуса
 є випадкові величини, які розподілені рівномірно відповідно в
інтервалах (0, 2) та (0, 10). Знайти щільність розподілу сумарного
часу чекання транспорту.

(1) Група Б

4.23. Перевірити стійкість законів: 1) експоненціального;

2) Пуассона; 3) біномного; 4) нормального.
4.24. У коло радіусом r навмання ставлять точку. Знайти
закон розподілу відстані від точки до центра кола.
4.25. Випадкові величини  та  – незалежні й мають
щільності розподілу ймовірностей f   x  та f  ( y ) відповідно.
Знайти закон розподілу випадкової величини   max  , .
4.26. За умов задачі 4.25 знайти закон розподілу випадкової
величини   min  , .

112
 4.27. Випадкова точка з координатами  ,   розподілена за
нормальним законом з параметрами М  М  0 ,   ,   , r  0 .
Записати закон розподілу полярних координат точки (  ,  ).
4.28. Випадковий вектор  ,   розподілений за законом зі
щільністю розподілу ймовірностей
2x  y  , 0  x  y  1 ;
f x, y   
 0, в інших випадках.
Знайти щільність розподілу випадкових величин  1     ,
 2   .
4.29. Обидва корені квадратного рівняння x 2  x    0 є
рівномірно розподілені випадкові величини на проміжку  1, 1 .
Знайти закон розподілу для коефіцієнтів  та  .
4.30. Знайти закон розподілу модуля випадкового вектора
 ,  , якщо випадкові величини  та  – незалежні, нормально
розподілені з параметрами M  M  0 , E  E  E .

4.3. Числові характеристики функцій випадкових аргументів

Для визначення числових характеристик функцій

випадкових аргументів достатньо знайти тільки закони
розподілу аргументів.
Якщо дискретна випадкова величина  має розподіл
P{  xk }  p k , k=1, 2,..., то числові характеристики випадкової
величини      обчислюємо так:

M ( )    ( x k ) p k ; (4.5)
k 1

D ( )   [ ( xk )  M ( )] 2 p k 
k 1

  [ ( x k )] 2 p k  [ M ( )] 2 . (4.6)
k 1

113
 Якщо система дискретних випадкових величин ( ,)
розподілена за законом P{  xi ,  y j }  pij , i, j  1,2,.... , то
числові характеристики випадкової величини     ,  знайдемо
за формулами:
M ( , )     ( xi , y j ) pij ;
i j

D ( ,)  [ ( xi , y j )  M ( ,)] pij 

2

i j

   [ ( xi , y j )] 2 pij  [ M ( , )] 2 .
i j

Якщо неперервна випадкова величина  має щільність

розподілу ймовірностей f  (x ) , то числові характеристики
випадкової величини      обчислюємо так:

M ( )    ( x) f  ( x)dx;


D ( )   [ ( x)  M ( )]2 f ( x)dx 


   ( x) 2 f ( x)dx  [ M ( )]2 .

Якщо система неперервних випадкових величин ( ,) має
щільність розподілу ймовірностей f  ( x, y ) , то числові
характеристики випадкової величини     ,  знайдемо так:
 
M ( ,  )     ( x, y ) f  ( x, y )dxdy ; (4.7)
 
 
D ( , )    [ ( x, y)  M ( , )]
2
f  ( x, y )dxdy 
 
 
   [ ( x, y )] f  ( x, y )dxdy  [ M ( , )] 2 .
2
(4.8)
 

114
 50 Приклади розв’язання задач

Задача 4.7. Індикатором колового огляду навігаційної станції

є коло радіусом R. Внаслідок перешкод може з’явитися пляма в
будь-якій точці цього кола. Знайти математичне сподівання та
дисперсію відстані центра плями до центра кола.
Розв’язання. Випадкова відстань r від центра кола до центра
плями записується через координати ( ,) випадкової точки так:
r   2   2 . Система випадкових величин ( ,) має рівномірний
розподіл. Отже,
 1
 , x2  y 2  R2 ;
f ( x, y )  R 2

 0, x2  y 2  R2.
За формулою (4.7) обчислюємо:
1 1 2 R 2 2
Mr   x 2
 y 2
dxdy  2 
d   d  R .
R x 2  y 2  R 2
2
R 0 0 3
Дисперсію r знайдемо за формулою (4.8):
2
1 2 
Dr  2  ( x  y )dxdy   R  
2 2

R x2  y2 R2 3 
1 2 R 3 4 2 R2
  d   d   R  .
R 2 0 0 9 18
Задача 4.8. Знайти числові характеристики функції
  1  2 2 , якщо  – дискретна випадкова величина, яка задана
рядом розподілу (табл. 4.10).

a) Таблиця 4.10

 0 1 2
р 0,2 0,5 0,3

Розв’язання. Математичне сподівання випадкової величини

 обчислюємо за формулою (4.5):

115
 M  (1  0) 2  0,2  (1  2)  0,5  (1  2  4)  0,3  2,4 .
Дисперсію випадкової величини  знайдемо за формулою (4.6):
D  (1  0) 2  0,2  (1  2) 2  0,5  (1  2  4) 2  0,3  (2,4) 2  9,64 .

60 Задачі

1. Група А

4.31. Дискретна випадкова величина  має ряд розподілу

(табл. 4.11).

(a)
Таблиця 4.11

 –1 0 1
р 0,2 0,3 0,5

Знайти числові характеристики випадкової величини    4 .

4.32. Знайти числові характеристики випадкової величини
   1  2 , якщо  1 та  2 – незалежні випадкові величини, які
3 2

мають ряди розподілів (табл. 4.12 і 4.13).

(b)

(c) Таблиця 4.12

Таблиця 4.13

1 0 1  2 –1 0 1
р 0,4 0,6 р 0,2 0,5 0,3

4.33. Незалежні випадкові величини  1 та  2 мають

розподіли ( табл. 4.14 і 4.15).

116
 (d) Таблиця
4.14
Таблиця 4.15

1 –1 0 1 2  2 1 2 3 4
р 0,1 0,3 0,4 0,2 р 0,3 0,4 0,2 0,1

Знайти числові характеристики випадкових величин

1  1   2 ,  2  1   2 ;  3  1 2 .
4.34. Неперервна випадкова величина  розподілена за
2 x, x  (0, 1);
законом f ( x )   Знайти числові характеристики
0, x  (0, 1).
випадкової величини    2 .
4.35. Випадкова величина  має експоненціальний розподіл
з параметром  >0. Знайти числові характеристики випадкової
величини   e  .
4.36. Випадкова величина  має закон розподілу
  
 0,5 cos x, x  ( 2 , 2 );
f ( x )  
 
 0, x  ( , ).
 2 2
Знайти числові характеристики випадкових величин
1  sin  і  2  sin  .
4.37. Випадкова точка з координатами ( ,) розподілена
 
рівномірно в колі K  ( x, y ) : x 2  y 2  1 . Знайти числові
характеристики випадкової величини    .
4.38. Випадкові величини  та  – незалежні. Випадкова
величина  розподілена за нормальним законом з параметрами
М  1,    2 , випадкова величина  розподілена рівномірно на
проміжку (0, 2). Обчислити: 1) M (  ) ; 2) М  ; 3) M 2 ;
4) М (   2 ) ; 5) D(   ) ; 6) D(   ) .

117
 4.39. Вершина С прямого кута прямокутного рівнобедреного
трикутника з’єднується відрізком прямої з довільною точкою М
основи. Довжина основи дорівнює двом. Знайти математичне
сподівання довжини відрізка СМ.

(2) Група Б

4.40. Задано систему випадкових величин ( , ,  ) з

математичними сподіваннями M , M, M і кореляційною
матрицею
 D K  K  
 
K  D K  .
 D 

Знайти числові характеристики випадкової величини
u  a  b  c  d .
4.41. Дві точки з випадковими координатами  та 
незалежно одна від одної займають випадкове положення на
відрізку 0, 1 . Щільність розподілу ймовірності на цьому відрізку
є сталою величиною для обох випадкових величин. Знайти
математичне сподівання відстані R між цими точками та квадрата
відстані між ними.
4.42. Знайти математичне сподівання відстані між двома
точками в таких випадках: 1) дві точки вибрані навмання на
суміжних сторонах прямокутника із сторонами а та b; 2) дві точки
вибрані навмання на протилежних сторонах прямокутника із
сторонами а та b.
4.43. Випадкова величина  розподілена за
експоненціальним законом з параметром  > 0. З’ясувати, коли
існують і чому дорівнюють числові характеристики випадкової
величини   e  .
4.44. На колі радіусом а навмання вибирають три точки А, В і
С. Знайти математичне сподівання площі трикутника АВС.

