Professional Documents
Culture Documents
Теорія Ймовірностей
Теорія Ймовірностей
В. І. ЖЛУКТЕНКО, С. І. НАКОНЕЧНИЙ
ТЕОРІЯ ЙМОВІРНОСТЕЙ І
МАТЕМАТИЧНА СТАТИСТИКА
ЧАСТИНА 1
ТЕОРІЯ ЙМОВІРНОСТЕЙ
Навчально-методичний посібник
У двох частинах
Київ 2000
Розповсюджувати та тиражувати
без офіційного дозволу КНЕУ заборонено
Рецензенти:
Н. І. Костіна, д-р техн. наук, проф. (Київ. нац. ун-т ім. Т. Г. Шевченка);
О. П. Суслов, д-р екон. наук, проф. (Наук.-дослід. екон. ін-т Мінекономіки
України)
Редактор
О. П. Бондаренко
ББК 22.17
Ж 76
В. І. Жлуктенко, С. І. Q
Наконечний, 2000
ІSBN 966–574–153–5 КНЕУ, 2000
РОЗДІЛ I ВИПАДКОВІ ПОДІЇ
3
Водночас усі ті фактори, якими експериментатор нехтує, загалом
відбиваються на наслідках експерименту, надаючи їм неоднозначності.
Так настають непередбачені наперед події, котрі називають ви-
падковими. Випадкові події в масі спостережень підпорядковані, як
з’ясували дослідники, певним характерним лише для них невипад-
ковим законам.
Математична наука, що вивчає закономірності масових подій,
називається теорією ймовірностей.
Науку, що використовує теорію ймовірностей для обробки чис-
ленних одиниць інформації як наслідків експерименту, називають
математичною статистикою.
Зауважимо, що нині існує тенденція до появи нових економічних
дисциплін, таких як «Економетрія», «Теорія ризику», «Теорія надій-
ності», «Інформатика» і т. ін., котрі тісно пов’язані з теорією ймові-
рностей. Своїм виникненням ці дисципліни завдячують саме теорії
ймовірностей. Отже, теорію ймовірностей можна розглядати як
об’єднання певної кількості різнорідних і доволі розвинених дисци-
плін, кожна з яких зокрема і всі вони разом мають стати науковим
багажем кожного економічно освіченого спеціаліста.
Послідовність операцій, виконуваних з додержанням певного
комплексу умов, називають експериментом (дослідом, спробою).
Наслідок будь-якого експерименту називають подією.
Експеримент не обов’язково має виконувати людина. Він може здій-
снюватися незалежно від неї, скажімо комп’ютером. Людина в такому
разі є спостерігачем, котрий фіксує наслідок експерименту — подію.
Класифікація подій. Події поділяються на вірогідні, неможливі
та випадкові.
Якщо в результаті експерименту, здійснюваного з додержанням пе-
вного комплексу умов, певна подія обов’язково настає, то вона назива-
ється вірогідною. Вірогідна подія позначається символом («омега»).
Наведемо приклади вірогідних подій.
Приклад 1
1.У земних умовах вода, нагріта до температури 100С, на-
буває стану кипіння.
2.Якщо в урні міститься 10 однакових кульок, пронумерова-
них від 1 до 10, то кулька, навмання взята із цієї урни, має
номер, що міститься в межах від 1 до 10.
Подія називається неможливою, якщо в результаті експерименту,
проведеного з додержанням певного комплексу умов, вона не настає
ніколи. Неможлива подія позначається символом (порожня мно-
жина).
4
Приклад 2
1.В урні міститься 10 однакових кульок, пронумерованих
від 1 до 10. Навмання береться одна кулька. Поява кульки з
номером 12 буде подією неможливою.
2.Якщо на дослідній ділянці посіяти 100 зернин ячменю, то
подія, котра полягає в тому, що на момент збирання врожаю
на цій ділянці з’явиться колосок пшениці, є неможливою.
Подія називається випадковою, якщо за певного комплексу умов
у результаті експерименту вона може настати або не настати залеж-
но від дії численних дрібних факторів, урахувати які дослідник не в
змозі.
Випадкові події позначають символами А, В, С, … або А1, А2, А3,…,
Аk; В1, В2, …, Вn.
Отже, випадкові події пов’язані експериментами, наслідки яких є
неоднозначними.
Приклад 3
1.Монету підкидають один раз. (Тут і далі припускаємо, що
падає монета на рівну і тверду підлогу.) Поява герба (циф-
ри) — подія випадкова.
2.Якщо на дослідній ділянці в лабораторних умовах посіяно
100 зернин ячменю, то не можна передбачити наперед, скіль-
ки зернин проросте. Отже, подія, яка полягає в тому, що
проросте від 1 до 100 зернин, є випадковою.
5
Приклад 1. Монету підкидають один раз. Визначити елеме-
нтарні події цього експерименту.
Розв’язання. Можливі такі елементарні випадкові події:
1 = г (монета випаде гербом);
2 = ц (монета випаде цифрою).
Приклад 2. Монету підкидають тричі. Визначити елементар-
ні події цього експерименту.
Розв’язання. Триразове підкидання монети — це одна спроба. Еле-
ментарними випадковими подіями будуть:
1 = ггг (тричі випаде герб);
2 = ццц (тричі випаде цифра);
3 = ггц
4 = гцг (герб випаде двічі);
5 = цгг
6 = гцц
7 = цгц (герб випаде один раз).
8 = ццг
Отже, цьому експерименту відповідають вісім елементарних подій.
Приклад 3. Задано дві множини цілих чисел 1 = {1, 2, 3} ,
2 = {1, 2, 3, 4} . Із кожної множини навмання беруть по одно-
му числу. Визначити елементарні події цього експерименту —
появу пари чисел.
1 = 1; 1; 5 = 2; 1; 9 = 3; 1;
2 = 1; 2; 6 = 2; 2; 10 = 3; 2;
3 = 1; 3; 7 = 2; 3; 11 = 3; 3;
4 = 1; 4; 8 = 2; 4; 12 = 3; 4.
Випадкова подія називається складеною, якщо її можна розклас-
ти на прості (елементарні) події. Складені випадкові події познача-
ються латинськими великими літерами: A, B, C, D, … .
Приклад 4. Задано множину чисел = {1, 2, 3, 4, 5, 6, 7, 8,
9, 10, 11, 12}. Навмання із цієї множини беруть одне число.
Побудувати такі випадкові події: 1) з’явиться число, кратне 2;
2) число кратне 3; 3) число, кратне 5. Ці випадкові події бу-
дуть складеними. Позначимо їх відповідно А, В, С. Тоді А =
= {2, 4, 6, 8, 10, 12}; В = {3, 6, 9, 12}; С = {5, 10,}.
Елементарні випадкові події і A, j B, k C, які належать від-
повідно складеним випадковим подіям А, В, С, тобто є елементами
цих множин, називають елементарними подіями, які сприяють появі
кожної із зазначених подій унаслідок проведення експерименту (і
сприяють появі події А, j — події В, k — події С).
6
Кожному експерименту (спробі) з випадковими результатами
(наслідками) відповідає певна множина елементарних подій i,
кожна з яких може відбутися (настати) внаслідок його проведення:
і . Множину називають простором елементарних подій.
Приклад 5. Гральний кубик, кожна грань якого позначена
певною цифрою від 1 до 6, підкидають один раз. При цьому
на грані випадає одна із зазначених цифр. Побудувати прос-
тір елементарних подій для цього експерименту (множину
Ώ) і такі випадкові події: 1) А — випаде число, кратне 2; 2) В
— випаде число, кратне 3.
Розв’язання. Оскільки кубик має шість граней, то в результаті екс-
перименту може випасти одна із цифр від 1 до 6.
Отже, Ώ = 1, 2, 3, 4, 5, 6; 1) А = 2, 4, 6; 2) В = 3, 6.
Приклад 6. Монету підкидають чотири рази. Побудувати
простір елементарних подій для цього експерименту і такі
випадкові події:
1) А — герб випаде двічі; 2) В — герб випаде не менш як
тричі.
Розв’язання. Шуканий простір елементарних подій:
Ώ = гггг, гггц, ггцг, гцгг, ццгг, ггцц, гццг, гцгц, цгцг, ццгг, цггц,
гццц, цгцц, ццгц, цццг, цццц;
1) А = ггцц, ццгг, гцгц, цгцг, гццг, цггц;
2) В = гггг, гггц, ггцг, гцгг, цггг).
Простір елементарних подій може бути як дискретним, так і не-
перервним. Якщо множина є зчисленною (зліченною), тобто всі її
елементи можна перелічити або принаймні пронумерувати (кожній
елементарній події поставити у відповідність один і тільки один
елемент нескінченної послідовності натуральних чисел 1, 2, 3, …),
то простір елементарних подій називають дискретним. Він може
бути обмеженим і необмеженим.
У противному разі (тобто коли кожній елементарній події не мож-
на поставити у взаємно однозначну відповідність певне натуральне
число) простір елементарних подій називають неперервним.
У розглянутих раніше прикладах простори елементарних подій
були дискретними.
Приклади неперервних (недискретних) просторів елементарних
подій дістанемо, розглянувши:
1) розміри однотипних деталей (діаметр, довжина), що їх виготов-
ляє робітник або верстат-автомат;
7
2) покази приладів, що вимірюють масу, силу струму, напругу,
опір і т. ін.
Отже, поняття елементарної події, простору елементарних подій
є основними в теорії ймовірностей, як точка та пряма в аксіоматич-
но побудованій евклідовій геометрії. Сама природа елементарних
подій у теорії ймовірностей при цьому неістотна.
Простір елементарних подій є математичною моделлю певного
ідеалізованого експерименту в тому розумінні, що будь-який мож-
ливий його наслідок описується однією і лише однією елементар-
ною подією — наслідком експерименту.
Мовою теорії множин випадкова подія А означується як довільна
непорожня підмножина множини (А ).
Рис. 1
Операція А В називається об’єднанням цих подій.
Множення. Добутком двох подій А і В називається така подія
С =А В (С = АВ), яка внаслідок експерименту настає з одночасним
настанням подій А і В.
Операція А В називається перерізом цих подій (рис. 2).
А В
АВ
Рис. 2
Віднімання. Різницею двох подій А і В називається така подія
С =А \ В (С = А – В), яка внаслідок експерименту настає з настанням
події А і одночасним ненастанням події В (рис. 3).
8
А\В
А В
Рис. 3
9
А А
Рис. 4
Випадкові події А, В, С (А Ω, В Ω, С Ω), для яких визна-
чено операції додавання, множення та віднімання, підлягають таким
законам:
1. А А = А, А А = А.
2. А В = В А.
Комутативний закон для операцій додавання та
3. А В = В А. множення.
4. (А В) С = А (В С).
Асоціативний закон для операцій до-
5. (А В) С = А (В С). давання та множення.
8. А Ω = Ω.
9. А Ω = А.
10. А = А.
11. А = .
12. A = Ω \ А.
13. = .
14. = Ω.
15. А (А B ) = А; В = В (В A ).
16. A B A B .
10
17. A B A B .
Елементарні випадкові події задовольняють такі твердження: 1)
між собою несумісні; 2) утворюють повну групу; 3) є рівноможли-
вими, а саме: усі елементарні події мають однакові можливості від-
бутися внаслідок проведення одного експерименту.
Для дискретного простору Ω перші два твердження можна запи-
i
сати так: 1) ωі ωj = , і ј; 2) i 1 = Ω.
Для кількісного вимірювання появи випадкових подій і їх комбі-
націй уводиться поняття ймовірності події, що є числом такої ж
природи, як і відстань у геометрії або маса в теоретичній механіці.
11
Розв’язання. Число всіх елементарних подій для цього експеримен-
ту n = 6. Нехай В — поява на грані числа, кратного 3. Число елементар-
них подій, що сприяють появі В, дорівнює двом (m = 2).
Отже,
m 2 1
P( B)
n 6 3.
Приклад 3. Два гральні кубики підкидають по одному разу.
Побудувати простір елементарних подій — множину Ώ і та-
кі випадкові події:
А — сума цифр виявиться кратною 4;
В — сума цифр виявиться кратною 3.
Обчислити Р (А), Р (В), Р (А В).
Розв’язання. Простір елементарних подій — множину запишемо
у вигляді таблиці:
Кубик 1-й
Кубик 2-й
1 2 3 4 5 6
1 1,1 1,2 1,3 1,4 1,5 1,6
2 2,1 2,2 2,3 2,4 2,5 2,6
3 3,1 3,2 3,3 3,4 3,5 3,6
4 4,1 4,2 4,3 4,4 4,5 4,6
5 5,1 5,2 5,3 5,4 5,5 5,6
6 6,1 6,2 6,3 6,4 6,5 6,6
12
Побудувати простір елементарних подій для цього експери-
менту — множину і такі випадкові події:
А — серед трьох навмання взятих кульок дві виявляються
червоного кольору;
В — серед трьох кульок дві виявляються синього кольору.
Обчислити Р (А), Р (В), Р (А В).
Розв’язання. Позначимо появу кульки червоного кольору як Ч, а
синього кольору як С. Тоді простір елементарних подій буде такий: =
ЧЧЧ, ЧЧС, ЧСЧ, СЧЧ, ЧСС, СЧС, ССЧ, ССС, n = 8.
Події: А = ЧЧС, ЧСЧ, СЧЧ, m1 = 3;
В = ССЧ, СЧС, ЧСС, m2 = 3.
Події А і В є несумісними (А В = ).
m1 3 m 3
P A P B 2
Обчислюємо: n 8; n 8 ; Р (А В) = 0.
Приклад 5. В електричну мережу увімкнено чотири елект-
ролампочки. При проходженні електричного струму в ме-
режі кожна електролампочка із певною ймовірністю може
перегоріти або не перегоріти. Побудувати простір елемента-
рних подій (множину ) — числа електролампочок, які не
перегорять, і такі випадкові події:
А — із чотирьох електролампочок перегорять не більш як дві;
В — не менш як три. Обчислити Р (А), Р (В), Р (А В).
Розв’язання. Нехай Аi (і = 1,4 ) відповідно першу, другу, третю та
четверту електролампочку, що не перегорять, а Ai — що перегорять.
Тоді простір елементарних подій буде:
А1 A2 A3 A4 , A1 А2 A3 A4 , A1 A2 А3 A4 , A1 A2 A3 А4, A1 A2 A3 A4 , n = 16.
Випадкові події:
А = А1 А2 A3 A4 , A1 A2 А3 А4, А1 A2 А3 A4 , A1 А2 A3 А4, А1 A2 A3 А4,
A1 А2 А3 A4 , A1 А2 А3 А4, А1 A2 А3 А4, А1 А2 A3 А4, А1 А2 А3 A4 , А1 А2 А3 А4,
m1 = 11.
13
В = А1 А2 A3 A4 , A1 A2 А3 А4, А1 A2 А3 A4 , A1 А2 A3 А4, А1 A2 A3 А4,
A1 А2 А3 A4 , А1 A2 A3 A4 , A1 А2 A3 A4 , A1 A2 А3 A4 , A1 A2 A3 А4,
A1 A2 A3 A4 , m2 = 11.