118
 4.45. На колі радіусом а та з центром на початку координат
навмання вибирають точку. Знайти математичне сподівання площі
квадрата, сторона якого дорівнює абсцисі цієї точки.
4.46. Випадкова величина  має біномний закон розподілу.
Знайти числові характеристики випадкової величини   e a , де а –
стала величина.
4.47. Радіус кривини траєкторії руху літака у верхній точці
петлі Нестерова задається формулою
V2
R ,
g n  1
де g  9,81 м/с2; V – швидкість літака; n – перевантаження є
нормально розподіленими випадковими величинами з
характеристиками:
МV  100 м/c; Мn  0,5;  V  2,78 м/с;  n  0,03
і коефіцієнтом кореляції rVn  0,4 . Знайти математичне сподівання
та середньоквадратичне відхилення радіуса кривини траєкторії
руху літака.

4.4. Характеристичні функції випадкових величин

Характеристичною функцією випадкової величини 

називається комплексна функція дійсного аргументу t, яка за
означенням дорівнює:

  (t )  Me it   e itx k P  x k ,
к 1
якщо  – дискретна випадкова величина;

 (t )  Me it   eitx f x  dx ,


якщо  – неперервна випадкова величина; i   1 .

Характеристична функція дає можливість обчислювати
числові характеристики випадкових величин за формулами:
M  i (0); D   (0) , (4.9)

119
де  (t )  ln   (t ) .
За допомогою характеристичної функції можна знайти
щільність розподілу ймовірностей неперервної випадкової
величини  :
1  itx
 e   (t )dt .
f  ( x) 
2 
(4.10)

Характеристична функція суми незалежних випадкових

величин  1,  2, ... ,  n дорівнює добутку характеристичних функцій
доданків:
n
 n (t )    i (t ) . (4.11)
i i 1
i 1

Якщо характеристична функція   (t ) дійсна, то вона

обов’язково парна й відповідає закону розподілу випадкової
величини  , симетричному відносно нуля. Крім того, завжди
  (0) =1,  (t )  1 .
Якщо  – дискретна випадкова величина, яка набуває
невід’ємних цілих значень, то її характеристична функція пов’язана
з генератрисою формулою
  (t ) = Ф (e it ) .

70 Приклади розв’язання задач

Задача 4.9. Знайти щільність розподілу ймовірностей f  (x )

випадкової величини  , характеристична функція якої має вигляд:

  (t )  .
  t2
2

Розв’язання. Закон розподілу випадкової величини 

знайдемо за формулою (4.10):
  e  itx
f  (x ) = 
2   2  t 2
dt .

120
 Для обчислення інтеграла застосуємо теорему про лишки.
При х < 0

e itx e ixz  e ixz  2iex ex
 2 2 dt  2i Re s  2i     .
 2z  2i 
   t
i  2  z 2
  z i
Аналогічно при х > 0

eitx e ixz  e ixz  ex
 2 2 dt  2i Re s  2i 
  .
   t
 i  2  z 2
 2 z  z  i 
1  x
Остаточно маємо: f  (x ) = e . Розподіл, який має таку
2
щільність, називається розподілом Лапласа.
Задача 4.10. Знайти характеристичну функцію дискретної
випадкової величини  , розподіленої за законом Пуассона з
параметром а, та обчислити з її допомогою числові характеристики
M , D .
Розв’язання. За означенням характеристична функція
дискретної випадкової величини 
  a k a
  (t ) =  e itx k P{  x k }   e itk e =
k 0 k 0 k!

(ae ) it k
= e a   e  a e ae  exp[ ae it  a] .
it

k 0 k !
Числові характеристики знайдемо за формулами (4.9). Для
цього вводимо функцію
 (t )  ln  (t )  a(eit  1) .
Тоді  (t )  aie it ,  (t )  ae it . M  i (0)  iai  a ,
D   (0)  a . Одержуємо вже відомий результат.
Задача 4.11. Скласти композицію двох нормальних законів
розподілу, якщо відомо, що характеристична функція закону
  2t 2 
Гаусса з параметрами a та  дорівнює   t   exp iat  .
 2 
Розв’язання. Нехай випадкова величина  1 має нормальний
закон розподілу з параметрами (a1 ,  1 ) , а  2 – нормальний закон

121
розподілу з параметрами (a 2 ,  2 ) . Треба знайти закон розподілу
суми  1+  2 , якщо  1 та  2 – незалежні випадкові величини. За
формулою (4.11) знаходимо характеристичну функцію суми
незалежних випадкових величин:
 12t 2  22t 2 t2 2
ia1t  ia 2t   i ( a1  a2 ) t  ( 1  22 )
 1  2 (t )   1 (t )  2 (t )  e 2 e 2 e 2
.

Отже, з наведеної формули видно, що це – характеристична

функція нормального закону з параметрами (a1  a2 ,  12   22 ) .
Результат задачі показує, що закон Гаусса стійкий.

Задачі

A. Група А

4.48. Випадкова величина  має біномний розподіл з

параметрами n та p. Знайти характеристичну функцію цього
розподілу та з її допомогою числові характеристики випадкової
величини .
4.49. Дискретна цілочислова випадкова величина  має
ak
розподіл Паскаля з параметром а > 0, якщо P{  k}  ,
(1  a ) k 1
k = 0, 1, 2, ... . Знайти характеристичну функцію   (t ) цього закону
та з її допомогою числові характеристики випадкової величини  .
4.50. Випадкова величина  розподілена за законом Коші з
параметрами а > 0 та с  (,) , тобто має щільність розподілу
a
ймовірностей f  ( x)  . Знайти характеристичну
 (( x  c) 2  a 2 )
функцію закону Коші.

122
 4.51. Характеристичні функції неперервних випадкових
1 1
величин  та  дорівнюють:   (t ) = ;  (t ) = . Знайти
1  it 1  it
щільності розподілів імовірностей f  (x ) та f  (x ) цих величин.
4.52. Характеристична функція неперервної випадкової
e itm
величини  дорівнює   (t ) = . Знайти щільність розподілу
 2t 2
1
2
ймовірностей f  (x ) та числові характеристики випадкової
величини.
4.53. Знайти закони розподілу випадкових величин  та  ,
характеристичні функції яких мають вигляд:   (t ) =cost;  (t ) =
1
it
.
2e 1
4.54. Методом характеристичних функцій довести, що закони
Пуассона та Коші є стійкими законами розподілу.
4.55. Знайти характеристичну функцію випадкової величини
  1   2 , якщо  1 та  2 – незалежні випадкові величини зі
x
1 2
щільностями розподілів імовірностей f 1 ( x )  e та
2
y
1 
f2 ( y)  e 3 .
3
4.56. Змішано n1 та n2 однотипних деталей. Кількість
бракованих деталей у кожній групі (  та  відповідно)
розподілено за біномним законом з однаковою ймовірністю p.
Знайти    (t ) .
4.57. Знайти характеристичну функцію суми двох
незалежних випадкових величин, які мають показникові закони
розподілу з однаковим параметром  , обчислити числові
характеристики цієї суми.

123
 1. Група Б

4.58. Довести, що характеристична функція дійсна тоді і

тільки тоді, коли вона парна.
4.59. Нехай  та  – незалежні, однаково розподілені
випадкові величини, які мають характеристичну функцію  (t ) .
Знайти характеристичну функцію випадкової величини   .
4.60. Довести, що наступні функції не можуть бути
характеристичними:
1) exp  i t  ; 2) a1 cos t  ...  a n cos nt  b1 sin t  ...  bn sin nt.
4.61. Знайти розподіли, яким відповідають характеристичні
sin t t
функції: 1) cos 2 t ; 2) ; 3) e cos t.
t
4.62. Нехай 1 ,...,  n – незалежні однаково розподілені за
законом Коші випадкові величини, кожна з яких має щільність
1
розподілу ймовірностей f ( x)  ,    x   . Методом

 1 x2 
характеристичних функцій знайти щільність розподілу
1  ...   n
ймовірностей випадкової величини   .
n
4.63. Знайти щільність розподілу випадкової величини  ,
 0, t  1;
характеристична функція якої має вигляд:  (t )  
1  t , t  1.