А1 A2 A3 А4, A1 А2 А3 A4 , m3 = 6.
m1 11 m 11 6 3
P A P B 2 P A B
n 16 ; n 16 ; 16 8 .
14
1! = 0!
Отже, 0! = 1.
Приклад 1. На кожній із шести однакових карток записано
одну з літер
Я, І, Р, Е, О, Т.
Яка ймовірність того, що картки, навмання розкладені в ря-
док, утворять слово
Т Е О Р І Я ?
15
Розміщення. Розміщенням із n елементів по m (0 m n ) нази-
ваються такі впорядковані множини, кожна із яких містить m елеме-
нтів і які відрізняються між собою порядком розташування цих еле-
ментів або хоча б одним елементом.
Кількість таких множин обчислюється за формулою
Anm n n 1n 2 ... n m 1 . (4)
1 9 7 3 ?
16
Anm n!
Cnm
Pm m!n m . (5)
Приклад 1. У цеху працює 10 верстатів-автоматів, кожний
із яких може з певною ймовірністю перебувати в роботоздат-
ному стані або в стані поломки. Яка ймовірність того, що під
час роботи верстатів-автоматів із ладу вийдуть три з них?
Розв’язання. Оскільки кожний верстат-автомат може перебувати у
двох несумісних станах — роботоздатному або нероботоздатному, то
кількість усіх елементарних подій множини Ω буде n = 210.
Позначимо через А випадкову подію — із ладу вийде три верстати з
десяти. Тоді кількість елементарних подій, що сприяють появі А, буде
3 10! 10 9 8 7!
m C10 120
3! 7! 1 2 3 7! .
Отже,
3
m C10 120
P A 10 10
n 2 2 .
Приклад 2. У шухляді міститься 10 одинотипних деталей, 6
із яких є стандартними, а решта бракованими. Навмання із
шухляди беруть чотири деталі.
Обчислити ймовірність таких випадкових подій:
А — усі чотири деталі виявляються стандартними;
В — усі чотири деталі виявляються бракованими;
D — із чотирьох деталей виявляються дві стандартними і
дві бракованими.
Розв’язання. Кількість усіх елементарних подій множини Ω
10! 10 9 8 7
n C104 210
4! 6! 1 3 6 ;
кількість елементарних подій, що сприяють події А:
6!
m1 C64 15
2! 4! ;
кількість елементарних подій, що сприяють появі В:
4!
m 2 C 44 1
4! 0! ;
кількість елементарних подій, що сприяють появі D:
m3 C 62 C 42 15 6 90 .
17
Обчислимо ймовірності цих подій:
m1 C 64 15 3 15 1
P A 4
n C10 630 112 210 14 ;
m2 C44 1
P B 4
n C10 210 ;
m3 C62 C42 90 3
P D
n C104 210 7 .
18
P A B P A P B . (6)
Для розв’язування задач з нескінченними послідовностями подій,
наведені аксіоми необхідно доповнити аксіомою неперервності.
5.Для будь-якої спадної послідовності A1 A2 A3 ... An ...
Aі
подій із , такої, що n 1 Ø, випливає рівність
lim P An 0
n 1 .
Трійка (, Ω, Р), де є алгеброю подій і Р задовольняє аксіоми
1—5, називається простором імовірностей.
Приклад 1. Задано множину цілих чисел Ω = 1, 2, …, 30.
Навмання з цієї множини беруть одне число. Яка ймовір-
ність того, що воно виявиться кратним 5 або 7?
Розв’язання. Простір Ω містить n = 30 елементарних подій.
Позначимо через А подію, що полягає в появі числа, кратного 5, а
через В у появі числа, кратного 7. Тоді дістанемо:
A 5, 10, 15, 20, 25, 30 , m1 6 ;
19
10! 10 9
m2 C102 45
2 !8! 1 2 .
Оскільки А В = Ø, маємо:
m1 m 2 210 45 255
P A B P A P B 10 10 10
n n 2 2 2 .
Приклад 3. У ящику міститься 13 однакових деталей, серед
яких 5 є бракованими, а решта — стандартними. Навмання з
ящика беруть чотири деталі. Яка ймовірність того, що всі
чотири деталі виявляться стандартними або бракованими?
13 12 11 10
n C134 715
Розв’язання. Множина Ω містить 1 2 3 4 еле-
ментарних подій. Позначимо через А появу чотирьох стандартних де-
талей. Кількість елементарних подій, що сприяють появі А:
8! 8765
m1 C84 70
4!4! 1 2 3 4 . Позначимо через В появу чотирьох бра-
кованих деталей. Кількість елементарних подій, що сприяють появі В,
5!
m 2 C 54 5
4 ! 1! .
Згідно з (6) дістанемо:
m1 m 2 C 84 C 54 70 5 75 15
P A B P A P B 4 4
n n C13 C 13 715 715 715 143 .
Наслідки аксіом
1. Якщо випадкові події А1, А2, А3, … Аn є несумісними попарно, то
n n
P Aі P Ai
і 1 i 1 . (7)
2. Якщо випадкові події А1, А2, А3, … Аn утворюють повну групу, то
n
P Aі 1
і 1 . (8)
Із рівності А A = Ω і аксіом 3, 4 випливає, що
P A A P A P A 1
20
P A 1 P A P A 1 P A . (9)
Якщо A B Ø, то
P A B P A P B P A B . (10)
Справді:
A B A B A , то P A B P A B A P A P B A
( A ( B A ) Ø). (11)
Оскільки
B B A A B і при цьому B A A B = Ø, то
P B P A B B A P A B P B A
P B A P B P A B .
Отже,
P A B P A P B P A B .
2. Формула додавання для n сумісних випадкових подій має та-
кий вигляд:
n 4
n 1 n
P Аi Р ( Аi ) Р Аi A j
і 1 і 1 і 1 j і 1
P Ai A j Ak ... 1 P Ai .
n2 n 1 n 1
n 1 n
i 1 j i 1 k j 1 (12) i 1
Наприклад, для трьох сумісних випадкових подій формулу (12)
можна записати так:
P A B C P A P B P C P A B P A C P B C
P A B C . (13)
3. Якщо випадкова подія А сприяє появі B A B , то
P A P B . (14)
Приклад 1. В урні містяться 30 однакових кульок, які прону-
меровані від 1 до 30. Навмання із урни беруть одну кульку. Яка
ймовірність того, що номер кульки виявиться кратним 3 або 5?
Розв’язання. Кількість усіх елементарних подій множини Ω n = 30.
Позначимо через А = 3, 6, 9, 12, 15, 18, 21, 24, 27, 30 (m1 = 10) —
появу кульки з номером, кратним 3, а через В = 5, 10, 15, 20, 25, 30 (m2
= 6) — появу кульки із номером, кратним 5.
21
A B 15, 30 m 3 2 є подіями сумісними.
Згідно з (10) дістанемо
P A B P A P B P A B
m1 m 2 m 3 10 6 2 14 7
n n n 30 30 30 30 15 .
Приклад 2. Чотири спортсмени мають виконати норму май-
стра спорту. Кожний із них може виконати її із певною ймо-
вірністю. Яка ймовірність того, що із чотирьох спортсменів
норму майстра спорту виконують не менш як два спортсме-
ни; не більш як три?
Розв’язання. Позначим через А1 А2 А3 А4 випадкові події, що відпо-
відно перший, другий, третій та четвертий спортсмени виконають нор-
му майстра, а через A1 A2 A3 A4 — відповідно випадкові події, що пер-
ший, другий, третій та четвертий спортсмени не виконають норму. Тоді
простір елементарних подій для цього експерименту буде:
= А1 А2 А3 А4, А1 А2 А3 A4 , А1 А2 A3 А4, А1 A2 А3 А4, A1 А2 А3 А4, А1
А1 A2 A3 A4 , A1 А2 A3 A4 , A1 A2 А3 A4 , A1 A2 A3 А4, A1 A2 A3 A4 , n = 16.
Випадкові події:
A1 А А A4 , A1 А А А , А A2 А А , А А A3 А , А А А A4 , А А А А ,
2 3 2 3 4 1 3 4 1 2 4 1 2 3 1 2 3 4
m1 = 11;
A1 А A3 A4 , A1 A2 А A4 , A1 A2 A3 А , A1 A2 A3 A4 , m = 15;
2 3 4 2
A1 A2 А А , A1 А A3 А , А A2 А A4 , А A2 A3 А , A1 А А A4 , m = 10.
3 4 2 4 1 3 1 4 2 3 3
22
Шукана ймовірність:
m1 m 2 m 3 11 15 10
P A B P A P B P A B 1
n n n 16 16 16 .
Приклад 3. Випадкові події А1, А2, А3, А4 є попарно несумі-
сними і утворюють повну групу. Знайти Р (А1), Р (А2), Р
(А3), Р (А4), коли відомо, що Р (А1) = 0,2 Р (А2), Р (А2) = 0,8 Р
(А3), Р (А3) = 0,5 Р (А4).
Розв’язання. Оскільки випадкові події А1, А2, А3, А4 є попарно несу-
місними і утворюють повну групу, то згідно з (8) дістаємо:
4
P Aі P A1 P A2 P A3 P A4 1
і 1 .
За умовою задачі знаходимо:
Р (А2) = 0,8 Р (А3) = 0,8 0,5 Р (А4) = 0,4 Р (А4).
Р (А1) = 0,2 Р (А2) = 0,2 0,4 (А4) = 0,08 Р (А4).
Отже,
0,08 Р (А4) + 0,4 Р (А4) + 0,5 Р (А4) + Р (А4) = 1;
1 1 100
P A4
0,08 0,4 0,5 1 1,98 198 ;
100 50
P A3 0 ,5 P A4 0,5
198 198 ;
100 40
P A2 0 ,4 P A4 0,4
198 198 ;
100 8
P A1 0,08 P A4 0,08
198 198 .
6.Геометрична ймовірність
23
m( A)
P A
m() . (15)
Якщо множина Ώ вимірюється в лінійних одиницях, то Р (А) до-
рівнюватиме відношенню довжини, якщо Ώ вимірюється у квадрат-
них одиницях, то Р (А) дорівнюватиме відношенню площ, і т. ін.
Приклад 1. По трубопроводу між пунктами А і В перекачу-
ють нафту. Яка ймовірність того, що пошкодження через
певний час роботи трубопроводу станеться на ділянці дов-
жиною 100 м.
0 1 e x
Рис. 5
e e
e
ln xdx x ln x dx e e
m ( A) S A 1 x ln x x e e 1 1
P A 1
1
1 1
m ( ) S e e e e e
.
24
7.Статистична ймовірність
На практиці обчислити ймовірності випадкових подій можна
лише для обмеженого класу задач як для дискретних, так і для непе-
рервних просторів елементарних подій (множини Ώ). Для більшості
задач, особливо економічних, обчислити ймовірності практично не-
можливо. У цьому разі використовується статистична ймовірність.
Насамперед уводиться поняття відносної частоти випадкової по-
дії W (A).
Відносною частотою випадкової події А W(A) називається від-
ношення кількості експериментів m, при яких подія А спостерігала-
ся, до загальної кількості n проведених експериментів:
m
W A
n. (16)
Як і для ймовірності випадкової події, для відносної частоти ви-
конується нерівність
0 W ( A) 1 .
Wi (A)
P ( A)
Рис. 6
Імовірність випадкової події визначається так: упевнившись, що
існує стабільність відносних частот випадкової події Wі (А), задає-
мось малим додатним числом і проводимо серії експериментів,
25
збільшуючи їх число n. Якщо на якомусь кроці серії експериментів
виконуватиметься нерівність Wi Wi 1 , то за ймовірність випад-
кової події береться одне з чисел Wі або Wі – 1. Ця ймовірність нази-
вається статистичною.
Приклади до теми
1.Маємо 10 лотерейних білетів. На кожний із них може випасти
виграш із певною ймовірністю.
Побудувати простір елементарних подій (множину Ώ) — числа
білетів, на які випаде виграш, а також такі випадкові події: А — із 10
26
білетів виграють не більш як три; В — із 10 білетів виграють не
менш як п’ять. Обчислити Р (А), Р (В), P A B .
0 1
C10 C10 C102 C10
3
P A
Відповідь. 210 ;
10
C10m
P B m 5
;
10
2 P A B 0 .
2.Задано дві множини цілих чисел: Ώ1 = 1, 2, 3, 4, 5, 6, 7, 8, Ώ2 =
1, 2, 3, 4, 5, 6. Із кожної множини навмання беруть по одному чис-
лу. Побудувати простір елементарних подій для цього експерименту
і такі випадкові події: А — сума цифр буде кратною 3; В — сума
цифр буде кратною 7.
Обчислити: Р (А), Р (В), P A B .
7 15 5
P A P B
Відповідь. 48 ; P A B 0 .
48 16 ;
3.Гральний кубик підкидається один раз, а монета чотири рази.
Побудувати простір таких елементарних подій — поява числа на
гральному кубику і поява герба на монеті, а також випадкові події:
А — на гральному кубику з’явиться число, кратне двом, і герб
при цьому випаде не менш як двічі;
В — на гральному кубику з’явиться число, кратне трьом, і герб при
цьому випаде не більш як тричі. Обчислити: Р (А), Р (В), P A B .
33 11 15 5 30 5
P A P B P A B
Відповідь. 96 32 ; 96 32 ; 96 16 .
4.В електромережу ввімкнено 15 електролампочок. Кожна з них
може перегоріти із певною ймовірністю. Визначити простір елемен-
тарних подій (множину Ώ) — числа електролампочок, що не вий-
дуть із ладу, і такі випадкові події:
А — число електролампочок, що не вийдуть із ладу, буде не бі-
льшим від чотирьох;
В — від трьох до шести. Обчислити: Р (А), Р (В), P A B .
4 6
m m
C15 C15 3
C15 C154
P A m0
15
P B m 3
15
P A B
Відповідь. 2 ; 2 ; 215 .
27
5.Відомо, що Р (А) = 0,9. Чому дорівнює P A A B , якщо А
Ώ, А В .
6.В якому разі A A A, A A A ?
7.Відомо, що А Ώ, В Ώ. Чому дорівнює
A B A B A B ?
8.В якому разі A B A , B A B ?
9.Відомі значення P A B 0,1 , P A B 0,3 , P B A 0,4 .
Знайти P A B .
10.Відомі значення P A B 0,2 , P A B 0,3 , P B A 0,4 .
З’ясувати, чи сумісні випадкові події А і В? Чому дорівнює
P A B ?
11.В якому разі А \ В = А?
12.В якому разі A B B ?
13.В якому разі A B B ?
n
P Аi A2
14.Відомо, що Аі Ώ (і = 1, …, n). Чому дорівнює і 1 ?
n
P Аi A2
15.Відомо, що Аі Ώ (і = 1, n). Чому дорівнює і 1 ?
28
19.На кожній із п’яти однакових карток написана одна із цифр 1,
2, 3, 4, 5. Навмання картки розкладають в один рядок. Обчислити
ймовірність таких випадкових подій:
1) А — цифри на картках утворюють зростаючу послідовність;
2) В — спадну послідовність;
3) С — цифри 1, 2 розміщуватимуться в такій послідовності на
початку рядка;
4) D — цифра 1 стоятиме на першому місці, а 5 — на останньому.