ГЛАВА 5. ГРАНИЧНІ ТЕОРЕМИ ТЕОРІЇ ЙМОВІРНОСТЕЙ

5.1. Закон великих чисел

Закон великих чисел – це теореми, які встановлюють

стійкість середнього арифметичного випадкових величин. При
доведенні цих теорем часто користуються нерівністю Чебишева:
якщо випадкова величина  має математичне сподівання M та
скінченну дисперсію D , то при    0 виконується нерівність:

124
 D
P   M    .
2
Одна з найважливіших форм закону великих чисел має назву
теорема Чебишева.
Нехай задано послідовність 1 ,  2 ,...,  n ,... незалежних
випадкових величин, для яких М  n  , D n  C   , n = 1, 2,...
Тоді для    0
1 n 1 n 
lim     k   M k     0 .
n 
 n k 1 n k 1 
Теорема Чебишева має важливий наслідок. Нехай  1,  2,..., 
n є значення деякої випадкової величини  , які одержані в n
незалежних вимірюваннях. Математичне сподівання M та
дисперсія D – числові характеристики  , тоді
1 n 
lim     k  M     1 .
n 
 n k 1 
У процесі доведення теореми Чебишева
одержують таку корисну оцінку:
n

1 n 1 n   D k C
P    k   M k     k 12 2  2 . (5.1)
 n k 1 n k 1   n  n
Важливим окремим випадком теореми Чебишева є теорема
Бернуллі.
Нехай кількість появ події А в n незалежних дослідах
дорівнює m , імовірність появи події А в кожному досліді дорівнює
p. Тоді для   0
m 
lim P   p     0 .
n 
n 
Тобто частота появи події А збігається з імовірністю її появи. При
доведенні теореми Бернуллі одержана оцінка:
m  pq
P  p     2 , (5.2)
n  n

125
де q 1  p .

(i) Приклади
розв’язання
задач

Задача 5.1. Імовірність виготовлення нестандартної

радіолампи дорівнює 0,04. Яку найменшу кількість радіоламп
треба відібрати, щоб з імовірністю 0,88 можна було б
стверджувати, що частка нестандартних радіоламп серед них буде
відрізнятися від імовірності виготовлення нестандартної
радіолампи за абсолютним значенням не більше ніж на 0,02?
Розв’язання. З оцінки (5.2) дістанемо:
m  pq
P  p     1  .
 n  n 2
За умовою задачі ймовірність p = 0,04, величина  = 0,02,
pq
звідки 1  2 = 0,88.
n
0,04  0,96
Отже, n   800 .
( 0,02 )2 0,12
Задача 5.2. Дисперсія кожної з 3500 незалежних випадкових
величин  k дорівнює п’яти. Оцінити ймовірність того, що
відхилення середнього арифметичного цих випадкових величин від
середнього арифметичного їхніх математичних сподівань не
перевищує 0,25.

Розв’язання. За формулою (5.1):

n

1 n 1 n   D k
P    k   M k     1  k 12 2 .
 n k 1 n k 1   n
За умовою задачі величина  =0,25, дисперсії D k =5,
кількість випадкових величин n = 3500.
Тому
126
  1 3500 1 3500  5
P  k   M k  0,25  1   0,977 .
 3500 k 1 3500 k 1  3500 (0,25) 2

80 Задачі

a) Група А

5.1. Імовірність появи деякої події в кожному з 1500

незалежних випробувань дорівнює 0,2. Випадкова величина 
означає кількість появ події. За допомогою нерівності Чебишева
оцінити ймовірність того, що відхилення кількості появ події від
математичного сподівання величини  за абсолютним значенням
буде більше за 40.
5.2. Відомо, що 75 % від усієї продукції, яку виробляє завод,
має вищу якість. Оцінити ймовірність того, що кількість виробів
вищої якості серед 100 000 виготовлених буде відрізнятися від
математичного сподівання цієї кількості не більше ніж на 1000
виробів.
5.3. Для визначення середньої тривалості роботи радіолампи
з партії вибирають 150 радіоламп. Оцінити знизу ймовірність того,
що середня тривалість роботи відібраних 150 радіоламп
відрізняється від середньої тривалості роботи радіоламп усієї партії
за абсолютним значенням менше ніж на 5 год, якщо відомо, що
середньоквадратичне відхилення тривалості роботи ламп не
перевищує 6 год.
5.4. Скільки разів потрібно виміряти величину, значення якої
дорівнює a, щоб із імовірністю, не меншою за 0,98, можна було б
стверджувати, що середнє арифметичне значення цих вимірів
відрізняється від a за абсолютним значенням менше ніж на 3, якщо
середньоквадратичне відхилення кожного виміру менше 6?
5.5. Імовірність появи деякої події дорівнює 0,3 в кожному з
n = 900 незалежних випробувань. За допомогою нерівності
Чебишева оцінити ймовірність того, що подія відбудеться від 240
до 300 разів.

127
 5.6. Довести нерівність Маркова. Якщо випадкова величина 
M
набуває невід’ємних значень, то для    0 P(   )  .

5.7. За допомогою нерівності Маркова розв’язати задачу:
середня кількість сонячних днів у даній місцевості дорівнює 90.
Оцінити ймовірність того, що протягом року в цій місцевості буде
не більше як 240 сонячних днів.
5.8. Встановити, чи буде виконано умови застосування
закону великих чисел до послідовності незалежних дискретних
випадкових величин 1, 2, ..., n, ..., які мають такі розподіли
(табл. 5.1 і 5.2):

(1)

(2) Таблиця 5.1

Таблиця 5.2

n – n 0 n n –3n 0 3n
1 2 1 1 1 1
р 1 р 1
n n n 2n n2 2 n1 n 2 2n n2

5.9. Встановити, чи буде виконано умови застосування

закону великих чисел до послідовності незалежних неперервних
випадкових величин 1, 2, ..., n, ..., які мають такі розподіли:
ne nx , x  0; ex x n

1) f n x    2) f n x    n! , x  0 ;
 0, x  0;  x  0.
 0,
5.10. Для визначення якості продукції було відібрано 2500
виробів. Серед них виявлено 50 бракованих виробів. Частоту
виготовлення бракованих виробів було прийнято за наближене
значення ймовірності виготовлення бракованого виробу. З якою
ймовірністю можна гарантувати, що допущена при цьому
абсолютна похибка не перевищує 0,02?
5.11. Проводять 300 незалежних випробувань, у кожному з
2
яких деяка подія з’являється з імовірністю .
3
128
 1. Знайти нижню границю ймовірності того, що подія
відбудеться від 170 до 230 разів.
2. За допомогою теореми Бернуллі з’ясувати, скільки треба
зробити випробувань, щоб з імовірністю, яка не менше 0,85,
частота появи події відхилялась від імовірності її появи не більше
ніж на 0,15.
5.12. За допомогою нерівності Чебишева встановити
“правило 3  ” для будь-якої випадкової величини .

b) Група Б

5.13. Послідовність незалежних однаково розподілених

величин задано рядом розподілу:
 
Р i   1 i  2 2 , i  1,2,...
i 1 6
i
Чи можна до цієї послідовності застосувати закон великих
чисел?
5.14. Нехай задано випадкову величину  . Довести
твердження: якщо  (x) – монотонно зростаюча додатна функція,
для якої математичне сподівання М    існує, то справджується
нерівність:
М   
Р  t  .
t
5.15. Випадкові величини 1 ,  2 ,...,  n ,... мають однакові
математичні сподівання й обмежені скінченні дисперсії. Чи можна
до цієї послідовності застосувати закон великих чисел, якщо всі
взаємні кореляційні моменти цих величин К  i j від’ємні?