1 1 1 1 3! 1
P A P B P C
Відповідь. 5 ! 120 ; 5 ! 120 ; 5 ! 20 ;
3! 1
P D
5 ! 20 .
29
у рядок. Яка ймовірність того, що при цьому утвориться парне три-
цифрове число?
A42 2 24
3
0,4
Відповідь. А5 60 .
25.Дев’ять пасажирів навмання розміщуються у трьох вагонах.
Обчислити ймовірність таких випадкових подій: 1) А — у кожному
вагоні виявиться по три пасажири; 2) В — у першому вагоні ви-
явиться 4 пасажири, у другому — 3 і в третьому — 2 пасажири.
C 93 C 63 C 33 9! 6! 1 9!
P A 3
3
Відповідь. 9 6 ! 3! 3! 3! 9 (3 ! ) 2 9 3 ;
C 94 C 53 C 22 9!
P B 3
9 4 ! 3! 2 ! 9 3 .
26.В урні міститься 4 червоних, 5 синіх і 6 зелених кульок. На-
вмання із урни беруть три кульки. Яка ймовірність того, що вони
виявляться одного кольору або всі три будуть мати різні кольори?
C 43 C 53 C 63 C 41 C 51 C 61
3
Відповідь. C15 .
27.В урні міститься 20 кульок, пронумерованих відповідно від 1
до 20. Кульки із урни виймають по одній із поверненням. Таким
способом кульки виймалися 10 раз. Яка ймовірність того, що номе-
ри кульок утворять зростаючу послідовність?
10
C20
10
Відповідь. 20 .
28.Підкидається n штук гральних кубиків. Обчислити ймовір-
ність таких випадкових подій: 1) А — сума випадкових цифр дорів-
нюватиме n ; 2) В — сума цифр, що випали, дорівнюватиме n + 1.
1 n
P A n
P B n
Відповідь. 1) 6 ; 2) 6 .
29.20 студентів, серед яких 10 чоловічої статі, а решта — жіно-
чої, навмання групуються в пари. Яка ймовірність того, що кожна
пара складається зі студентів різної статі?
1 1
C10 C10 C 91 C 91 C 81C 81 C 71 C 71 C 61 C 61 C 51 C 51 C 41 C 41 C 31C 31C 21 C 21 C11C11
Відповідь. 20
10 ! 9! 8! 7! 6! 5! 4! 3! 2! 1 10 !
9 ! 1! 8 ! 1! 7 ! 1! 6 ! 1! 5 ! 1! 4 ! 1! 3 ! 1! 2 ! 1! 1! 1! 20 ! 20 ! .
30
30.У бригаді робітників 5 чоловіків і 10 жінок. Яка ймовірність
того, що навмання розбиваючи їх на 5 груп по три чоловіки, у кож-
ній із них виявиться один чоловік.
Відповідь. 15 робітників можна розбити на 5 трійок так:
15!
3
C153 C12 C 93 C 63 C 33
(3!) 5 ; 10 жінок можна розбити на 5 груп, по дві
10!
C102 C 82 C 62 C 42 C 22
( 2! ) 5
жінки в кожній групі так: ; 5 чоловіків мо-
жна розмістити в 5 групах 5! способами.
10 ! 5 ! 10 ! 5 ! (3 ! ) 5
P
15 ! ( 2 ! ) 5 15!
(2 ! ) 5
Отже, (3 ! ) 3 .
31.Задано множину Ώ = 0 х , 0 у 1. Яка ймовірність то-
го, що навмання взяті два числа x, y утворять координати точки, яка
2
належить області А = 0 х , 0 у 0 sin x .
Відповідь. Р (А) = 0,5.
32.У мішень, яка має вигляд кола, вписано квадрат. По ній здійсню-
ється один постріл. Вважається при цьому, що влучення в коло мішені є
подією вірогідною. Яка ймовірність того, що куля влучить у квадрат.
2
Відповідь. .
33.У партії однотипних деталей, кількість яких дорівнює 400, ко-
нтролер виявив 25 бракованих. Чому дорівнює відносна частота по-
яви стандартних деталей?
15
Відповідь. .
16
34.При стрільбі з гвинтівки по мішені відносна частота влучення
дорівнює 0,85. Знайти число влучень, якщо було здійснено 20 пост-
рілів.
Відповідь. 17.
31
ТЕМА 2. ЗАЛЕЖНІ ТА НЕЗАЛЕЖНІ ВИПАДКОВІ ПОДІЇ.
УМОВНА ЙМОВІРНІСТЬ, ФОРМУЛИ МНОЖЕННЯ
ЙМОВІРНОСТЕЙ
29
Р ( А В)
P B / A
Р ( А) , P A 0 . (18)
1. Р (А / В) = 0, якщо А∩В = .
2. Р (А / В) = 1, якщо А∩В = В.
3. У решті випадків 0 < Р(А / В) < 1.
Приклад 1. Задана множина цілих чисел. Ώ = 1, 2, 3, 4, 5,
6, 7, 8, 9, 10, 11, 12. Навмання беруть одне число. Яка ймо-
вірність того, що це число виявиться кратним 3, коли відо-
мо, що воно є непарним?
Розв’язання. Нехай подія А — поява числа кратного 3, В — кратного 2.
Тоді А = (3, 6, 9, 12), m1 = 4;
В = (2, 4, 6, 8, 10, 12), m2 = 6;
А∩В = (6, 12), m3 = 2;
m1 4 1 6 1 m 2 1
P A P B P A B 3
n 12 3 ; 12 2 ; n 12 6 ; Р (А / В) =
1
Р ( А В) 6 1
P A/B
Р ( В) 1 3
2 .
Оскільки P A Р ( A / B) , то події А і В є залежними.
Умовну ймовірність Р (А / В) для цієї задачі можна обчислити й інакше.
За умовою задачі відомо, що взяте навмання число, є непарним, тобто в
цьому разі ми дістали додаткову інформацію: із множини Ώ беруться лише
непарні числа. Отже, простір елементарних подій тепер має вигляд
` 1, 2, 5, 7, 9, 11 , n 6 .
Елементарні події, що сприяють появі А, — появі числа, кратного 3,
утворюють множину A { 3, 9} , m 2 .
Отже,
m 2 1
P A / B
n 6 3 .
Приклад 2. Відомі значення:
P ( A B) 0,3; P ( A B) 0,4 ; P ( A B) 0,9.
З’ясувати, чи є залежними випадкові події А і В.
Розв’язання.
P ( A B) 1 P ( A B ) 1 0,9 0,1;
30
P ( A) P ( A B) P ( A B) 0,3 0,1 0,4;
P ( B) P ( B A) P ( A B) 0,4 0,1 0,5;
Р ( А В ) 0,1 1
P A / B 0,2;
Р ( В) 0,5 5
Р ( А В ) 0,1 1
P B / A 0,25
Р ( А) 0,4 4 .
Оскільки P A / B Р( А), Р( В) Р( В / А), то випадкові події А і В є
залежними.
32
рівнює 0,9, для другого та третього студентів ця ймовірність
становить відповідно 0,8 і 0,7.
Обчислити ймовірності таких випадкових подій:
1) А — три студенти складуть екзамен;
2) В — три студенти не складуть екзамену;
3) С — два студенти складуть екзамен.
Розв’язання. Позначимо А1, А2, А3 — випадкові події, які полягають
у тому, що перший, другий і третій студенти складуть екзамен з мате-
матики. Тоді A1 , A2 , A3 — відповідно не складуть. За умовою задачі
маємо:
Р(А1) = 0,9, Р(А2) = 0,8, Р(А3) = 0,7.
Тоді ймовірності протилежних подій такі:
Р( A1 ) = 1 – Р(А1) = 1 – 0,9 = 0,1;
Р( A2 ) = 1 – Р(А2) = 1 – 0,8 = 0,2;
Р( A3 ) = 1 – Р(А3) = 1 – 0,7 = 0,3
Позначимо події: A A1 A2 A3 , B A1 A2 A3 ,
C ( A1 A2 A3 ) ( A1 A2 A3 ) ( A1 A2 A3 ) .
33
5.Імовірність появи випадкової події принаймні
один раз при n незалежних спробах
34
q2 = 1 – p2 = 1 – 0,9 = 0,1;
q3 = 1 – p3 = 1 – 0,85 = 0,15;
q4 = 1 – p4 = 1 – 0,8 = 0,2.
На підставі (23) маємо:
Р(С) = 1 – q1 q2 q3 q4 = 1 – 0,05 0,1 0,15 0,2 = 1 – 0,00015 = 0,99985.
Приклад 2. Гральний кубик підкидається чотири рази. Чому
дорівнює ймовірність того, що цифра 3 з’явиться при цьому
хоча б один раз?
Розв’язання. Імовірність того, що при одному підкиданні з’явиться
1 1 5
цифра 3, дорівнює 6 . Тоді q = 1 – p = 1 – 6 6 .
Згідно з (24) дістанемо:
4
5 625 671
1 1
4
Р(С) = 1 – q = 6 1296 1296 .
1 2 3 n
Рис. 7
35
1
Рис. 8
2
1 2 3 4
3
4
Рис. 9 Рис. 10
Імовірність того, що електролампочка не перегорить при
ввімкненні в електромережу наведених схем, є величиною
сталою і дорівнює рі = 0,8.
Яка ймовірність того, що при ввімкненні в електромережу
наведених схем у них буде електрострум?
Розв’язання. За відомим значенням рі знаходимо qі = 1 – рі = 1 – 0,8 =
= 0,2 (і = 1, 2, 3, 4).
4
R p i (0,8) 4 0,4096
а) R = і 1 ;
4
R 1 q i 1 (0,2) 4 1 0,0016 0,9984
б) і 1 .
36
7.Формула повної ймовірності
37
Обчислимо ймовірності гіпотез, а також відповідні їм умовні ймові-
рності Р (А / Ві) (і = 1, 2, 3, 4).
C3 35
P B1 73 P A / B1
4
Р (В1) = C 11
165 , 8 ;
C72C41 84
P B2 3
P A / B2
5
C11 165 , 8;
C1C 2 42
P B3 7 3 4 P A / B3
6
C11 165 , 8;
C70C43 4
P B4 3
P A / B4
7
C11 165 , 8.
Згідно з (27) дістанемо:
Р(А) = Р(В1) Р(А / В1) + Р(В2) Р(А / В2) + Р(В3) Р(А / В3) + Р(В4) Р(А / В4) =
35 4 84 5 42 6 4 7 840 7
165 8 165 8 165 8 165 8 1320 11 .
n
Вi `
Оскільки і 1 ,
n
n
P Вi P B1 1
то і 1 i 1 .
8.Формула Байєса
38
n
n т Р( Вi ) Р( А / Вi )
Р( Вi ) Р( А / Вi ) Р( А)
і 1
Р( Вi / А) 1
і 1 і 1 Р( А) Р( А) Р( А) .
Згідно з формулою Байєса можна прийняти рішення, провівши
експеримент. Але для цього необхідно, аби вибір тієї чи іншої гіпо-
тези мав ґрунтовні підстави, тобто щоб унаслідок проведення експе-
рименту ймовірність Р(Ві / А) була близька до одиниці.
Приклад 1. Маємо три групи ящиків. До першої групи на-
лежить 5 ящиків, у кожному з яких 7 стандартних і 3 брако-
вані однотипні вироби, до другої групи — 9 ящиків, у кож-
ному з яких 5 стандартних і 5 бракованих виробів, а до
третьої — 3 ящики, у кожному з яких 3 стандартні й 7 бра-
кованих виробів. Із довільно вибраного ящика три навмання
взяті вироби виявилися стандартними.
Яка ймовірність того, що вони були взяті з ящика, який на-
лежить третій групі?
Розв’язання. Позначимо В1, В2, В3 гіпотези про те, що навмання ви-
браний ящик належить відповідно першій, другій або третій групі. Об-
числимо ймовірності цих гіпотез. Оскільки всього за умовою задачі 17
ящиків, то
5 9 3
P B1 ; Р B 2 P B 3
17 17 ; Р(В3) = 17 .
Позначимо через А появу трьох стандартних виробів. Тоді відповід-
ні умовні ймовірності:
C 73 21
P A / B1 3
;
C10 120
С 52 10
P A / B2 3
;
С10 120
С 33 1
P A / B3 3
С10 120 .
За умовою задачі необхідно переоцінити ймовірність гіпотези В3.
Використовуючи формулу (28), маємо:
Р( В3 ) Р ( А / В3 )
P B3 / A
Р( В1 ) Р( А / В1 ) Р( В 2 ) Р( А / В 2 ) Р( В3 ) Р( А / В3 )
39
3 1
17 120 3 3 1
5 21 9 10 3 1 105 90 3 198 66
17 120 17 120 17 120 .
Приклад 2. На склад надходять однотипні вироби з чоти-
рьох заводів: 15% — із заводу №1, 25% — із заводу №2;
40% — із заводу №3 і 20% — із заводу №4.
Під час контролю продукції, яка надходить на склад, уста-
новлено, що в середньому брак становить для заводу № 1 —
3%, заводу №2 — 5%, заводу №3 — 8% і заводу №4 — 1%.
Навмання взятий виріб зі складу виявився бракованим. Яка
ймовірність того, що його виготовив завод №1?
Розв’язання. Позначимо В1 гіпотезу проте, що виріб був виготовле-
ний заводом №1, В2 — заводом №2, В3 — заводом №3 і В4 — заводом
№4. Ці гіпотези єдино можливі і несумісні. Нехай А — випадкова подія,
що полягає в появі бракованого виробу.
За умовою задачі маємо:
Р(В1) = 0,15, Р(В2) = 0,25, Р(В3) = 0,4, Р(В4) = 0,2, Р(А/В1) = 0,03,
Р(А/В2) = 0,05, Р(А/В3) = 0,08, Р(А/В4) = 0,01.
За формулою Байєса (28) переоцінюємо першу гіпотезу В1:
Р (В1 ) Р ( А / В1 )
PB1/A
Р (В1 ) Р ( А / В1 ) Р (В2 ) Р ( А / В2 ) Р (В3 ) Р ( А / В3 ) Р (В4 ) Р ( А / В4 )
0,15 0,03 0,0045 45 3
= 0,15 0,03 0, 25 0,05 0, 4 0, 08 0, 2 0,01 0, 051 510 34 .
40
n
P Аi
6.Чому дорівнює і 1 , якщо випадкові події Аі є залеж-
ними?
7.Чому дорівнює Р(А∩В), якщо А і В є незалежними?
8.В якому разі Р(А/В) = Р(А), Р(В/А) = Р(В)?
n
P Аi
9.Чому дорівнює і 1 , якщо випадкові події А і В є не-
залежними?
10.Формула для обчислення появи випадкової події хоча б
один раз при n незалежних експериментах має вигляд ...
11.Гіпотези у формулі повної ймовірності та їх властивості.
12.Формула повної ймовірності випадкової події А за наяв-
ності n гіпотез Ві має вигляд ...
13.В якому разі використовується формула Байєса?
14.Для переоцінювання ймовірності Ві гіпотези формула
Байєса має вигляд ...
15.В якому разі обирається гіпотеза Ві для прийняття рішен-
ня при проведенні експерименту?
n
P Вi
16.Чому дорівнює і 1 , де Ві є гіпотези у формулі по-
вної ймовірності?
Приклади до теми
41
9.Задано множину цілих одноцифрових чисел 1, 2, 3, 4, 5, 6, 7, 8,
9. Навмання береться одне число, а потім друге, при цьому перше
не повертається.
Обчислити ймовірності таких випадкових подій: 1) А — здобуте
двоцифрове число виявиться непарним; 2) В — здобуте двоцифрове
число ділиться на 5 або на 2.
35 8 1 5 4 4 3 40 5
P A P B
Відповідь. 72 ; 9 8 9 8 9 8 72 9 .
10.Прилад складається з трьох елементів, які працюють незалеж-
но один від одного. Імовірність того, що перший елемент не вийде із
ладу під час роботи приладу, є величиною сталою і дорівнює р1 =
0,9. Для другого і третього елементів ця ймовірність відповідно та-
ка: р2 = 0,8, р3 = 0,7. Обчислити ймовірність того, що під час роботи
приладу з ладу вийде: 1) А — три елементи; 2) В — два елементи; 3)
С — один елемент; 4) D — всі три елементи не вийдуть із ладу.
З’ясувати, чи утворюють випадкові події А, В, С, D повну групу.
Відповідь. Р(А) = 0,006; Р(В) = р1р2q3 + р1q2р3 + q1р2р3 = 0,398;
Р(С) = р1q2q3 + q1р2q3 + q1q2р3 = 0,092;
Р(D) = 0,504. Випадкові події А, В, С, D утворюють по-
вну групу.
11.Імовірність безвідказної роботи блока, що входить у систему
впродовж певного часу дорівнює 0,9. Для надійності роботи системи
встановлюється такий же блок, що буде знаходитись у резерві. Яка
ймовірність безвідмовної роботи системи, коли при цьому врахову-
вати резервний блок?
Відповідь. р = 0,99.
12.Радіолокаційна система, до якої входять дві станції, що пра-
цюють самостійно, виконує деяке завдання з виявлення літака-
порушника повітряного простору України на певній ділянці кордо-
ну. Для виконання цього завдання необхідно, щоб у справному стані
була хоча б одна радіолокаційна станція. Імовірність безвідказної
роботи першої станції дорівнює 0,95, а другої 0,85. Система працю-
ватиме надійно, якщо буде справною хоча б одна радіолокаційна
станція. Знайти ймовірність цієї події.
Відповідь. р = 0,9925.
13.Робітник обслуговує три верстати-автомати, що працюють не-
залежно один від одного. Імовірність того, що протягом години пе-
рший верстат потребує уваги робітника дорівнює 0,9, для другого та
третього верстатів ця ймовірність дорівнює відповідно 0,85 і 0,8.
Яка ймовірність того, що протягом години уваги робітника потре-
бують: 1) А — два верстати; 2) В — хоча б один із трьох?
42
Відповідь. Р(А) = р1р2q3 + р1q2р3 + q1р2р3 = 0,329;
Р(В) = 0,997.
14.Радіоприймач із імовірностями р1 = 0,9, р2 = 0,1 може належа-
ти до однієї з двох партій. Імовірність того, що радіоприймач про-
працює заданий проміжок часу без ремонту для цих партій відпові-
дно дорівнює 0,8 і 0,6. Яка ймовірність того, що радіоприймач
пропрацює заданий проміжок часу?
Відповідь. р = 0,78.
15.На складання агрегату надходять деталі, які виготовляються
двома верстатами-автоматами. Перший верстат виготовляє в серед-
ньому 0,2% бракованих деталей, а другий 0,1%. Знайти ймовірність
надходження бракованої деталі на складання, якщо від першого вер-
стата надійшло 2000 деталей, а від другого — 3000.
2000 3000
p 0,002 0,001 0,0014.
Відповідь. 5000 5000
16.В ящику міститься 20 тенісних м’ячів, із них 12 нових і 8, які
були в користувані. Із ящика навмання беруть два м’яча і після за-
кінчення гри повертають у ящик. Після цього із ящика навмання ви-
бирають знову два м’яча для наступної гри. Обчислити ймовірності
таких випадкових подій: 1) А — два м’ячі, що вийняли із ящика, ще
не були в користуванні; 2) В — два м’ячі вже були в користуванні.
C122 C102 1
C12 C81 C112 C82 C122
P A 2 2
2 2
2 2
Відповідь. C20 C20 C20 C20 C20 C20 ;
С122 С 82 1
С12 С 81 C 72 С 82 С 62
P B 2 2
2 2
2 2
С 20 С 20 С 20 C 20 С 20 С 20 .
17.У першому ящику міститься 6 стандартних і 5 бракованих де-
талей. Із першого ящика навмання беруть чотири деталі й перекла-
дають у другий, в якому до цього містилося дві стандартні й одна
бракована деталі. Яка ймовірність після цього із другого ящика вий-
няти одну стандартну деталь?
C 64 6 C 63 C 51 5 C 62 C 52 4 C 61 C 53 3 C 60 C 54 2
p
Відповідь. C114 7 C114 7 C114 7 C114 7 C114 7.
43
P A B 0,172 .
19.В урні міститься 4 зелених і 8 червоних кульок. Кульки із урни
виймають по одній без повернення. Таким способом було вийнято три
кульки. Обчислити ймовірності таких випадкових подій: 1) А — перша
кулька буде червоною, друга — зеленою, третя — червоною; 2) В —
перша кулька буде зеленою, друга — червоною, третя — зеленою.
8 4 7 56 4 8 3 4
P A P B
Відповідь. 1) 12 11 10 165 ; 2) 12 11 10 55 .
20. Електролампочки з’єднані за схемою, зображеною на рис. 11.
Рис. 11
Імовірність того, що електролампочка не вийде з ладу при ввімк-
ненні схеми в електричну мережу, є величиною сталою і дорівнює 0,9.
Яка ймовірність того, що в електричній схемі, наведеної на рис. 11,
при ввімкненні її в електричну мережу потече електричний струм?
Відповідь. Р = р4 (1 – q4) = 0,65633436.
21. Електролампочки з’єднані за схемою, зображеною на рис. 12.
1 2 3 8
4 5 9 10
6 7 11 12
Рис. 12
Імовірність того, що лампочка не перегорить при ввімкненні в
електромережу є величиною сталою і дорівнює 0,8. Яка ймовірність
того, що в схемі, якщо вона ввімкнено в електромережу, потече еле-
ктричний струм?
Відповідь. Р = (1 – (1 – р1 р2 р3) (1 – р4 р5) (1 – р6 р7)) × ((1 – q8 (1 –
р9 р10) (1 – р11 р12)).
22. Маємо три урни. У першій міститься 8 білих і 2 чорних куль-
ки, у другій — 5 білих і 5 чорних, у третій — 2 білих і 8 чорних. На-
вмання підкидають гральний кубик. Якщо випаде на грані число
44
кратне 2, то навмання беруть дві кульки з першої урни, якщо випаде
число кратне 5 — дві кульки з другої урни, і якщо випаде число, яке
не буде кратним ні 2, ні 3 — дві кульки з третьої урни. Знайти ймо-
вірність появи двох білих кульок у такому експерименті.
3 C 82 2 C 52 2 C 22
p
Відповідь. 6 C102 6 C102 6 C102 .
23. Прилад складається із двох вузлів №1, і №2, що дублюють
один одного, і може працювати у двох режимах: сприятливому і не-
сприятливому. У сприятливому режимі надійність кожного із узлів
q1 = 0,8, а в неспрятливому q2 = 0,5. Імовірність того, що прилад
працюватиме в сприятливому режимі Р1 = 0,6, а в несприятливому
режимі 1 – Р1. Знайти надійність приладу R.
Відповідь. R = Р1 (1 – q12) + (1 – Р1)(1 – q22).
24. Деталь може надійти для обробки на перший верстат із імовір-
ністю 0,2, на другий верстат — із імовірністю 0,3 і на третій — із
імовірностю 0,5. При обробці деталі на першому верстаті ймовір-
ність допустити брак дорівнює 0,01, на другому і третьому верста-
тах ця ймовірність відповідно дорівнює 0,05 і 0,08. Оброблені деталі
вміщують в одну шухляду. Навмання взята звідти деталь виявилась
бракованою. Яка ймовірність того, що її обробляв перший верстат?
20
p
Відповідь. 57 .
25. Клапани, виготовлені цехом заводу, перевіряють три контро-
лери. Імовірність того, що клапан потрапить на перевірку до першого
контролера дорівнює 0,3, до другого — 0,5 і до третього — 0,2. Імові-
рність того, що бракована деталь буде виявлена для першого, другого
і третього контролерів відповідно дорівнює 0,95, 0,9, 0,85. Під час по-
вторної перевірки відбракованої деталі вона виявилась бракованою.
Яка ймовірність того, що цю деталь перевіряв третій контролер?
34
p
Відповідь. 181 .
26. Прилад складається із двох вузлів, що працюють незалежно
один від одного. Робота кожного вузла необхідна для роботи прила-
ду в цілому. Надійність (імовірність безвідказної роботи протягом
часу t ) першого вузла Р1 = 0,9; другого Р2 = 0,8. Прилад випробову-
вався протягом часу t, і при цьому один з вузлів вийшов з ладу.
Знайти ймовірність того, що відказав у роботі лише перший вузол, а
другий був справним.
45
Р 2 q1 0,8 0,2 8
p
Відповідь. р 2 q1 р1 q 2 q1 q 2 0,8 0,2 0,1 0,8 0,1 0,2 13 .
46
станція здійснить m обертів антени. Знайти ймовірності таких випа-
дкових подій:
1) А — літаючий об’єкт буде виявлено хоча б один раз;
2) В — об’єкт буде виявлено кожною станцією.
Відповідь. Р(А) = 1 – qkm; P B 1 q .
m k
47
Відповідь. Р(А) = q р = 0,09; Р(В) = 1 – q2 = 0,99.
38. В урні чотири білі й три чорні кульки. Два гравці почергово
виймають із урни по кульці, не повертаючи їх до урни. Виграє той
гравець, який раніше витягне білу кульку. Знайти ймовірність того,
що виграє перший гравець.
4 3 2 1
p 1
Відповідь. 7 7 6 5 .
39. Маємо три урни. У першій міститься 6 білих і 4 чорних куль-
ки, у другій — 8 білих і 2 чорних і в третій — 1 біла й 1 чорна. Із
першої урни навмання беруть 3 кульки, а із другої дві і переклада-
ють у третю урну. Яка ймовірність після цього вийняти із третьої
урни одну білу кульку?
Відповідь.
C63C82 6 C63C81C21 5 C63C22 4 C62C41C82 5
p 3 2
3 2 3 2 3 2
C10C10 7 C10 C10 7 C10 C10 7 C10C10 7
C 62 C 41 C 81C 21 4 C 62 C 41 C 22 3 C 61 C 72 C 82 4 С 61 С 42 С 22 2
3
C10 C102 7 C103
C102 7 С103
С102 7 С103
С102 7
С 43 С 82 3 С 43 С 81С 21 2 С 43 С 22 1
3
3 2 3 2 .
С10 С102 7 С10 С10 7 С10 С10 7
40. Завод виготовляє вироби, кожний із яких з імовірністю p =
0,01 має дефект. Вироби можуть потрапити на перевірку першому
або другому контролерові. Імовірність того, що перший контролер
виявить дефект у виробі, дорівнює p1 = 0,85, для другого контролера
ця ймовірність p2 = 0,95. Якщо виріб не був забракований контроле-
рами, то він надходить до ВТК заводу. Дефект, якщо він існує, може
бути виявлений з імовірністю p0 = 0,99. Яка ймовірність того, що пі-
сля всієї процедури виріб було забраковано: 1) першим контроле-
ром; 2) ВТК?
p1 0,85 850
;
Відповідь. 1) 2 p 0 ( p1 p 2 ) q 0 2 0,99 (0,85 0,95) 0,01 1999
p 0 (2 ( p1 p 2 ) 99
2) 2 p о ( p1 p 2 ) q 0 1999 .
41. В академічній групі 25 студентів, які складають екзамен з ма-
тематики, із них 5 підготовлені відмінно, 10 — добре, 9 — задовіль-
но і 6 — незадовільно. В екзаменаційних тестах міститься 10 пи-
тань. Відмінно підготовлений студент може відповісти на всі 10
48
запитань, добре підготовлений — на 7 запитань, задовільно підготов-
лений — на 5 запитань і незадовільно підготовлений — на 3 запи-
тання. Навмання викликаний студент відповів на всі три запитання.
Знайти ймовірність того, що це був студент: 1) відмінно підготовле-
ний; 2) незадовільно підготовлений.
5
1
25
5 10 7 6 5 9 5 4 3 6 3 2 1
1
Відповідь. 1) 25 25 10 9 8 25 10 9 8 25 10 9 8 ;
6 3 2 1
25 10 9 8
5 10 7 6 5 9 5 4 3 6 3 2 1
1
2) 25 25 10 8 8 25 10 9 8 25 10 9 8 .
42. У мікроавтобусі їде 8 пасажирів. На черговій зупинці кожний
із них може вийти з автобуса із імовірностю р = 0,4; крім цього, в
автобус із імовірністю р0 = 0,6 не ввійде ні один новий пасажир, і з
імовірністю 1 – р0 = 0,4 один пасажир увійде. Знайти ймовірність то-
го, що коли автобус знову почне рухатись до наступної зупинки, у
ньому буде 8 пасажирів.
Відповідь. p = р0 (1 – р)8 + (1 – р0) n р (1 – р)7.
43. Для підвищення надійності роботи приладу він дублюється
чотирма такими самими приладами (рис. 13).
1
2
3
Рис. 13
49
44. Оцінити надійність системи, елементи якої з’єднані за схе-
мою рис. 14.
р р1
р р1
р р1
р р1
Рис. 14
50
ТЕМА 3. ПОВТОРЮВАНІ НЕЗАЛЕЖНІ ЕКСПЕРИМЕНТИ
ЗА СХЕМОЮ БЕРНУЛЛІ
1.Формула Бернуллі
48
1
2
3
Рис. 14
49
3) P6 1 m 6 1 P6 0 1 C6 p q 1 q6 1 0,4 =
0 0 6 6
1 0,04096 0,995904 .
C8m 1 8 28 56 70 56 28 8 1
P8 ( m)
256 256 256 256 256 256 256 256 256 256
Pn (m 0 ) C m 0 p m 0 q n m0
1 m n1 m 1 n m 1 1
Pn (m 0 1) Cn 0 p 0 q 0
n! p m0 q nmo
m 0 ! (n m 0 ) !
1
n! P m0 1 q n m0 1
(m 0 1) ! (n m 0 1) !
50
p
m0
1 m0 n p p
q
n m0 1 ; (а)
Pn (m 0 ) C nm0 p m0 q n m0
1 1
Pn (m 0 1) C nm0 1 p m0 1 q n m0 1
q
n m0
1 m0 n p q
p
m0 1 . (б)
Об’єднавши нерівності (а) і (б), дістанемо:
n p q m0 n p p . (34)
Число m0 називають також модою.