5.2. Центральна гранична теорема

129
 Найпростішим варіантом центральної граничної теореми є
інтегральна теорема Муавра – Лапласа. Нехай проводиться n
незалежних випробувань, у кожному з яких може з’явитися з
імовірністю р деяка подія А. Якщо кількість появ події А дорівнює
m, m  n , то рівномірно для всіх х(– ,+)

 m  np 
 1 x 
t2
lim Р 
n  
 x 
 2
e 2 dt ,
 npq  

де q 1  p .
З цієї теореми випливають такі важливі
наслідки:
  m  np 
 
2
  1
P m  ;
exp  
2npq 
 2npq 

m  np
P{a   b}  Ф(b)  Ф(a);
npq
 b  np   
P{a  m  b}  Ф   Ф a  np ; (5.3)
 npq   npq 
   
m  n 
P{|  p |  }  2Ф  ,
 (5.4)
n  pq 
де Ф(х) – функція Лапласа.
Центральна гранична теорема. Нехай 1, 2, ... ,n –
послідовність незалежних випадкових величин із скінченними
n
математичними сподіваннями та дисперсіями, і Bn2   D k . Якщо
k 1
для цієї послідовності виконується умова Ліндеберга:
1 n
для   0 lim 2   x  M k  f k x dx  0 ,
2
n   B k 1
n x  M k  Bn

то
2
1 n  x t
  k  M k   x 
1
lim P 
n  2
e 2 dt .
 Bn k 1  

130
 Наслідок. Якщо 1 , 2, ... ,n – однаково розподілені
незалежні випадкові величини з математичним сподіванням m і
середньоквадратичним відхиленням    , то їхня сума
S   1   2  ...   n при досить великих значеннях n має наближено
нормальний розподіл з параметрами MS  nm,  S  n .
Узагальненням цієї теореми є теорема Ляпунова: якщо
1 ,  2 ,...,  n – незалежні випадкові величини з математичними
сподіваннями M i та дисперсіями D i , i  1, 2,..., n , для яких
виконується умова
n
 M i
3

i 1
lim 3
 0,
n
 n
2
  D i 
 i 1 
n
то випадкова величина     i при досить великих значеннях n
i 1
має наближено нормальний розподіл з параметрами:
n n
M   M i ;     D i .
i 1 i 1

Приклади розв’язання задач

Задача 5.3. З усієї кількості виготовленої продукції 60 % –

продукція вищого гатунку. Приймальник бере 200 виробів. Яка
ймовірність того, що виробів вищого гатунку серед відібраних буде
від 120 до 150?
Розв’язання. Імовірність того, що продукція буде вищого
гатунку, дорівнює 0,6. Тоді величина np = 120, а npq = 48. За
формулою (5.3)
 150  120   120  120 
P120  m  150  Ф   Ф   0,5.
 48   48 
Отже, з імовірністю, яка дорівнює 0,5, можна стверджувати,
що серед 200 виробів вищого гатунку буде від 120 до 150 виробів.

131
 Задача 5.4. Скільки разів треба підкинути монету, щоб з
імовірністю, яка дорівнює 0,997, частота появи герба відрізнялась
би від імовірності появи герба не більше ніж на 0,5 %?
Розв’язання. Використаємо формулу (5.4), в якій візьмемо

 = 0,005; p = q =0,5; Р  m  p     0,997.

n 
 0,005 n 
Маємо: Ф   0,4985. За таблицею значень функції

 0,5 
Лапласа (дод. 1) знаходимо, що значенню 0,4985 наближено
n
відповідає аргумент 2,97, тобто =2,97. Звідки n  88210 .
100
Задача 5.5. У груповому повітряному бою з одного боку
беруть участь 50 бомбардувальників, а з другого – 50 винищувачів.
Кожний винищувач атакує одного бомбардувальника. Імовірність
того, що в такому елементарному бою буде уражений один
бомбардувальник, дорівнює 0,3. Якщо бомбардувальник не
уражений, то він атакує винищувача і уражає його з імовірністю,
що дорівнює 0,2. Знайти наближено ймовірність того, що в цьому
бою буде уражено не менше п’яти винищувачів.
Розв’язання. Введемо випадкові величини  i , які набувають
значення одиниці, якщо в i елементарному бою уражений
винищувач, і нуля, якщо винищувач не уражений, i= 1, 2, ..., 50.
50
Тоді загальна кількість уражених винищувачів S = i .
i 1
Знайдемо числові характеристики величин  i . Для цього складемо
ряд розподілу  i , і = 1, 2, ..., 50. Знайдемо ймовірності, з якими
випадкові величини  i набувають значення нуля або одиниці:
Р i  0  0,3  0,7  0,8  0,86 ;
Р i  1  0,7  0,2  0,14 .
Тоді числові характеристики  i будуть такими: М i  0,14 ;
D i  0,1204 , i  1,2,...,50. За властивостями числових
характеристик випадкових величин

132
 50
MS  50  0,14  7 ;  s   D i = 50  0,1204 = 6,02 .
i 1

До випадкової величини S застосовується центральна

гранична теорема для однаково розподілених доданків, тому S має
наближено нормальний розподіл з параметрами MS =7,  S = 6,02 .
 57 
Отже, PS  5  0,5 – Ф   = 0,5+Ф(0,816)  0,79.
 6,02 
 

2. Задачі

(a) Група А

5.16. Розв’язати задачу 5.10 за допомогою центральної

граничної теореми.
5.17. Імовірність появи події А в окремому досліді дорівнює
0,75. Визначити кількість дослідів, які потрібно провести, щоб
відхилення частоти появи події А від імовірності її появи не
перевищувало за абсолютним значенням 0,05 з імовірністю, яка
дорівнює 0,96. Задачу розв’язати: 1) за допомогою закону великих
чисел; 2) за допомогою центральної граничної теореми. Результати
порівняти.
5.18. Деяка подія при кожному випробуванні настає з
імовірністю, яка дорівнює 0,6. Чи можна з імовірністю 0,96
стверджувати, що при проведенні 1000 незалежних випробувань
кількість появ цієї події буде в межах 550 ... 650?
5.19. Імовірність виходу з ладу приладу за час випробувань
дорівнює 0,05. Знайти ймовірності того, що за час випробувань із
100 приладів вийдуть з ладу: 1) не менше 5; 2) не більше 5; 3) від 5
до 10 приладів.
5.20. Імовірність виходу з ладу за час Т одного конденсатора
дорівнює 0,2. Знайти ймовірності того, що за час Т із 100
конденсаторів вийдуть з ладу: 1) не менше 20; 2) менше 28; 3) від
14 до 26 конденсаторів.

133
 5.21. Складають 12 незалежних випадкових величин, кожна з
яких має рівномірний розподіл в інтервалі (0, 1). Записати
наближений вираз для щільності розподілу суми цих випадкових
величин. Знайти ймовірність того, що ця сума знаходиться в межах
від 5 до 7.
5.22. Відділ технічного контролю перевіряє якість 900
деталей. Імовірність того, що деталь стандартна, дорівнює 0,9.
Випадкова величина  означає кількість стандартних деталей в
партії. Знайти найменший інтервал, симетричний відносно
математичного сподівання М , в якому з імовірністю, не меншою
за 0,9544, буде знаходитись кількість стандартних деталей.
5.23. Перевіркою якості виготовлених радіоламп
встановлено, що 95 % цих ламп працює не менше від
гарантованого терміну. Визначити ймовірність того, що з 500
радіоламп: 1) частка ламп, термін роботи яких менший за
гарантований, буде відрізнятися від імовірності виготовлення такої
радіолампи не більше ніж на 0,02; 2) частка ламп, термін роботи
яких менший за гарантований, буде більше за 95 %.
5.24. Випадкова величина  є результатом виміру деякої
фізичної величини, закон розподілу якої невідомий. Визначити, яку
максимально можливу відносну точність виміру можна
гарантувати з імовірністю не меншою за 0,95, якщо: 1) відомо, що
математичне сподівання М = 0,1; середньоквадратичне відхилення
   0,02 ; проводять один вимір; 2) проводять п’ять вимірів і за
результат випадкової величини  беруть середнє арифметичне
значення; 3) беруть середнє арифметичне 100 вимірів і при цьому
використовують центральну граничну теорему. (Відносною
  М
точністю вимірів називають величину ).
М
5.25. Цех заводу виготовляє кульки для підшипників. За
зміну виготовляють 10 000 кульок. Імовірність того, що одна з
кульок має дефект, дорівнює 0,05. Причини дефектів для окремих
кульок незалежні. Продукцію контролюють відразу після
виготовлення, причому дефектні кульки бракують і зсипають у
бункер. Встановити, на яку кількість дефектних кульок має бути

134
розрахований цей бункер, щоб з імовірністю, яка дорівнює 0,99, він
не був переповненим після зміни?

b) Група Б

5.26. Нехай 1 ,  2 , ...,  п ,... – послідовність незалежних

однаково розподілених випадкових величин зі скінченними
дисперсіями. Припустимо, що  n  1   2  ...   п . Довести, що
для будь-яких скінченних чисел a та b виконується нерівність
Рa  n  b  0.
5.27. Нехай 1 ,  2 ,...,  n ,... – послідовність незалежних
однаково розподілених величин із нульовими математичними
сподіваннями та скінченними дисперсіями. Припустимо, що
 n  1   2  ...   n . Знайти дисперсії D i , якщо
  1
lim Р  n  1  .
n 
 n  3
5.28. Нехай 1 ,  2 ,...,  n ,... – послідовність незалежних
величин. Припустимо, що  n  1   2  ...   n . Знайти
  
lim Р 0  n  1 , якщо випадкові величини  n розподілені
n 
 n 
рівномірно на відрізку an  1, an  1. Вважати, що a1 , a 2 ,... –