Приклад 1. У разі додержання певної технології 90% усієї
продукції, виготовленої заводом, є найвищого сорту. Знайти
найімовірніше число виробів найвищого сорту в партії з 200
штук.
Розв’язання. За умовою задачі n = 200; р = 0,9; q = 1 – р = 0,1.
Використовуючи подвійну нерівність (34), дістаємо:
n p q m0 n p p
200 0,9 0,1 m 0 200 0,9 0,9
179,9 m 0 180,9 .
Отже, найімовірніше число виробів першого сорту серед 200 дорів-
нює 180.
Приклад 2. Імовірність того, що студент складе іспит з ма-
тематики, є величиною сталою і дорівнює в середньому 0,8.
Нехай є група з восьми студентів. Знайти найімовірнішу кі-
лькість членів цієї групи котрі складуть іспит з математики,
і обчислити відповідну ймовірність.
Розв’язання. За умовою задачі n = 8; p = 0,8; q = 0,8.
np q m 0 np p
8 0,8 0,2 m 0 8 0,8 0,8
6,2 m 0 7,2 .
51
Доходимо висновку: найімовірніша кількість студентів, які складуть
екзамен, m0 = 7. Відповідна ймовірність дорівнює 0,524288.
Обчислення ймовірностей за формулою Бернуллі при великих зна-
ченнях n і m пов’язане з певними труднощами. Щоб уникнути їх, засто-
совують асимптотичні формули, що випливають з локальної та інтегра-
льної теорем Муавра—Лапласа.
3.Локальна теорема
52
Для доведення теореми скористаємося формулою Стірлінга:
K ! 2 k k k ℮–k . (42)
Використовуючи (42) для формули Бернуллі, дістаємо:
n!
Pn (m) p m q nm
m! (n m)!
2n n n e n
p m q mm
2m m m e m 2(n m) (n m) n m e n m
m nm
1 n np nq
2 m( n m) m n m
m (n m)
1 n m n m
2 m( n m ) np nq
m ( n m)
1 n 1 x 2 1 x p
1 n
А,
2 m(n m) np nq 2 m( n m)
m (n m)
1 x q 1 x p
np nq
де А = . (43)
Коли n ∞, маємо:
n n 1
m ( n m) np nq npq .
53
ln A ( np x npq ) x
q 1 qx 2
np 2 np
nq x npq x
p 1 px 2
nq 2 nq
x2 1 q q 3 x2 1 p p 3
x npq q x2q x x npq p x2 p x
2 2 np 2 2 nq
x2 1 q q 3 p p 3
( p q) x 2 ( p q)
x x
2 2 np nq
x 2
1 q q p p 3
x .
2 2 np nq
При n маємо:
x2 1 q q p p 3
x 2
x2
lim ln A lim x Ae 2
n nq
2 2 np 2
n
Отже,
x2
1 1
lim Pn ( m) e 2
n npq 2 ,
а для великих, хоча й обмежених значень n
( x)
Pn (m)
npq ,
що й потрібно було довести.
Властивості функції Гаусса:
1) (x) визначена на всій осі абсцис; ( x) 0 ;
2) (x) є функцією парною: ( x) ( x) ;
lim ( x) 0
3) x ;
x2
1
( x) x e 2
4) 2 ; (0) 0 ;
1
(0)
( x) x0 0 ; ( x) x 0 0 ; отже, 2 — максимум функції
Гаусса;
x2
1
( x) ( x 1)
2
e 2
5) 2 ( x) x 1 0 .
54
Таким чином, х1 = –1, х2 = 1 будуть точками перегину. При цьому
( x) x 1 0 ; ( x) 1 x 1 0 ; ( x) x 1 0.
Графік функції Гаусса зображено на рис. 15.
1
(х )
А (0; )
2
–1 0 1 х
Рис. 15
(х)
0
х
–4 х 4
Рис. 16
55
n = 400; p = 0,75; q = 0,25; m = 290; 300; 320.
1) npq 400 0,75 0,25 75 8,7 ; np 400 0,75 300 ;
m np 290 300
x 1,15
npq 8,7
;
(1,15) (1,15) 0,2059
Р400 (290) 0,0237
8,7 8,7 8,7 ;
m np 300 300
x 0
npq 8,7
2) ;
(0) 0,3989
Р400 (300) 0,046
8,7 8,7 ;
m np 320 300 20
х 2,3
npq 8,7 8,7
3) ;
(2,3) 0,0283
Р400 (320) 0,0033
8,7 8,7 .
Приклад 2. Імовірність того, що посіяне зерно ячменю про-
росте в лабораторних умовах, у середньому дорівнює 0,9.
Було посіяно 700 зернин ячменю в лабораторних умовах.
Визначити найімовірніше число зернин, що проростуть із
цієї кількості зернин, та обчислити ймовірність цього числа.
Розв’язання. За умовою задачі:
n 700 , p 0,9, q 0,1;
np q m0 np p 700 0,9 0,1 m0 700 0,9 0,9
729,9 m0 630,9 m0 630.
Отже, шукане число m0 = 630.
Відповідна ймовірність буде така:
56
0 0,3989
P700 630 0,05
7,94 7,94 .
4.Інтегральна теорема
х x2
1
Ф ( х) e 2
57
Тут (46) є інтегральною сумою, а тому
xj x2
1 xj
(xm ) 1
lim Pn (m і m m j ) lim e 2 dx
n 2 n x m xі npq 2 xi
0 x2 xi x
2
xj x2 xi x
2
1 1 1 1
e 2 dx e 2 dx e 2 dx e 2 dx
2 xі 2 0 2 0 2 0
Ф х j Ф xi .
Для великих, але обмежених значень n дістанемо:
Pn ( mі m m j ) Ф ( х j ) Ф ( xі ) , що й потрібно було довести.
–4 4
0 х 0 –4 х 4 х
–0,5 –0,5
Рис. 17 Рис. 18
58
Ф(x) х 4 0,5 , Ф( x) х 4 0,5 .
Отже, практично функція Лапласа застосовується для значень
x 4; 4 , що ілюструє рис. 18.
Приклад 1. Верстат-автомат виготовляє однотипні деталі.
Імовірність того, що виготовлена одна деталь виявиться ста-
ндартною, є величиною сталою і дорівнює 0,95. За зміну вер-
статом було виготовлено 800 деталей. Яка ймовірність того,
що стандартних деталей серед них буде: 1) від 720 до 780
шт.;
2) від 740 до 790 шт.?
Розв’язання. За умовою задачі:
n 800 ; p 0,95 ; q 0,05 ; 720 m 780 ; 740 m 780 ;
npq 800 0,95 0,05 38 6,2, np 800 0,95 760 .
m j np 780 760 20
xj 3,23
npq 6,2 6,2
1) ;
mі np 720 760 40
xі 6,5
npq 6,2 6,2
;
P800 (720 m 780) Ф(3,23) Ф( 6,5) Ф(3,23) Ф(6,5)
0,49931 0,5 0,99931;
m j np 790 760
xj 4,84
npq 6,2
2) ;
mi np 740 760 20
xi 3,23
npq 6,2 6,2
;
P800 (740 m 790) Ф( 4,84) Ф( 3,23) Ф( 4,84) Ф(3,23)
0,5 0,499 31 0,99931 .
Приклад 2. В електромережу ввімкнено незалежно одну від
одної 500 електролампочок, які освітлюють у вечірній час
виробничий цех заводу. Імовірність того, що електролампо-
чка в електромережі не перегорить, є величиною сталою і
дорівнює 0,8. Яка ймовірність того, що з 500 електролампо-
чок не перегорить:
1) не більш як 380 шт.;
2) не менш як 390 шт.
59
Розв’язання. За умовою задачі:
n 500 ; p 0,8 ; q 0,2 ; 0 m 380 ; 390 m 500 ;
npq 500 0,8 0,2 80 8,9, np 500 0,8 400 .
60
n n n n
Ф Ф Ф Ф
nq
= pq pq pq
n n
2 Ф 2 Ф
pq pq
.
Отже,
n
P(| W ( A) p | ) 2 Ф
pq
. (46а)
Приклад 1. Імовірність виходу з ладу виробу під час прове-
дення експерименту, який має на меті виявити надійність
виробу в роботі, дорівнює 0,2. Було перевірено 400 виробів.
Чому дорівнює ймовірність такої події: абсолютна величина
відхилення відносної частоти виходу із ладу виробів від
імовірності p
= 0,2 становить = 0,01?
Розв’язання. За умовою задачі: n = 400; p = 0,2; q = 0,8; = 0,01.
Підставивши ці значення в (46), дістанемо:
400
P(| W ( A) 0,2 | 0,01) 2 Ф 0,01 2 Ф(0,5) 2 0,1915 0,383.
0,2 0,8
Приклад 2. У разі автоматичного виготовлення втулок брак
становить у середньому 10%. Скільки втулок має взяти кон-
тролер, аби ймовірність того, що абсолютна величина від-
хилення відносної частоти появи стандартної втулки W(A)
(А — випадкова подія, що полягає в появі стандартної втул-
ки) від імовірності p виготовлення такої втулки не переви-
щує = 0,001, дорівнювала 0,999:
P(| W ( A) p | ) 0,999 .
61
2
n x
де x n pq .
pq
Оскільки 2Ф(x) = 0,999, то Ф(x) = 0,4995 → x 3,4 (див. дод. 2).
2
3,4
n 0,9 0,1 (3400) 2 0,09 1040400
Отже, 0,001 .
Тобто контролер має перевірити 1 040 400 втулок.
Приклад 3. Імовірність появи випадкової події в кожному з
900 незалежних експериментів є величиною сталою і дорівнює
0,75. Яким має бути значення
> 0, щоб P(|W(A) – p| < ) = 0,99?
Розв’язання. За умовою задачі: n = 900; p = 0,75; q = 0,25; 2Ф(x) =
0,99.
Далі маємо Ф(x) = 0,495; x = 2,74 і
n n 2,74 2,74 0,75 0,25
x 0,04
pq pq 900 30
x= 0,75 0,25 .
Отже, умову задачі задовольняє значення 0,04.
62
m nm
Anm a a
Pn (m) C nm p m q nm 1
Pm n n
m m
n (n 1) (n 2) ... (n m 1) a a
1
m! n n
n m
a m n (n 1) ( n 2) ... ( n m 1) a a
1 1
m! nm n n
n m
a m n n 1 n 2 n m 1 a a
... 1 1
m! n n n n n n
n m
am 1 2 m 1 a a
1 1 ... 1 1 1 .
m! n n n n n
Коли n , дістаємо:
n m
a m 1 2 m 1 a a
lim Pn (m) lim 1 1 ... 1 1 1
n n m! n n n n n
n m
am 1 2 m 1 a a a m a
lim 1 1 ... 1 lim 1 lim 1 e
m! n n n n n n n n m! .
n
a
lim 1 e a
Оскільки n n ,
m
1 2 m 1 a
lim 1 1 ... 1 1; lim 1 1
n n n n n n .
Отже,
a m a
lim Pn (m) e
n m! ,
а для великих, але обмежених значень n маємо:
am a
Pn (m) e
m! , що й потрібно було довести.
Із (47) випливає:
mj mj
a m a
Pn (mі m m j ) Pn (m) e
m mі m ms m! ; (48)
m m
n n a a n
Pn (0 m n) Pn (m) e a e a e a e a 1
m 0 m0 m! m 0 m! .
63
І справді, це підтверджується ще й тим, що події 0 m n утворю-
ють повну групу.
Функція Рn (m) визначається за таблицею, наведеною в дод. 3, за
заданим m і обчисленим значенням а = np.
Приклад 1. Радіоприлад містить 1000 мікроелементів, які
працюють незалежно один від одного, причому кожний мо-
же вийти з ладу під час роботи приладу з імовірністю р =
0,002. Обчислити ймовірності таких випадкових подій: 1)
під час роботи приладу з ладу вийдуть 3 мікроелементи; 2)
від трьох до шести.
Розв’язання. За умовою задачі маємо n = 1000; p = 0,002; m = 3;
3 m 6 . Оскільки n велике, а р мале число, то для обчислення ймовір-
ностей застосуємо формули (47) і (48). Для цього обчислимо значення
параметра а = np = 1000 · 0,002 = 2.
1) P1000 (3) 0,18044 .
2) P1000 (3 m 6) P1000 (3) P1000 (4) P1000 (5) P1000 (6)
= 0,180447 0,168031 0,100819 0,050409 0,021604 0,52131.
Приклад 2. Імовірність того, що під час епідемії грипу ме-
шканець міста захворіє на цю хворобу, становить у серед-
ньому 0,03%. Яка ймовірність того, що серед навмання виб-
раних 300 мешканців міста хворих на грип виявиться:
1) 5 осіб; 2) не більш як 3 особи.
Розв’язання. За умовою: p = 0,003; n = 300; m = 5; 0 m 3.
Обчислюємо значення параметра а = np = 300 0,003 = 0,9.
1) P800 (5) 0,002001.
2) P300 (0 m 3) P300 (0) P300 (1) P300 (2) P300 (3)
0,40657 0,365913 0,164661 0,049398 0,996542 .
64
4.Довести, що np q m0 np p .
n
m m nm
Cn p q
5.Чому дорівнює m0 ?
6.Сформулювати локальну теорему Муавра—Лапласа.
7.Сформулювати інтегральну теорему Муавра—Лапласа.
8.Чому дорівнює P (| W ( A) p | ) ?
9.Функція Гаусса та її властивості.
10.Функція Лапласа та її властивості.
11.За якої умови використовується формула Пуассона?
n am a
e
12.Чому дорівнює m 0 m! ?
13.Записати формулу Пуассона для малоймовірних випад-
кових подій.
14.Асимптотичні формули для обчислення ймовірностей
випадкових подій для n незалежних експериментів за схе-
мою Бернуллі.
lim Ф( х )
15.Чому дорівнює x ?
lim Ф( х )
16.Чому дорівнює x ?
2
1 x
dx e 2
17.Чому дорівнює 2 ?
18.Застосовуючи формулу Стірлінга, записати, чому дорів-
нює k!.
lim ( x)
19.Чому дорівнює x ?
n
P W A p 2 Ф
pq
20.Довести, що .
m
a a
Pn (m) e
21.Довести, що m! .
22.Довести, що Pn ( mі m m J ) Ф( x j ) Ф( хі ).
Приклади до теми
1.Під час тестування з математики студент має дати правильні
відповіді на 5 запитань. Імовірність того, що він на позитивну оцін-
ку відповість на одне запитання, у середньому дорівнює 0,8. Щоб
65
скласти тест, студентові необхідно дати відповідь не менш ніж на
три питання. Знайти ймовірність того, що студент складе тест.
Відповідь. 0,84208.
66
7.По військовому кораблю здійснюють три постріли з ракетної
батареї системи «земля—земля». Імовірність влучити в корабель до-
рівнює 0,95, а ймовірність того, що військовий корабель буде зне-
шкоджений, дорівнює 1 – qk, де k — число влучень ракет у корабель.
Обчислити ймовірність того, що корабель буде знешкоджений.
Відповідь. P C3 p (1 q ) C3 p q(1 q ) C3 pq (1 q) C3 q (1 q )
3 3 3 2 2 2 1 2 0 3 0
0,9991799 .