послідовність дійсних чисел, для яких ряд  an є збіжним.
n 1
5.29. Нехай 1 ,  2 ,...,  n ,... – послідовність незалежних
випадкових величин із скінченною дисперсією, для яких
   ...   n 
виконується умова lim Р 1  a   b  1. Знайти
n
 n 
   ...   n 
lim Р 1  2a.
n
 n 

135
 5.30. Нехай 1 ,  2 ,...,  n ,... – послідовність незалежних
однаково розподілених випадкових величин із скінченними
дисперсіями. Довести, що для будь-якого дійсного числа x границя
lim Р1  ...   n  x дорівнює 0 або 1, або 0,5. З’ясувати умови, за
n
яких має місце кожна з відповідей.
5.31. Нехай 1 ,  2 ,...,  n ,... – послідовність незалежних


випадкових величин, для яких M n  0 , P  n  2n  . Чи 1
2
виконується для цієї послідовності центральна гранична теорема?
5.32. При яких значеннях параметра  для послідовності
незалежних випадкових величин 1 ,  2 ,...,  n ,... , таких, що

  1
P  n  n  , виконується центральна гранична теорема?
2

136
 ВІДПОВІДІ НА ЗАДАЧІ

Глава 1

1.1. А  В  {влучення кулі принаймні в одну мішень};

А  В ={влучення кулі в спільну частину}; А  {у мішень А не
влучили}; А В ={влучили в ту частину мішені А, що не входить
до В}; А  В ={влучили в ту частину мішені В, що не входить до
А}; А  В  А  В ={у жодну з мішеней куля не влучила}.
1.2. А  В  С  {всі курсанти виконали вправу};
А  В  С ={тільки курсант А виконав вправу};
А  В  С ={принаймні один курсант виконав вправу};
А  В  С ={принаймні один курсант не виконав вправу};
А  В  С ={всі курсанти не виконали вправу}.
1.3. D   A1  A2   B1  B2   C1  C2  ;
D  A1  A2   B1  B2   C1  C2 .
1.4. C= A  B1  B2  B3 , C  A  В1  В2  В3  . 1.5. 1) B; 2) A;
3) B; 4) C; 5) C; 6) F. 1.6. Ні. 1.7. Так. 1.8. Так. 1.9. Ні.
1.10. Нічийний результат. 1.12. A  B  C.
1.13. С=  A1  A2    B1  B2   B1  B3   B2  B3   .
1.14.   k , k  1,2,...,8 , де
1  D1  D2  K ;  2  D1  D2  К ;  3  D1  D2  K ;
 4  D1  D2  K ;  5  D1  D2  K ;  6  D1  D2  K ;
 7  D1  D2  K ,  8  D1  D2  K ;
А  D1  D2   K = 4  5  ...  8 . 1.15. Множина  та
відповідні події показані на рис. 1 – 6.

137
y y y
b b b
 ab
b 2
a a 30 A a 20 B
a b x a b x a ab b x
2
Рис. 1 Рис. 2 Рис. 3

y y y
A B A B
b b 40 A b
ab ab ab
2 2 2
\
a a a
a ab b x a ab b x a ab b x
B
2 2 2

Рис. 4 Рис. 5 Рис. 6

1.16. A  T1  T2  T3  C1  C2  C3  C4  
  
 C1  C 2  C 3  C 4  C1  C 2  C 3  C 4  C1  C 2  C 3  C 4    
 C  C 2  C3  C 4
1   R
1  R2  R3  R4  R5 .
1.18. 1) 0,1; 2) 0,6; 3) 0,3; 4) 0,9; 5) 0,9; 6) 0,7; 7) 0; 8) 1; 9) 0.
1.19. 1 ; 2 . 1.20. 0,1. 1.21. 1) 1  4 ; 2) 4 .
1 2 1 5!
3 3 6 6
С Mm C Nn mM 2 5
1.22. Р  n
,Р= . 1.23. 0,25. 1.24. 0,25. 1.25. .
CN 15 9

1.26.
1  2 2 . 1.27. P(A) = 10-8; P(B) = 10-7;
(1   ) 2
P C  =28 A96  10 7  0,17 ; PD   378 A84  10 6  0,64 ;
138
PE   56 A95  10 7  0,08 ; PF   10 8  C10
3
A83  4,032  10 7 .
1 n2
1.28. b  a 2 . Якщо m  n 2 , то p  . Якщо m  n 2 , то
2 6m
m
p 1 . Корені будуть додатними, якщо a  0, b  0 . При
3n
n2 1 m
m  n2 , p  . При m  n 2 , p   .
12m 4 6n
2
1.29. ln 2 
1
 0,237 . 1.30.
2L
. 1.31. 1)
a  2r 2 ; 2) 1  4 r 2 .
9 12 a a2 a2
An
1.32. Рn  1  365n , Р24  0,538; Р50  0,9724. 1.33. 0,88.
365
1.34. 1) 0,63; 2) 0,03; 3) 0,07; 4) 0,97.
1
1.35. a) 0,948; б) 0,794; в) 0,854; г) 0,9. 1.36. 0,834. 1.37. .
210
 ln 1  P  
1.38. 1 – (1 – Р)n. 1.39. n     1, n  5. 1.40. 1) 0,995;
 ln 1  p  
1  pm
2) 0,14. 1.41. 1) 0,06; 2) 0,28. 1.42. . 1.43. а) 0,864; б) 0,934.
1 p
Резервування окремих елементів надійніше. 1.44. 1) 0,476; 2) 0,438.
1.45. p  1    ...   1
1 1 n 1 1
 1  e1. 1.46. 0,6.
2! 3! n!
р1
1.47. Ставка ділиться пропорційно до відношення , де
р2
1  1 1 1 2 1 
р1  m 
1  Cm  2 Cm  ...  n1 Cmn1n2  – імовірність виграшу
2  2 2 2 
1  1 1 1 
першого гравця, p2  n 1  Cn1  2 Cn2  ...  m1 Cmmn12  –
2  2 2 2 
11
імовірність виграшу другого гравця. 1.48. . 1.49. 0,021.
30

139
 13
1.50. 0,2881. 1.51. 0,566. 1.52. . 1.53. 0,274; 0,384; 0,342.
132
1.54. 0,5; 0,25. 1.55. 0,58; 0,002. 1.56. 0,998. 1.57. 0,779; 0,339.
1.58. Два. 1.59. У перший район треба посилати 8 гелікоптерів,
p  0,74.
1 1

1.60. p 
n1 n2 
. 1.61. 1) 1 
k 
 p1 
k
 
Рp1  1  Р  p1 ; 2)
1 1
 
1  100  100
n1 n2 n3
1
k
 
Рp1  1  Р  p1 1  
k 
 p1 
k
 
Рp1  1  Р  p1  . 
100  100  100 
 a   a c 
1.62. p1    /   1 ,
a b a b c d 
 c   a c   a c 
p2    /   1 , p3     1. 1
 c  d   a  b c  d   a  b c  d 
1.63. Усі гравці мають однакові шанси виграти. 1.64. 0,3456.
1.65. 1) 0,651; 2) 0,387; 3) 0,194; 4) 0,264. 1.66. m1=4, m2=3; р 
0,251. 1.67. 1) 0,9933; 2) 0,1404; 3) 0,265. 1.68. 0,209; m1=1, m2=2.
1.69. 0,7627; 0,3955; 0,2637; 0,1035; 0,3516. 1.70. m =1; m  3;
p  32/81. 1.71. Найбільш імовірно виграти матч з 12 партій. 1.72.
nk  1 
n
Р   С nk p k 1  p  1  k 1  . 1.73. n  16 . 1.74. Ні.
k 2  R 
1
1.75. p  C2nnk . 1.76. n  296 . 1.77. 0,3024; 0,4404; 0,2144;
2 nk
2
0,0404; 0,0024. 1.78. 0,26.

B. Глава 2

2.1.
 0 1
p 1 p p

140
  0, x  0;

M  p ; D  p1  p  ; F ( x)  1  p, 0  x  1; Дисперсія
 1, x  1.