67
12.Відомо, що серед виробів заводу стандартні деталі становлять
у середньому 85%. Скільки необхідно взяти цих деталей, щоб
m0 = 65?
m0 p m q
n 0 n 76
Відповідь. n p .
68
18.Телефонна станція обслуговує 1000 абонентів. Імовірність того,
що протягом години абонент розмовлятиме по телефону, дорівнює в
середньому 0,002. Яка ймовірність того, що протягом години одноча-
сно розмовлятимуть по телефону: 1) 5 абонентів; 2) не більш як 5?
Відповідь. 1) 0,036089; 2) 0,983437.
19.Імовірність появи випадкової події в кожній зі 100 незалежних
спроб є величиною сталою і дорівнює 0,3. З якою ймовірністю мож-
на стверджувати, що відносна частота появи випадкової події при
цих спробах міститься в межах [0,2; 0,4]?
Відповідь. 0,98.
20.Імовірність того, що виготовлена на заводі електролампочка
при вмиканні її в електромережу перегорить через певний відтинок
часу є величиною сталою і дорівнює 0,02. Скільки необхідно взяти
таких електролампочок, щоб імовірність відхилення відносної час-
тоти електролампочок, що перегорить, від імовірності 0,02, взяте по
абсолютному значенню, не перевищувала величини 0,001, дорівню-
вала б 0,999.
Відповідь. n 226576 .
21.Імовірність виготовити на заводі виріб найвищої якості дорів-
нює 0,85. Навмання беруть 700 виробів. Визначити межі, в яких пе-
ребуватиме відносна частота появи виробів найвищої якості з імові-
рністю 0,999.
Відповідь. 0,804 W ( A) 0,896 .
22.Імовірність появи випадкової події в кожному з n незалежних
експериментів є величиною сталою і дорівнює р. Яка ймовірність то-
го, що при цьому виконуватиметься нерівність n 1,5 npq m np
1,5 npq ?
Відповідь. 0,8664.
23.Завод відправив на базу 9000 доброякісних виробів. Імовір-
ність пошкодження кожного виробу під час транспортування на базу
становить 0,0001. Знайти ймовірність того, що серед 9000 виробів при
транспортуванні буде пошкоджено: 1) 3 вироби; 2) не більш як 3.
Відповідь. 1) 0,49398 2) 0,986642.
69
24.Частка діабетиків у певній місцевості становить у середньому
0,2%. Навмання було обстежено 4000 осіб. Яка ймовірність того, що
серед них діабетиків буде: 1) 4 особи; 2) від 3 до 6 осіб; 3) не більш
як 4 особи.
Відповідь. 1) 0,133737; 2) 0,300548; 3) 0,154963.
25.Імовірність виявити помилку на сторінці книжки дорівнює 0,001.
Яка ймовірність у результаті перевірки книжки на 1000 сторінок ви-
явити помилку: 1) на 5 сторінках; 2) не більш як на 5 сторінках?
Відповідь. 1) 0,003066; 2) 0,999405.
26. У водойму випустили 100 помічених риб. Згодом із неї було
виловлено 400 рибин, серед яких виявилося 5 мічених. Визначити з
імовірністю 0,9 кількість рибин у цій водоймі.
n 5 100
P( W ( A) p ) 2 Ф P
nq 400 N
Відповідь.
400
2 Ф 0,9 66 N 100 N 8000 66 N 10
100 N 100
N N
70
ТЕМА 4. НАЙПРОСТІШИЙ ПОТІК ПОДІЙ
де
O ( t )
lim 0
t 0 t . (50)
Згідно із (49) маємо:
P0 (t ) 1 P1 (t ) 1 t O(t ) , (51)
69
зокрема P0 (0) 1 .
3.Формула Пуассона
P0 (t t ) P0 (t ) t P0 (t ) O(t ) P0 (t ) . (52)
Імовірність того, що за цей самий проміжок часу здійсниться m
подій, визначається так:
Pm (t t )
m
Pm (t ) P0 (t ) Pm 1 (t ) P1 (t ) Pm i (t ) Pі (t )
і 2
Pm (t t ) Pm (t )(1 t O(t ))
m
Pm 1 (t )( t O(t )) Pm і (t ) Pі (t ),
і 2
якщо m 1;
Pm (t t )
Pm (t ) tPm (t ) O (t ) Pm (t ) t Pm 1 (t )
m
O (t ) Pm 1 (t ) Pm i (t ) Pі (t )
і 2
Pm (t t ) Pm (t ) t Pm (t ) tPm 1 (t ) O (t ) , (53)
m
O (t ) Pm (t ) O (t ) Pm 1 (t ) Pm і (t ) P1 (t ) O (t )
оскільки і2 .
Перенісши P0 (t ) і Pm (t ) в рівняннях (52), (53) у ліву частину, діс-
танемо таку систему рівнянь:
P0 (t t ) P0 (t ) tP0 (t ) O ( t ) P0 (t ) ;
Pm (t t ) Pm (t ) tPm (t ) tPm 1 (t ) O( t ) . (54)
Поділимо ліву і праву частини системи рівнянь (54) на t і вико-
наємо граничний перехід при t 0 . У результаті дістанемо систе-
му лінійних диференціальних рівнянь:
70
P0(t ) P0 (t ) ;
Pm (t ) Pm (t ) Pm 1 (t ) . (55)
Для розв’язування системи (55) використаємо твірну функцію
A ( x, t ) x m Pm (t ) P0 (t ) xP1 (t ) x 2 P2 (t ) ... x k Pk (t ) ...
m0 . (56)
Розглянемо властивості функції А(х, t). При х = 1 А(1, t) = 1.
При х = 0 А(0, t) = p0(t), А(х, 0) = р0 (0) = 1,
A( m ) (0, t )
A( m ) (0, t ) m !; Pm (t ) Pm (t )
m! . (57)
m
Помножимо друге рівняння системи (55) на х і підсумуємо ліву
та праву частини рівняння:
x Pm (t ) x x Pm (t ) x Pm (t )
m m m
ln A( x, t ) | t0 ( x 1)t | t0
ln A( x, t ) ln A( x, 0) ( x 1)t
A( x, t ) e ( x 1)t , (59)
оскільки А(х, 0) = р0 (0) = 1.
Згідно з властивістю А(x, t) маємо:
P0 (t ) A(0, t ) e t ;
A( m ) ( x, t ) ( t ) m t
Pm (t ) e
dt m m!
x 0 .
71
Отже, імовірність того, що за час t відбудеться m випадкових по-
дій, які утворюють найпростіший потік, обчислюється за формулою
( t ) m t
Pm (t ) e
m! , (60)
де — це інтенсивність найпростішого потоку, тобто: середнє
число подій, які відбудуться за одиницю часу [с, хв, год].
1) P4 (2) 0,133853 ;
72
11.Чому дорівнює P1 (0), P0 (0) ?
12.Чому дорівнює Pm (0) ?
13.Записати систему диференціальних рівнянь для найпрос-
тішого потоку.
14.Записати диференціальне рівняння з твірними функці-
ями.
15.Чому дорівнює Pm (t ) ?
Приклади до теми
73
вважають найпростішим. Яка ймовірність того, що за 3 хв на АЗС
для заправляння надійде: 1) один автомобіль; 2) не більш як три ав-
томобілі?
Відповідь. 1) 0,0144873; 2) 0,151305.
74
РОЗДІЛ IІ ВИПАДКОВІ ВЕЛИЧИНИ
R1
Рис. 19
Отже, величина називається випадковою, якщо внаслідок прове-
дення експерименту під впливом випадкових факторів вона набуває
того чи іншого можливого числового значення з певною ймовірністю.
75
Якщо множина можливих значень випадкової величини є зчис-
ленною то таку величину називають дискретною. У противному ра-
зі її називають неперервною.
Приклад 1. Задано множину цілих чисел Ώ = {1, 2, 3, 4, 5, 6,
7, 8, 9, 10}. Навмання беруть одне число. Елементарними
подіями будуть такі: поява одного з чисел ( і ) 1, 2, 3, …,10
з певною ймовірністю. Множина можливих значень ( і ) є
дискретною, а тому й випадкова величина — поява одного з
чисел множини Ώ — буде дискретною.
Приклад 2. Вимірюється сила струму за допомогою ампер-
метра. Результати вимірювання, як правило, округлюють до
найближчої поділки на шкалі для вимірювання сили струму.
Похибка вимірювання, що виникає внаслідок округлення,
являє собою неперервну випадкову величину.
Випадкові величини позначають великими літерами латинського
алфавіту X, Y, Z, ... , а їх можливі значення — малими х; у; z, ... .
Для опису випадкової величини необхідно навести не лише мно-
жину можливих її значень, а й указати, з якими ймовірностями ця
величина набуває того чи іншого можливого значення.
З цією метою вводять поняття закону розподілу ймовірностей.
Співвідношення, що встановляє зв’язок між можливими значен-
нями випадкової величини та відповідними їм імовірностями, нази-
вають законом розподілу випадкової величини.
Закон розподілу дискретної випадкової величини Х можна задати
в табличній формі або за допомогою ймовірнісного многокутника.
У разі табличної форми запису закону подається послідовність
можливих значень випадкової величини Х, розміщених у порядку
зростання, та відповідних їм імовірностей:
Х = хі х1 х2 х3 ...... хk
Р(Х = хі) = рі р1 р2 р3 ..... рk
76
Рівність (61) називають умовою нормування для дискретної випа-
дкової величини Х. Наведену таблицю називають рядом розподілу.
Приклад 3. Закон розподілу дискретної випадкової величи-
ни Х задано таблицею
Х = хі –4 1 2 5 9
Р(Х = хі) = рі 0,1 0,1 0,5 р4 0,2
77
1) P( X 3) P( X 2,5) 0,1;
2) Р( Х 3) Р( Х 2,5) Р( Х 3) 0,1 0,2 0,3;
3) Р( Х 5) P( X 2,5) P( X 3) P( X 4,5) 0,1 0,2 0,1 0,4;
4) Р( Х 5) Р( Х 2,5) Р( Х 3) Р( Х 5) 0,1 0,2 0,1 0,3 0,7;
5) Р(2,5 Х 5,5) Р( Х 2,5) Р( Х 4,5) Р( Х 5) Р( Х 5,5)
0,1 0,2 0,1 0,3 0,1 0,8;
6) Р( Х 5,5) Р( Х 5,5) Р( Х 6) 0,1 0,2 0,3.
Закон розподілу ймовірностей можна унаочнити графічно.
Для цього візьмемо систему координат рі О хі, відклавши на осі абс-
цис можливі значення випадкової величини хі, а на осі ординат — імо-
вірності рі цих можливих значень. Точки з координатами (хі; рі) послі-
довно сполучимо відрізками прямої. Утворену при цьому фігуру
називають імовірнісним многокутником.
Приклад 5. За заданим у табличній формі законом розподі-
лу дискретної випадкової величини Х:
Х = хі –2,5 1 3,5 5 6,5 8
Р(Х = хі) = рі 0,1 0,2 0,1 0,3 0,2 0,1
Рис. 20
78
Функцію аргументу х, що визначає ймовірність випадкової події
Х < x, називають функцією розподілу ймовірностей:
F(x) = P(X < x) (62)
Цю функцію можна тлумачити так: унаслідок експерименту ви-
падкова величина може набути значення, меншого за х .
Наприклад, F(5) = P(X < 5) означає, що в результаті експеримен-
ту випадкова величина Х (дискретна чи неперервна) може набути
значення, яке міститься ліворуч від х = 5, що ілюструє рис. 21.
F (5) = P (X < 5)
–3 –2 –1 0 1 2 3 4 5 6 Х
Рис. 21
х1 х2 Х
Рис. 22
79
F ( x 2 ) F ( x 1 ) P ( x 1 X x 2 ) 0. (64)
Отже,
F ( x2 ) F ( x1 ) 0 F ( x2 ) F ( x1 ).
Із другої властивості F(x) випливають наведені далі висновки:
1. Імовірність того, що випадкова величина Х набуде можливого
значення X x [; ] , дорівнює приросту інтегральної функції F(x)
на цьому проміжку:
P ( X ) F () F ( ). (65)
2. Якщо випадкова величина Х є неперервною, то ймовірність то-
го, що вона набуде конкретного можливого значення, завжди дорів-
нює нулю:
P ( X x i ) 0.
80
Із цих двох співвідношень випливає висновок: якщо можливі
значення випадкової величини Х належать обмеженому проміжку
[а; b], то
F ( x ) 0 для x a;
F ( x ) 1 для х b. (68)
Приклад 6. Закон розподілу дискретної випадкової величи-
ни Х задано таблицею:
Х = хі –4 –1 2 6 9 13
Р(Х = хі) = рі 0,1 0,2 0,1 0,3 0,1 0,2
81
F (x )
1
0,1
Рис. 23
Приклад 7. Маємо три ящики. У першому містяться 6 стан-
дартних і 4 браковані однотипні деталі, у другому — 8 стан-
дартних і 2 браковані деталі, а в третьому — 5 стандартних і
5 бракованих. Із кожного ящика навмання беруть по одній
деталі. Побудувати закон розподілу ймовірностей дискрет-
ної випадкової величини Х — появи числа стандартних де-
талей серед трьох навмання взятих; визначити F(x) та побу-
дувати графік цієї функції.
Розв’язання. Серед трьох навмання взятих деталей число стандарт-
них може бути 0; 1; 2; 3.
У табличній формі закон розподілу дискретної випадкової величини
має вигляд:
Х = хі 0 1 2 3
Р(Х = хі) = рі р1 р2 р3 р4
Обчислимо ймовірності р1, р2, р3, р4. Із цією метою позначимо Ас1 і Аб1
випадкову подію, що полягає відповідно в появі стандартної деталі з
першого ящика і появі бракованої деталі з першого ящика. Тоді випадко-
ві події Ас2, Аб2, Ас3, Аб3 означають появу відповідно стандартної та бра-
кованої деталей із другого і третього ящиків. Імовірності цих подій такі:
6 4
P ( Ac1 ) ; P ( Aб1 ) ;
10 10
8 2
Р ( Ac 2 ) ; Р ( Aб 2 ) ;
10 10
5 5
Р ( Ac 3 ) ; Р( Aб 3 ) .
10 10
Оскільки випадкові події Ас1, Ас2, Ас3, Аб1, Аб2, Аб3 є незалежними,
маємо:
82
4 2 5 40
P1 P ( Аб 1 ) Р ( Аб 2 ) Р ( Аб 3 ) 0,04;
10 10 10 1000
P2 P ( Аc1 ) Р( Аб 2 ) Р( Аб 3 ) Р ( Аб1 ) Р ( Аc 2 ) Р ( Аб 3 ) Р ( Аб1 ) Р ( Аб 2 ) Р ( Аc 3 )
6 2 5 4 2 5 60 160 40 260
0,26;
10 10 10 10 10 10 1000 1000
Р3 Р ( Аc1 ) Р ( Аc 2 ) Р( Аб 3 ) Р( Аc1 ) Р( Аб 2 ) Р( Аc 3 ) Р( Аб1 ) Р( Аc 2 ) Р( Аc 3 )
6 8 5 6 2 5 4 8 5 240 60 160 460
0,46;
10 10 10 10 10 10 10 10 10 1000 1000
6 8 5 240
Р 4 Р ( Аc1 ) Р( Аc 2 ) Р ( Аc 3 ) 0,24.
10 10 10 1000
Перевіримо виконання умови нормування:
4
Рі р1 р2 р3 p4 0,04 0,26 0,46 0,24 1.
і 1
Умова нормування виконується. Отже, закон розподілу ймовірнос-
тей побудовано правильно. Запишемо його в табличній формі:
хі 0 1 2 3
рі 0,04 0,26 0,46 0,24
0,1
0 1 2 3 4 х
Рис. 24
83
Приклад 8. Закон розподілу неперервної випадкової вели-
чини Х задано функцією розподілу ймовірностей
0, x 3;
2
( x 3)
F x , 3 x 4;
49
1, x 4.
F (2)
Р (–1 < X < 2)
F (–1)
–1 < X < 2
Рис. 25
84
2 a b 0 1 2
a , b .
5 a b 1 7 7
1 2
a , b
Коли 7 7 функція розподілу ймовірностей набирає вигляду
0, x 2;
x 2
F x , 2 x 5;
7
1, x 5.
Графік F(x) зображено на рис. 26.
F ( x)
1
F (4)
Р (1 < X < 4) F(1)
–2 0 1 4 5 х
1<X<4
Рис. 26
85
звідки dF ( x ) f ( x )dx .
Оскільки
P ( x X x x ) F ( x x ) F ( x ) dF ( x ) f ( x )dx ,
то добуток f (x) dx — ймовірність того, що випадкова величина Х міс-
титиметься у проміжку [х, х + dx], де dx x .
Геометрично на графіку щільності ймовірності f (x) dx відповідає
площа прямокутника з основою dx і висотою f (x) (рис. 27а).
f (x) P (x < X < x + dx)
f (x)
0 x x + dx x
Рис. 27а
Властивості f (x)
1. f ( x ) 0 . Ця властивість випливає з означення щільності ймо-
вірності як першої похідної від F(x) за умови, що F(x) є неспадною
функцією.
2. Умова нормування неперервної випадкової величини Х:
f ( x )x 1.
(70)
Доведення.
f ( x )dx dF ( x ) F ( x ) | F ( ) F ( ) 1.
Якщо неперервна випадкова величина Х визначена лише на про-
міжку [a; b], то умова нормування має такий вигляд:
в
f ( x )dx 1.
а (71)
2. Імовірність попадання неперервної випадкової величини в ін-
тервалі [; ] обчислюється за формулою
86
P ( X ) f ( x )dx.
(72)
Доведення. За властивістю функції розподілу ймовірностей (67)
P ( X ) F () F ( ).
Залежність (72) можна подати так:
P ( X ) f ( x )dx dF ( x ) F ( x ) | F () F ( ).
3. Функція розподілу ймовірностей неперервної випадкової вели-
чини має вигляд
x
F ( x ) f ( x )dx .
(73)
Доведення.
x x
x
f ( x )dx dF ( x ) F ( x ) | F ( x ) F ( ) F ( x )
.
Якщо можливі значення неперервної випадкової величини нале-
жать лише інтервалу [а; b], то
x
F ( x ) f ( x )dx .
a (74)
Приклад 1. Закон розподілу неперервної випадкової вели-
чини Х такий:
0, x 1;
3
( x 1)
F x , 1 x 3;
64
1, x 3.
Знайти f (x) і побудувати графіки функцій f (x), F(х). Обчислити Р(0 <
X < 2), скориставшись (65) і (72).
Розв’язання.
0, x 1;
3
f ( x ) F ( x ) ( x 1) 2 , 1 x 3;
64
0, x 3.
87
Графіки функцій F(x), f (x) зображено відповідно на рис. 27б і 28.
F(x ) f (x )
1 (3, 3 4)
Р (0 < X < 2)
F(2)
Р (0 < X < 2)
F(0)
–1 0 2 3 х –1 0 2 3 х
Рис. 27б Рис. 28
88
Отже, функція розподілу ймовірностей буде така:
0, x 0;
1
F x (1 cos x), 0 x ;
2
1, x .
Графіки функцій f (x), F(x) зображені відповідно на рис. 29 і 30.
f (x ) F (x )
0 x
– 0 x
2
Рис. 29 Рис. 30
X
Імовірність події 6 2 можна обчислити згідно з (65) або (72).
Застосуємо формулу (72):
2 2 3 3 2
P X sіn x dx cos x 4
cos cos .
6 4 6
4 6 2 2 2
6
7 7
2 2 3 2
x 2 dx ( x 2) 3 9 0 27 18.
Тут 2 3 2 3 3
89
Отже,
1
a .
18
При знайденому значенні а щільність імовірностей
0, x 2;
1
f ( x) x 2 , 2 x 7;
18
0, x 7.
x x 1 1 x 1 ( x 2) 3
F ( x) f ( x)dx x 2 dx x 2 dx
2 218 18 2 18 3
2 2
1 x 1
( x 2)3 ( x 2)3 .
27 2 27
Отже,
0, x 2;
1
F (x ) ( x 2)3 , 2 x 7;
27
1, x 7.
f (x ) F (x )
(7; 1/6)
1 1
–2 0 7 x –2 0 7 x
Рис. 31 Рис. 32
90
Приклад 4. Неперервна випадкова величина Х має закон
розподілу ймовірностей у вигляді трикутника, зображеного
на рис. 33.
f (x)
А (2; у)
С К В
Рис. 33
91
2
A 2; , B 2; 0
Рівняння прямої, що проходить через точки 7 :
2
0
y0 7 y 2 2
y ( x 5).
x5 25 x5 21 21
Звідси на проміжку [2; 5] дістаємо:
2 2
f (x ) ( x 5) (5 x ).
21 21
Отже, на проміжку [–2; 5] щільність імовірностей
0, x 2;
1
( x 2), 2 x 2;
f ( x ) 14
2 (5 x ), 2 x 5;
21
0, x 5.
Згідно із (74) знаходимо F(x) на обох розглядуваних проміжках:
1) на проміжку [–2; 2]:
x
x x 1 1 x ( x 2) 2 ( x 2) 2
F ( x ) f ( x ) dx ( x 2)dx ( x 2)dx ;
2 2 14 14 2 28 2
28
16 1 x 16 ( x 5) 2 9 4 ( x 5) 2 3 ( x 5) 2
( x 5) 2 1 .
28 21 2 28 21 21 7 21 7 21
Отже, функція розподілу ймовірностей
92
0, x 2;
2
( x 2) , 2 x 2;
28
F (x ) 2
1 ( x 5) , 2 x 5;
21
1 , x 5.
Графік F(x) зображено на рис. 34.
F(x)
1
4
–
7
Рис. 34
Обчислюємо ймовірність події 0 < X < 4 згідно з (65) і (72).
На інтервалі [0; 4] діють два закони розподілу:
P (0 X 4) P (0 X 2) P ( 2 X 4).
1 4
F ( 2 ) F ( 0) F ( 4 ) F ( 2 ) F ( 4 ) F ( 0) 1
21 28
21 1 4 20 1 20 3 17
.
1) 21 28 21 7 21 21
2 1
2) P (0 X 4) P (0 X 2) P ( 2 X 4) ( x 2) dx
0 14
2 (5 x ) 2 16 4
2 4
4 2 ( x 2) 2 1
(5 x ) dx ( 1 9)
2 21 28 21 2 28 28 21
0 2
12 8 3 8 17
.
28 21 7 21 21
17
P 0 X 4
Отже, 21 .
93
Теоретичні запитання до теми
?
1. Означення випадкової величини.
2. Означення дискретної і неперервної випадкової величини.
3. Умова нормування для дискретної випадкової величини.
4. Закон розподілу випадкової величини.
5. Що називається функцією розподілу випадкової величини?
6. Довести, що F x 2 F ( x 1 ) при x2 > x1.
7. Чому дорівнює F ( ), F () ?
8. Чому дорівнює P ( X ) ?
9. Довести, що для неперервної випадкової величини Р
(Х = х) = ...
10. Означення щільності ймовірностей неперервної випад-
кової величини Х.
f ( x )dx
11. Чому дорівнює ?
f ( x ) dx
12. Чому дорівнює ?
x
f ( x )dx
13. Чому дорівнює ?
b
f ( x )dx
14. Якщо Х [a; b], то чому дорівнює а ?
x
f ( x )dx
15. Якщо Х [а; b], то чому дорівнює a ?
16. Властивості F(x).
17. Властивості f (x).
x
f ( x )dx F ( x )
18. Довести, що .
Приклади до теми
94
Знайти а. Обчислити: P(X < 2), P(– 4 < X 8).
Побудувати функцію розподілу ймовірностей і накреслити її
графік.
Відповідь. а = 0,1; 0,25; 0,8.
2. За заданою функцією розподілу ймовірностей
0, x 4;
0,1, 4 x 1;
0,3, 1 x 2;
F ( x ) P( X x )
0,5, 2 x 5;
0,8, 5 x 8;
1, x8
0,5
0,1
–3 0 1 3 4 6 х
Рис. 35
95
0, x 0;
0,003, 0 x 1;
F ( x ) 0,059, 0 x 2;
0,398, 2 x 3;
1, x 3.
Графік F(x) зображено на рис. 36
F (x )
1
0,1
0 1 2 3 х
Рис. 36
0, x 1;
28 , 1 x 2;
2100
322 , 2 x 3;
2100
F ( x) P ( X x)
1120 , 3 x 4;
2100
1890 , 4 x 5;
2100
1, x 5.
96
6. Під час виготовлення деталі робітникові необхідно виконати
чотири незалежні між собою технологічні операції. Імовірність того,
що при виконанні першої операції робітник не припуститься дефекту,
дорівнює 0,95; для другої, третьої і четвертої операцій ця ймовір-
ність становить відповідно 0,9; 0,85; 0,8. Побудувати закон розподі-
лу дискретної випадкової величини Х — числа операції, під час ви-
конання яких робітник не припуститься браку.
Відповідь.
хі 0 1 2 3 4
рі 0,00015 0,00565 0,06965 0,34315 0,5814
хі 0 1 2 3
рі 0,001 0,027 0,243 0,729
хі 1 2 3 4 5
97
10.У лотереї розігруються мотоцикл, велосипед і годинник.
Усього є 100 лотерейних білетів. Навмання покупець придбав один з
них. Побудувати закон розподілу ймовірностей Х — поява виграш-
ного білета.
Відповідь.
хі 0 1 1 1
Рис. 37
3 1
P ( 2 X 0) F (0) F ( 2) .
2 2
12. Задано функцію розподілу ймовірностей
0, x 0;
F (x) sin x, 0 x ;
2
1, x .
2
98
Знайти f (x). Побудувати графіки F(x), f (x) і обчислити
P X
6 3.
Відповідь.
0, x 0;
f ( x) F ( x) cos x, 0x ;
2
0, x .
2
F(x ) f (x)
1
0 x 0 x
– –
2 2
Рис. 38 Рис. 39
3 1
P X sin sin .
6 3 3 6 2 2
13. Функція розподілу ймовірностей є лінійною (рис. 40).
F (x )
Рис. 40
99
0, x 4; 0, x 4;
x 4 1
F (x ) , 4 x 2; f ( x) , 4 x 2;
6 6
1, x 2; 0, x 2.
f (x )
1
–
6
–4 0 2 x
Рис. 41
f (x)
Рис. 42
Записати вирази для f (x) і F(x) і побудувати графік функції F(x).
Відповідь.
100
0, x 3; 0, x 3;
1 2
( x 3), 3 x 1; ( x 3) , 3 x 1;
10 20
f (x ) F (x ) 2
2 ( 2 x ), 1 x 2; 1 ( x 2) , 1 x 2;
5 5
0, x 2;
1 , x 2.
Графік цієї функції наведено на рис. 43.
F (x)
1
0,8
–3 0 1 2 x
Рис. 43
16. Крива щільності ймовірності — півеліпс із півосями а = 4; b = 2.
Записати вираз для f (x) і F(x).
Побудувати графік функції F(x).
Відповідь.
0, x 4;
1
f (x ) 16 x 2 , 4 x 4;
2
0, x 4;
0, x 4;
x
1 2 x
F ( x ) f ( x )dx x 16 x 16 arcsіn 4 8, 4 x 4 .
a 16
1, x 4.
Графік цієї функції наведено на рис. 44.
101
F ( x)
–4 0 4 x
Рис. 44
0, x 0;
8
f ( x ) 5 x 3 , 0 x 1;
5
0, x 1
102
f (x ) F(x )
(e; 1)
0 1 e x 0 1 e x
Рис. 45 Рис. 46
19. Дано функцію розподілу ймовірностей
0, x 2;
x2
F (x ) , 2 x 7;
3
1, x 7.
Знайти f (x). Побудувати графіки F(x) і f (x).
Відповідь.
0, x 2;
1
f ( x ) F ( x ) , 1 2 x 7;
6 x 2
0, x 7.
Шукані графіки наведено на рис. 47 і 48.
f (x )
F ( x)
–2 0 7 x –2 0 7 x
Рис. 47 Рис. 48
103
0, x 0;
2 7
f (x ) a cos x, 0 x ;
7 4
7
1, x
4
7
P 0 x
побудувати графіки f (x), F(x). Обчислити 6 .
Відповідь. Графіки зазначених функцій подано на рис. 49 і 50.
f (x) F (x)
2
– 1
7
0 7 x 0 7 x
– –
4 4
Рис. 49 Рис. 50
7 7 3
P 0 X F F (0) sіn sіn 0 .
6 6 3 2
–3 –1 0 5 x
Рис. 51
104
0, x 3; 0, x 3;
x 3 2
( x 3) , 3 x 1;
, 3 x 1; 16
8 F ( x)
f ( x) 2
5 x , 1 x 5; 1 ( x 5) , 1 x 5;
24 48
0,
x 5; 1 , x 5.
Шуканий графік зображено на рис. 52.
F (x)
1
0,25
–3 –1 0 5 x
Рис. 52
105
ТЕМА 6. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ
ВЕЛИЧИН ТА ЇХ ВЛАСТИВОСТІ
1. Математичне сподівання
103
2. Властивості математичного сподівання
Обчислити М (Х).
Розв’язання. Скориставшись (76), дістанемо
6
M ( X ) хі рі х1 р1 х2 р2 х3 р3 х4 р4 х5 р5 х6 р6
і 1
6 0,1 4 0,1 2 0,2 4 0,3 6 0,1 8 0,2
0,6 0,4 0,4 1,2 0,6 1,6 2,8.
104
Приклад 2. За заданою щільністю ймовірностей
0, x 1;
1
f (x) 3 x 1, 1 x 7;
12
0, x7
обчислити М (Х).
Розв’язання. Згідно із (79) маємо:
7 7
1 3 1 7
M ( X ) x f ( x)dx x x 1 dx x 3
x 1 dx
1 1 12 12 1
x 1 z3
1 2 3
x z3 1 1 x 7 ( z 1) z 3z 2 dz
12 0
dx 3 z 2 dz 0z2
2
1 1 2 2
( z 6 z 3 )dz ( z 6 dz z 3 dz )
4 0 4 0 0
1 z 7 1 128
2 2
z4 1 128 28 100 25
4 ;
4 7 0 4
0 4 7 4 7 28 7
25
M (X ) .