1
набуває максимального значення при p  . 2.2. Ma  a ; Da  0.
2
2.3. 1) M   a   M  a; D  a   D .
2) Ma  aM ; Da  a 2 D .
2.4.
 0 1 2 3
p 0,28 0,47 0,22 0,03
 0, x  0;
0,28, 0  x  1;

F ( x)  0,75, 1  x  2; M  1; D  0,62;
0,97, 2  x  3;

 1, x  3;
Р( А)  0,75; Р( В)  0,72 .
2.5.
 0 1 2
p 0,08 0,44 0,48
 0, x  0;
0,08, 0  x  1;

F ( x)   M  1,4; D  0,4.
0,52, 1  x  2;

 1, x  2;
2.6.
 2 3
p 0,6 0,4
 0, x  2;

F ( x)  0,6, 2  x  3; M  2,4; D  0,24.
 1, x  3;


141
 0, x  0;
0,06, 0  x  1;

0,31, 1  x  2;
2.7. F x    M  2; D  0,98; P A  0,63.
0,69, 2  x  3;
0,94, 3  x  4;

1, x  4.
 0, x  1;
 4 35, 1  x  2;

2.8. F x   22 35, 2  x  3; M  2,29; D  0,49.
34 35, 3  x  4;

 1, x  4.
2.9. 1)
 0 1 2 3
5 15 5 1
p
8 56 56 56
15
M  0,5; D  .
28

5  3
2) P       ;   0, 1, 2,...; M  0,6; D  0,96 .
88
2.10. MT  1,67 ; DT  1,11 .
2.11.
 1 2 3 4 5
р 0,1000 0,0900 0,0810 0,0729 0,6561
2.12.
 0 1 2 3 4
р 0,0324 0,1944 0,3924 0,3024 0,0784
M  2,2; D  0,9; P A  0,9676; PB   0,6192 .

2.13. P  m  m3 , m  4, тому що мінімальне випадкове число

1
2
включень – 4 і буде тоді, коли перший прилад, який ввімкнено,
спрацює.
142
 P     0,5
2  1
2.14. MT  . 2.15. M  2; D  2; .
1  p.
Номер F x  М D P
задачі 90 A
0, x  2,

1 (1 / 6)x  2, 2  x  8, 5 3 0,33(3)
2.16. 1, x  8.
6 
0, x  0,
 2
1  x 4, 0  x  2 , 4 2
2.17. 1, x  2. 0,4375
2  3 9
0, x  1,

(1 9)x  1 ,  1  x  2,
2
2 1
2.18. 1, x  2. 1 0,33(3)
9 2

0, x  1,

( x  1) , 1  x  2,
2
5 1 1
2.19. 2 1, x  2.
 3 18 9
0, x  0,
 3
 x , 0  x  1, 3
2.20. 3 1, x  2. 0,75 0,1094
 80
0, x  0,

 1  2 2 x 3 
2  x   , 0  x  3,
2.21.  3  9  1,5 0,45 0,482
9 1, x  3.

0, x  0,

 3  2 x 3 
3   x  , 0  x  2, 1
2.22. 4  3 1 0,344
4 1, x  2. 5


143
 ; 1    4 
1 5 242 1
2.23. A = ; М =2,5; D = . 2.24. A = ;
243 28 243 2
 1
 , x  a;  a a 1
B= , f x  =  a  x 2
1 2
P      = .
   2 2 3
 0, x  a;
 0, x  2;
x  2 1
 , 2  x  5;
2.25. F ( x)   , 2  x  5; f ( x )   3
 3 
 0, x  2, x  5;
 1, x  5;
 0, x  3;
3  x
 ,  3  x  0;
 6
М  3,5; D =0,75. 2.26. F ( x)  
2 x
 , 0  x  2;
 4

 1, x  2;

 0, x  3, x  2;
 1 25
f ( x)   ,  3  x  0; М  0,25 ; D = .
6 12
1 , 0  x  2;
 4
 0, x  1; 
 x 1  0, x  1, x  6;
 1  x  2;  1
2.27. F ( x)   2, f ( x)   , 1  x  2; М =
 x  2 , 2  x  6; 2
 8  1 , 2  x  6;
 1, x  6;  8
 1 x
11 109   e , x  0;
; D = . 2.28. A  ; F ( x)   2
1
4 48 2 1  e x , x  0;
 2
2
М = 0; D = 2 ; Р  0,5.


144
  0, x  0, x  2;

2.29. f  ( x)   x, 0  x  1; М =1; D =0,16(6); Р 
2  x, 1  x  2;

0,375.
 0, x  x;
 a 1 a
2.30. f  ( x)   a  x 0  М = x0 ; а  1 ; D =

x  x   x  x 0 ; a 1
 0
a  x2 
x 2
0 ; а  2 . 2.31. F ( x )  1  exp  2
, x  0; M =
(a  1) 2 (a  2)  2 
 
 ; D =( 2  )  2 . 2.32. Амплітуди менші за середню
2 2
зустрічаються частіше. 2.33. f ( x)  caxa 1 exp  cxa , x  0; 
2
 a 1  a  2    a 1
Г        
 a   a    a 
M  a ; D  , де x   гамма-
a
c c2
a
функція. 2.34. a  0; b  0,5; c   ; f  ( x) 

 x  a22
;

математичного сподівання не існує.
 0, x  0;
 n  1; x  n 1 n 1
2.35. F ( x)   M  ; D  2 .
, x  0,  
 n  1

2.36.
 0 1 2 3 4
p 0,0256 0,1536 0,3456 0,3456 0,1296

М =2,4; D =0,96; P=0,6912. 2.37. 0,4; n  600.

2.38. Геометричний розподіл з параметром р .
2.39. Р А  n  k  1 p k q n  k . 2.40. Дві помилки з р  0,251 .
2.41. 0,406; 0,18; 0,053. 2.42. 0,095 2.43. а) 0,423; б) 0,96.

145
  0, x  1;

2.44. А=0,5; F ( x)  0,5x  1 ,  1  x  1; M =0, D = , р  0,5.
1
 3
 1, x  1;
 0, x  2;
x  2
2.45. 0,4. 2.46. 0,5. 2.47. F ( x)   , 2  x  5;
 3
 1, x  5;
16
  14; D  ; p  0,433. 2.48. A=0,1; M =10; D =100;
3
1  t 
P0    M   0,632. 2.49. f  (t )  exp   ; 0,638; 0,777.
40  40 
2.50. 0,524. 2.51.  400 год. 2.52. P A  0,699; PB   0,6785;
 x  22 
 
PС   0,75; f  x  
1
р  0,133. 2.53. exp  ,
2 
 2  
F ( x)  Фx  2  0,5 ; P0    3  0,8186. 2.54. 0,823; 0,75; 0,946.

 41мВ. 2.56. f ( x) 
 

exp   2
x  220 2  p  0,851.
2.55. 
7  
 49 

2.57. 10,5 м. 2.58. 8. 2.59. 1) 0,377; 2) 0,778.
2.60.
  2 … k …
p p pq … pq k 1 …


У таблиці p  exp    ; q  1  p; M  = e .
2.61. 1) F (t )  1  exp  0,34t; 2) р  0,13; 3) нехай  – кількість
блоків, що відмовили протягом 6 год роботи, тоді:

 0 1 2 3 4
р 0,1300 0,3456 0,3456 0,1532 0,0256

М =1,6;   =0,98. 2.62. 0,18; 0,48; 0,34. 2.63. 0,0455.

146
 d 2  d1 2 2
2.64.  D  . 2.65.    2   . 2.66. 1   .
3,3 3 
2.67. р1=0,1587; р2=0,1587; 2.68. As  0, Ех  0,  6  76 .

A. Глава 3

3.1.
 1 2 3  –1 –2 –3
p 0,5 0,3 0,2 p 0,2 0,4 0,4

М = 1,7; D = 0,61; M = – 2,2; D = 0,56; K  = 0,04.

3.2.
 
0 1 2 3
0 0 0 0 0,343
1 0 0 0,441 0
2 0 0,189 0 0
3 0,027 0 0 0

Значення функції розподілу занесені у таблицю:

x
y
x0 0  x 1 1 x  2 2 x3 x 3
y0 0 0 0 0 0
0  y 1 0 0 0 0 0,343
1 y  2 0 0 0 0,441 0,784
2 y 3 0 0 0,189 0,630 0,997
y 3 0 0,027 0,216 0,657 1,000

 1  1
P(A) = 0,189; P(B) = 0,441; М  2,1; М  0,9; R    .
 1 1 

147
 3.3.   x
y
0 1 x0 0  x 1 x 1
0 0,18 0,12 y0 0 0 0
1 0,42 0,28 0  y 1 0 0,18 0,30
y 1 0 0,60 1,00

P(A) = 0,18.

3.4.   x
y
0 1 x0 0  x 1 x 1
0 q1 q 2 p1q2 y0 0 0 0
1 q1 p2 p1 p2 0  y 1 0 q1q 2 q2
y 1 0 q1 1

P(A)= 1  p 2 . 3.5. M(0,8; 1,2); D =0,48; D =0,48; r = –1.

3.6. М  8; М  14,2; D = 46; D = 64,8; K  =0.

 
0 10 15
7 0,200 0,100 0,200
14 0,062 0,031 0,062
25  0,133  0,066  0,133

3.7.
 
0 1 2
0 0,02250 0,45500 0,02250
1 0,10500 0,21000 0,10500
2 0,12025 0,24500 0,12025

М  1; М  1,4; D  0,5; D  0,7664 .

148
3.8. М  0,8; М  0,64; D = 0,48; D = 0,23; K  = 0,288.
3.9.
 
0 1 2 3
0 0,280 0,376 0,132 0,012
1 0 0,094 0,088 0,018

М  1; М  0,2; D = 0,62; D = 0,16; K  = 0,124.

3.10.
 
0 1 2
0 0,3600 0,1440 0,0144
1 0 0,3360 0,0672
2 0 0 0,0784

М  0,8; М  0,56; D = 0,48; D = 0,41; K  = 0,336.

3.11.
 
0 1 2 3 4
0 0 0 0 0 р4
1 0 0 0 4 p 3q 0
2 0 0 6 p2q2 0 0
3
3 0 4 pq 0 0 0
4 q4 0 0 0 0

М  4 р; М  4q; D = 4pq; D = 4pq; K  = – 4pq.

3.12.
 
0 1 2 3
0 0,0613 0,1837 0,1837 0,6130
1 0,0525 0,1575 0,1575 0,0525
2 0,0112 0,0338 0,0338 0,0112
149
P(A) = 0,315; М  1,5; М  0,6; D = 0,75; D = 0,42; K  = 0.
 0,21  0,06  0,15 
 
3.13. K   0,16  0,1  ; M(0,3; 0,2; 0,5).
 0,25 

1 1 1
3.14. P{  1 /   3}  ; P{  3 /   3}  ; P{  4 /   3}  ;
6 2 3
М  /   1  4,125. 3.15. P  1 /   3  0,3 ; P  3 /   3  0,12 ;
P  4 /   3  0,5 ; P  8 /   3  0,08 ; М  /   3  3,3.
3.16. P  exp  a2  b2   exp  a1  b1   exp  a2  
 exp  b1   exp  a1  b2 ; f  ( x, y)  e xy .
1 1 3
3.17. A= ; М  М  0; D = D = ; K  =0. 3.18. C = ;
4 3 28
3 8 10 2 p 1
P(A)= ; М  ; М  . 3.19. A= 2 ; R= tg . 3.20. A = ;
14 7 7  2 2
F ( x)  arctgx+0,5; F ( y )  Ф y   0,5 . 3.21. A = ;
1 1
 2
1
 x  y e  x  y  , x  0, y  0;
f ( x, y)   2

 0, x  0, y  0;

1 1
 x  1e  x , x  0;   y  1e  y , y  0;
f  ( x)   2 f ( y)   2

 0, x  0;  0, y  0.

r 2
3.22. P = ;
4ab

150
  0, y  b або x  a;
 x  a  y  b 
 ,  b  y  b,  a  x  a;
 4ab
 yb
F ( x, y )   ,  b  y  b, x  a;
 2b
 xa
, y  b,  a  x  a;
 2a
 1, y  b, x  a.
 x, 0  x  1;
21  y , 0  y  1; 
3.23. f  ( y )   f ( x)  2  x, 1  x  2;
 0, y  0, y  1;   0,
 x  0, x  1;
1 1 1
М  1; М  ; D = ; D = ; K  = 0.
3 6 18
1 1  
3.24. A = 2 ; F ( x, y )  2 (arctgx + )(arctgy + );
  2 2
1 1
f  ( x)  ; f ( y) 

 1 x2   1 y2 .

3.25.
 0, x  0, y  0;
    
0,5sin x  sin y  sin x  y  , x   0,  , y   0,  ;
  2  2
    
 0,5sin x  cos x  1 , x   0,  , y ;
F ( x, y )    2 2
   
 0,5sin y  cos y  1 , x , y   0,  ;
 2  2
  
 1, x , y ;
2 2
М  М  0,785; D = 0,188; D = 0,188; K  = – 0,046.

151
  0, x  2, y  0;

x  2
3.26. F ( x, y )   (1  e  y ),  2  x  2, y  0;
 4
y

 1 e , x  2, y  0;
4
М  0, М  1, D = ; D = 1; K  = 0.
3
1
3.27. P(A) = arctg1,5.
4
 x  x
3.28. Р A    f  ( x, y )dxdy ; Р B     f  ( x, y)dxdy ;
  0 x
 x  
Р (С )    f  x, y dxdy ; РD     f ( x, y)dxdy . 3.29. M(0, 0);
    x 1

 0,5 0  h, x2  y2  r 2;
K =   . 3.30. f  ( x, y)  
0, x  y  r ;
2 2 2
 0 0,5 
 0, x  r; 
 0, y  r;
f  ( x)   f  ( y )  
2 r  x h, x  r; 2 r  y h, y  r;

2 2 2 2

r=
1
; M(0, 0); K  = 0, D = D = 1 .
h 4n
3.31.

, x, y, z  D;
1

f ( x, y, z )   b  a d  c k  l 

 0, x, y, z  D;
1
 , a  x  b, k  z  l;
f  ( x, z )   (b  a)(k  l )
 0, x  a, x  b, z  k , z  l;
 1 , k  z  l;
f ( z)   k  l
 0, z  k , z  l.
1
3.32. P(A)= .
8

152
3.33.
 0, x 2  y 2  r 2 , z  h;

f ( x, y, z )   1
 2r 2 h , x  y  r , z  h;
2 2 2

 0, x  r;

f  x    2
r 2 r  x , x  r ;
2 2

 0, y  r;  0, z  h;
 
f ( y)   2 f  ( z )   1
r 2 r  y , y  r; , z  h.
2 2

 2h
x2 y2
1 2 1 2
3.34. f  ( x)  e ; f ( y )  e ;
2 2
x2 y2
1 
 y2
f ( y / x)  e [1  e 2 ( 2 e 2 )] ;

y2 x2
1 
 x2
f ( x / y )  e [1  e 2 ( 2 e 2 )] .

3.35.
xe (  y ) x , x  0, y  0;  
 , y  0;
f  ( x, y)   f ( y )   (  y ) 2
 0, x  0, y  0;  y  0;
 0,
 x(  y) 2 e (  y ) x , x  0;
f  ( x / y)  
 0, x  0.
1
3.36. a = ; P(A) = 0,499.
4
3.37.
 32  x  4
 x  4 y  3   y  32   .
2
2
f ( x, y)  exp    
3 63 
 63  3 24 12   
 1  x  3
  y  22   ;
2
1
3.38. f ( x, y )  exp    
16 
 2  4 16   

153
 1  1  x  1
 2
0,8x  1 y  2  y  22  

f  ( x, y)  exp     .
6 0,84 

1,68  9 3 1  

3.39. 0,233. 3.40. 0,1175; 0,393; 0,865. 3.41. 1) А = 1,39;
 0,132  0,026 
2) К    ; 3) S = 0,162.
  0,026 0,105 
 1  x 2 y 2 
 
1
3.42. f  ( x, y )  exp    ; n 13. 3.43. 1) 0,282;
12 
 2 4 9 

 2 2
2) 0,0328. 3.44. 0,055. 3.45. 1) f  ( x, y) 
2
100
exp  
x  y2  ;
 100 

  r 
2

2) 0,345; 3) F r   1  exp     , r  0.
  E 
 
  x  5 
    y  2 
 
2 2
1 1
3.46. f  ( x)  exp  2  
, f ( y )  exp  ;
  
 2   2 2 
 8 2


 x  0,4 y  4,2 
 
2
1
f  ( x / y)  exp  ;
0,6 2 
 0 ,72  2


  y  1,6 x  6 
 
2

 . 3.47. Р A  0,208;
1
f ( y / x)  exp 
1,2 2 
 2,88 2 

РB   0,497; РC   0,89; РD  0,503. 3.48. 1) 0,28; 2) 0,627;
3) 0,293; 4) 1,12. 3.49. 1) 0,097; 2) 0,069; 3) 0,081; 4) 0,753.

B. Глава 4

4.1. 1 1 2 5 2 0 1 2
р 0,3 0,5 0,2 р 0,3 0,5 0,2

4.2.  2 3
1 –1 0 3 2 5 8 0 1 2

154
 р 0,2 0,5 0,3 р 0,2 0,5 0,3 р 0,3 0,5 0,2

1 y b 1
4.3. f ( y )  f ( ) . 4.4. f 1 ( y )  ; y  (1, 1),
|a| a  1 y2
2
f2 ( y )  ; y  (0, 1). 4.5. f1 ( y )  f (1  y )  f (1  y ) ,
 1 y2
y  0 ; f 2 ( y )  f  ( y ); f3 ( y )  f ( y )  f ( y ) , y  0 .
1
4.6. 1) f1 ( y)  2 2
; 2) якщо а  0, то
3 [1  (1  y) 3 ](1  y) 3

 a
 , y  0;
f  2 ( y )   ( a  y ) y

 0 , y  0;
якщо а  0, то
 0, y  0;

f 2 ( y )   a
, y  0;
  a  y  y

1 
 , y  2 ;
 1
3) f3 ( y )   4) f4 ( y )  .
0 , y   ;  (1  y 2 )

 2
1
4.7. f ( y)  2
, 0  y  a3.
3ay 3
l
4.8. f  ( y )  ,  y.
 (l  y 2 )
2

4.9.
1 0 5 10 15 20
p 0,06 0,25 0,38 0,25 0,06

2 –3 5 10

155
 p 0,06 0,63 0,31

4.10.
1 –1 0 1
p F (0) 0 1 – F (0)
 f ( y )
 , y  (0, 1);
f 2 ( y )   2 y

 f  ( y ) , y  (0, 1).
  1 2
 sin y , y  ( , arctg e);
2 
4.11. f  ( y )   .
0, 1 2
y  ( , arctg e).
 2 
1, y  0,1 ;
4.12. f ( y )  
0, y  0,1.
4 ab
4.13. f s ( y )  , y  (0, ).
 a b  4y
2 2 2 2

4.14. 1 1 0 1 2 2 1 0 1
р 0,12 0,38 0,38 0,12 р 0,12 0,70 0,18

3 –4 –2 –1 1 2 4
p 0,08 0,12 0,20 0,30 0,12 0,18

4.15.
 –1 1 0
p 0,2 0,1 0,7
1 1
4.16. f ( z )  . 4.17. f ( z )  .
 (1  z 2 )  (1  z 2 )
z2
1 
4.18. f  1 ( z )  f  2 ( z )  e 4 2 .
2 

156
 0, z  0, z  2;

4.19. f 1  2 ( z )   z, 0  z  1; .
2  z, 1  z  2.

4.20. f   ( z) 
1
arctgz  arctg( z  3).
3
1    zm    z  m 
4.21. f  ( z )  Ф   Ф  .
        
0, x  0, x  12;
x
 , 0  x  2;
 20

4.22. f   ( z )   1 4.23. 1) нестійкий; 2) стійкий;
10 , 2  x  10;

12  x , 10  x  12.
 20
3) стійкий, якщо р в доданках однакове; 4) стійкий.
0, z  0, z  r ;

4.24. f ( z )   2 z
 2 , 0  z  r.
r
4.25. f ( z )  f ( z ) F ( z )  f ( z ) F ( z ).
   
4.26. f z   f  z  1  F z   f z  1  F z  . .
   2  cos 2  sin 2   
 exp      ,   0;
 1
 
4.27. f RФ (  ,  )   2    
2 

2
   
2

  

0,   0.
0, z  0, z  2;

4.28. f  1 ( z )   z 2 , 0  z  1;
 2
 z  2 z , 1  z  2;
 0, z  0, z  1;
f 2 ( z)   .
21  z ,  0  z  1.

157
 1  1
 (2  z ), z  2;  ln y , y  1;
4.29. f  ( z )   4 f  ( y)   2 .
0 , z  2; 0 , y  1.
 
 2 r 2  r 
2
 2 exp   2    , 0  r  ;
4.30. f ( r )   E   E  

0 , r  0.
4.31. M = 0,7; D = 0,21. 4.32. M = 0,3;  = 0,46. 4.33. 1) M1=
=2,8; D1 = 1,7; 2) M2 = –1,4; D2 = 1,7; 3) M3 = 1,47; D3 = 4,73.
1 1  
4.34. M = ; D = . 4.35. M = ; D = .
2 12  1 (  2)(  1) 2
1 1 1
4.36. 1) M = 0; D = ; 2) M = ; D = . 4.37. M = 0; D = =
3 2 12
1
. 4.38. 1) M( + ) = 2; 2) M = 1; 3) M2 = 5; 4) M( – 2) =
12
1
= – ; 5) D( +) =
3
13
3
; 6) D( – ) =
13
3
4
. 4.39. ln 1  2 .

 
4.40. Мu  aМ  bМ  cМ  d ;
Du  a 2 D  b 2 D  c 2 D  2abK  2acK  2bcK .
1 1
4.41. MR = ; MR2 = .
3 6
a2 b  a2  b2 b2 a  a2  b2 1 2
4.42. 1) ln  ln  a  b2 ;
6b a 6a b 3
b 2 a  a 2  b 2 a 2  2b 2 2b 3
2) ln  a2  b2  .
a b 3a 2 3a 2
 
4.43. M = , якщо  >1; D = , якщо  >2.
 1 (  2)(  1) 2

 
2
3a a2 n
4.44. 4.45. . 4.46. M = q  pea ;
 2

D = q  pe2a   q  pe 
n a 2n
. 4.47. МR  682 м;  R  34,7 м2 .

158
  
4.48.  (t )  peit  q . 4.49.   t  =
n 1

1  a 1  e it
; M = a; D =

 0, x  0;
=a(a+1). 4.50. (t)= e itc  a t . 4.51. f ( x )    x
e , x  0;
 0, x  0 ; 1  2 
f  ( x)   x 4.52. f ( x)  exp  x  m  – розподіл
e , x  0.  2   
Лапласа; M = m; D =  . 2

4.53.  –1 1 Р  k   2  k , k  1, 2,...

р 0,5 0,5

4.55. 1  2 (t ) =

4
1  4t 1  9t
2

2
. 4.56. +(t)= eit p  q
 
n1  n2
. 
2
; D(+) = 2 . 4.59.  t  .
2 2
4.57. +(t)= ; M(+) =
2

  it  
2

4.60. 1) функція парна, але не дійсна; 2) функція дійсна, але
непарна.
4.61. 1)  –2 0 2
р 0,25 0,50 0,25

2) рівномірний розподіл на відрізку [– 1, 1]; 3) розподіл, який має

щільність розподілу ймовірностей
1  1 1  1
f ( x)    2
. 4.62. f ( x)  .
2 1  x  1 1  x  1 
2
 (1  x 2 )
2
 x
1 
sin 
4.63. f ( x)   2 .
2  x 
 
 2 

1. Глава 5

5.1. p  0,15. 5.2. p  0,98. 5.3. p  0,9904. 5.4. n  200.

159
5.5. p  0,79. 5.7. p  0,625. 5.8. 1) так; 2) так. 5.9. 1) ні; 2) так.
5.10. p  0,98. 5.11. 1) 0,926; 2) n  66. 5.12. P{| – M| < 3} 8/9.
5.13. Ні, тому що ряд, який визначає М i не є абсолютно збіжним.
5.15. Так. 5.16. 1) 0,99975; 2) n  21. 5.17. 1) n  1875; 2) n  698.
5.18. Так. 5.19. 1) 0,591; 2) 0,585; 3) 0,585. 5.20. 1) 0,55; 2) 0,98;
 ( x  6) 2 
3) 0,9. 5.21. 1) f x  
1
exp   ; 2) 0,6827.
2  2 
5.22. (792, 828). 5.23. 1) 0,9596; 2) 0,5; 5.24. 1) 0,8944; 2) 0,4;
3) 0,0392. 5.25.  550 кульок. 5.26. Використати рівність
 a  nm n  nm b  nm 
lim Рa  n  b  lim Р    ,
n  n    n  n  n 
1
де m  М i ;     i . 5.27. Di  2 , де x є розв’язком рівняння
x
2
  1  2a 
Ф( x)  . 5.28. Ф 3  . 5.29. 2Ф   1 , де x є розв’язком
3 2  x 
 a  1 b 1
рівняння Ф   . 5.30. 0, якщо М i  0; 1, якщо Мi  0; ,
 x 2 2
1
якщо M i  0. 5.31. Ні. 5.32. При    .
2

160