7
Приклад 3. Дано щільність імовірностей
0, x 0;
1 2 3
f (x) sіn x, 0 x ;
3 3 2
3
0, x .
2
Обчислити М (Х).
Розв’язання.
105
3 3 3
2 2 1 2 12 2
M ( X ) x f ( x)dx x sin xdx x sin xdx
0 0 3 3 3 0 3
u x, du dx
3
3
2 1 3 2 2 3 2 2
sin xdx dv x cos x cos xdx
3 3 2 3 0 2 0 3
3 2
v cos x
2 3
3
3
1 3 2 2 9 2 2 3
x cos x sin x .
3 2 3 0 4 3 0 4
3
M ( X ) .
4
Приклад 4. За заданою функцією розподілу ймовірностей
0, x 4;
x4
F (x) , 4 x 6;
3
1, x 6.
Обчислити М (Х).
Розв’язання. Для обчислення М (Х) необхідно знайти щільність імо-
вірностей
0, x 4;
1
f (x) , 4 x 6;
6 x 4
0, x 6.
Тоді:
106
6 6
1 1 6 x
M ( X ) x f ( x)dx x dx dx
4 4 6 x3 6 4 x 3
x3 z 2
3 x 6 1 3 z2 3
x z2 3 2 zdz
0z3 6 0 z
dx 2 zdz
1 3 2 1 3 3
( z 3)dz z 2 dz 3 dz
3 0 3 0 0
1 z 3 1
3
3 z 0 (9 9) 0;
3
3 3 0
3
M ( X ) 0.
Якщо випадкова величина Х [а; b], то М (Х) [а; b], а саме: матема-
тичне сподівання випадкової величини має обов’язково міститься всере-
дині інтервалу [а; b], являючи собою центр розподілу цієї величини.
107
Побудувати закон розподілу ймовірностей дискретної випа-
дкової величини Х — числа верстатів, які потребують уваги
робітника за певний проміжок часу. Знайти Мо.
Розв’язання.
Можливі значення випадкової величини:
Х = 0, 1, 2, 3.
Імовірності цих можливих значень такі:
p1 = (0,2)3 = 0,008;
p2 = 3р q2 = 3 0,8 0,04 = 0,096;
p3 = 3p2q = 3 0,64 0,2 = 0,384;
p4 = p3 = (0,8)3 = 0,512.
Запишемо закон таблицею:
хі 0 1 2 3
рі 0,008 0,096 0,384 0,512
Із таблиці визначаємо Мo = 3.
Отже, дістаємо одномодальний розподіл.
Приклад 6. За заданою щільністю ймовірностей
0, x 2;
f ( x) a ( x 2)( x 4), 2 x 4;
0, x 4.
Знайти а і F(x), Mo.
Розв’язання.
За умовою нормування маємо:
4
1 4 4 4 x3 4 4
a 4
x 2 dx 2 xdx 8 dx x2 2
8x 2
2 2 2 3
( x 2)( x 4)dx 2
2
64 8 1
(16 4) 8(4 2) 24 12 48 36 a .
3 36
Щільність імовірностей зі знайденим а матиме вигляд
0, x 2;
(4 x)( x 2)
f ( x) , 2 x 4;
36
0, x 4.
108
Графік f(x) зображено на рис. 53.
f (x)
1
А (1, )
4
–2 0 1 4 x
Рис. 53
Згідно з рис. 53 маємо f (1) = max. Отже, Мo = 1.
Визначаємо Мe:
x 1 x
F ( x) f ( x)dx (4 x)( x 2)dx
2 36 2
1 x 2 1 x x x
2
(8 2 x x )dx 8dx 2 xdx x dx
36 2 36 2 2 2
x
1 8 x 16 x 2 4 x 8
3 3
1 x
8 x 2 x 2
x x
36 2 3 2 36 3 3
1 24 x 36 3x 2 x 3 8 28 24 x 3 x 2 x 3
.
36 3 108
Отже,
0, x 2;
28 24 x 3x 2 x 3
F ( x) , 2 x 4;
108
1, x 4.
Для визначення Ме застосовуємо рівняння (83):
1 28 24Me 3Me 2 Me 3 1
F (Me)
2 108 2
3 2
Me 3Me 24Me 26 0 Me 1.
Не можна знайти, скориставшись щільністю ймовірностей:
Me
f ( x)dx f ( x)dx,
Me (84)
або при Х [а; b]:
Me e
f ( x)dx f ( x)dx
a . Me (85)
Отже, Ме — можливе значення випадкової величини Х, причому та-
ке, що пряма, проведена перпендикулярно до відповідної точки на
109
площині Х = Ме, поділяє площу фігури, яка обмежена функцією f (x), на
дві рівні частини.
10 16 2 2 16 10 0.
110
Математичне сподівання такого відхилення випадкової величини
Х завжди дорівнює нулю. Справді,
M ( X M ( X )) M ( X ) M ( M ( X )) M ( X ) M ( X ) 0 .
Отже, відхилення не може бути мірою розсіювання випадкової
величини.
Дисперсією випадкової величини Х називається математичне
сподівання квадрата відхилення цієї величини
D ( X ) M ( X M ( X )) 2 . (86)
Для дискретної випадкової величини Х дисперсія
n
D ( X ) ( хі М ( Х )) 2 рі
і 1 ; (87)
для неперервної
D ( X ) ( x M ( X )) 2 f ( x)dx
. (88)
Якщо Х [а; b],
ъ
D ( X ) ( х М ( Х )) 2 f ( x)dx
то а . (89)
5.Властивості дисперсії
111
D ( AX B ) M ( AX B M ( AX B )) 2 M ( AX B AM ( X ) B ) 2
M ( AX AM ( X )) 2 A2 M ( X M ( X )) 2 A2 D ( X ).
Дисперсію можна обчислити і за такою формулою:
D ( X ) M ( X 2 ) M 2 ( X ). (93)
Доведення. Згідно з (86) дістаємо:
D( X ) M ( X M ( X )) 2 M ( X 2 2 M ( X ) X M 2 ( X ))
M ( X 2 ) 2 M ( X ) M ( X ) M ( M 2 ( X ))
M ( X 2 ) 2M 2 ( X ) M 2 ( X ) M ( X 2 ) M 2 ( X ).
Для дискретної випадкової величини Х
n
D ( X ) хі2 рі М 2 ( Х )
і 1 ; (94)
для неперервної
D (X ) x 2 f ( x)dx M 2 ( X )
. (95)
Якщо Х [а; b], то
b
D ( X ) х 2 f ( x)dx M 2 ( X ).
а
X D ( X ) . (97)
Приклад 8. Закон розподілу дискретної випадкової величи-
ни Х задано таблицею:
хі –4 –2 1 2 4 6
112
рі 0,1 0,2 0,3 0,2 0,1 0,1
і 1 і 1
6
М ( Х ) х і р і 4 0,1 2 0,2 1 0,3 2 0,2 4 0,1 6 0,1
і 1
0,4 0,4 0,3 0,4 0,4 0,6 0,9;
6
2
M ( X 2 ) хі рі 16 0,1 4 0,2 1 0,3 4 0,2 16 0,1 36 0,1
і 1
1,6 0,8 0,3 0,8 1,6 3,6 8,7;
D ( X ) 8,7 (0,9) 2 8,7 0,81 7,89;
( X ) D X 7,89 2,8.
113
Далі виконуємо такі обчислення:
4
M ( X ) х і р і 1 0,9 2 0,09 3 0,009 4 0,001
і 1
0,9 0,18 0,027 0,004 1,111;
4
2
М ( Х 2 ) х і р і 1 0,9 4 0,09 9 0,009 16 0,001
і 1
0,9 0,36 0,081 0,016 1,357;
D ( X ) M ( X 2 ) M 2 ( X ) 1,357 (1,111) 2 1,357 1,234321 0,122679;
(X ) D ( X ) 0,122679 0,35.
0, x 6;
0,1, 6 x 4;
0,3, 4 x 1;
F ( x) 0,4, 1 x 3;
0,6, 3 x 5;
0,8, 5 x 8;
1, x 8.
Обчислити D (X); (X).
Розв’язання. За заданою функцією розподілу ймовірностей подамо
закон розподілу таблицею
хі –6 –4 1 3 5 8
рі 0,1 0,2 0,1 0,2 0,2 0,2
6
M ( X ) х і р і 6 0,1 4 0,2 1 0,1 3 0,2 5 0,2 8 0,2
і 1
0,6 0,8 0,1 0,6 1 1,6 1,9;
6
2
М ( Х 2 ) х і р і 36 0,1 16 0,2 1 0,1 9 0,2 25 0,2 64 0,2
і 1
3,6 3,2 0,1 1,8 5 12,8 26,25;
D ( X ) M ( X 2 ) M 2 ( X ) 26,5 (1,9) 2 26,5 3,61 22,89;
( X ) D ( X ) 22,89 4,78.
114
Приклад 11. Задано щільність імовірностей:
0, x 0;
1
f (x) sin x, 0 x ;
2
0, x .
115
f (x)
–
2
0 x
–
2
Рис. 54
1
f sin 0,5
Оскільки 2 2 2 є максимальним значенням, то
Mo .
2
х
x
1 1 1 cos x
sin dx cos x .
02 2 2
Знаходимо F(x) = 0
Отже,
0, x 0;
1 cos x
F ( x) , 0 x ;
2
1, x .
1 сos Mе 1
F ( Mе) соs Mе 0 Ме
2 2 2
Приклад 12. Задано щільність імовірностей (рис 55).
f (x)
1
B (0; – )
3
А (–2; 0) C
–2 0 2 4 x
Рис. 55
Обчислити D (X); (X); Mе. Знайти Мо.
Розв’язання. За умовою нормування знайти ординату точки В:
AB OB 67 1
1 1 y
2 2 3.
116
x2
f x
На проміжку [–2; 0] 6 .
( x 4) 4 x
f x
На [0; 4] 12 12 .
Отже, щільність імовірностей
0, x 2;
x2
, 2 x 0;
6
4 x
, 0, x 4.
f (x) 12
Знаходимо функцію розподілу ймовірностей:
x 2 ( x 2) 2
x
F ( x) .
На проміжку [–2; 0] 2 6 12
х
x
4 x 4 (4 x) 2
F ( x) F (0) dx
0 12 12 24
На [–2; 4] 0
4 ( x 4) 2 16 1 2 ( x 4) 2 ( x 4) 2
1 .
= 12 24 24 3 3 24 24
Отже, функцію розподілу ймовірностей можна подати у вигляді
0, x 2;
2
( x 2) , 2 x 0;
12
F (x) 2
1 ( x 4) , 0 x 4;
24
1 , x 4.
Графік F(x) зображено на рис. 56.
F (x )
1
1
3
–2 0 4 x
Рис. 56
117
Далі обчислюємо D (X):
0 4
M ( X ) xf ( x)dx xf ( x)dx
2 0
0
x2 4
4x 1 0 1 4
x dx x dx ( x 2 2 x)dx (4 x x 2 )dx
2 6 0 12 6 2 12 0
10 2 0
1 4 4
x dx 2 xdx 4 хdx x 2 dx
6 2 2 12 0 0
1 x3 0
1 2 4 x3 4
0
x2 2x
6 3 2 2 12 0 3 0
1 8 1 64 1 8 12 1 96 64
4 32
63 12 3 6 3 12 3
4 32 8 32 24 2
.
18 36 36 36 3
0 4 1 0 1 4 2
M ( X 2 ) x 2 f ( x)dx x 2 f ( x )dx x 2 ( x 2)dx x (4 x)dx
2 0 6 2 12 0
10 0
1 4 4
x 3 dx 2 x 2 dx 4 x 2 dx x 3 dx
6 2 2 12 0 0
1 16 1 256 1 12 16 1 256 192
4 64
6 3 12 3 6 3 12 3
4 64 8 64 72
2;
18 36 36 36
2
2 4 18 4 14
D ( X ) M ( X 2 ) M 2 ( x) 2 2 ;
3 9 9 9
14 14 14
(X ) D (X ) .
9 9 3
Для визначення Ме необхідно знайти проміжок, в якому вона міс-
1
F ( 0) 0,5,
титься. Оскільки 3 то медіана належить проміжку [0; 4].
Далі маємо:
Me 42 1 Me 4 1 2
Me 4 12
2
1
24 2 24 2
Me 4 2 3 Me 4 2 3 Me 4 2 3 2; 4;
Me 4 2 3 2; 4 .
118
Отже, Ме = 4 2 3 ; Мо = 0.
119
Якщо Х [а; b], то
b
k ( x M ( X )) k f ( x)dx
a . (105)
7. Асиметрія і ексцес
Рис. 57 Рис. 58
120
Приклад 13. Задано щільність імовірностей:
0, x 0;
3
f (x) x(2 x), 0 x 2;
4
0, x 2.
Обчислити Аs, Еs.
Розв’язання.
2 2 3
M ( X ) x f ( x ) dx x x (2 x) dx
0 0 4
2 3 2 2
3
(2 x 2 x 3 ) dx (2 x 2 dx x 3 dx)
4 0 4 0 0
32 3 2 3 16
x4 2
3 16 12
x 4 1.
4 3 0 0
4 3
4 4 3
2 2 3
3 ( x M ( X )) 3 f ( x ) dx ( x 1) 3 ( 2 x x 2 ) dx
0 0 4
3 2
( x 1) 3 (2 x x 2 ) dx
4 0
3 2 3 32
( x 3 x 2 3 x 1 2 x x 2 dx 5 x 4 9 x 3 7 x 2 2 x x 5 dx
4 0 40
3 2 4 2 2 2 2
5 x dx 9 x 3 dx 7 x 2 dx 2 xdx x 5 dx
4 0 0 0 0 0
3 x 5 2
9 4 2
7 3 2
x2 2
x6 2
5 x x 2
4 5 0 4 0 3 0 2 0 6
0
3 5 2
9 4 2
7 3 2 2
x6 2
x x x x2
4 0 4 0 3 0 0 6
0
3 56 32 3
32 36 4 (8 8) 0.
4 3 3 4
Оскільки 3 = 0, то і Аs = 0. Отже, можливі значення випадкової ве-
личини Х симетрично розподілені відносно М (Х) = 1. Для обчислення
Еs необхідно знайти 4 і .
121
2 2 3
4 ( x M ( X )) 4 f ( x)dx ( x 1) 4 (2 x x 2 )dx
0 0 4
32
( x 4 4 x 3 6 x 2 4 x 1) (2 x x 2 )dx
40
32
(6 x 5 14 x 4 16 x 3 9 x 2 2 x x 6 )dx
40
3 2 5 2 2 2 2 2 2
6 х dx 14 х 4 dx 16 x 3dx 16 x 3dx 9 x 2 dx 2 xdx x 6 dx
4 0 0 0 0 0 0 0
3 6 2
14 5 2 2 2 2
x7 2
x x 4x4 3x3 x 2
4 0 5 0 0 0 0 7
0
3 448 128
64 64 24 4
4 5 7
3 448 128 3 3780 3776 3
108 ;
4 5 7 4 35 35
2 2 3 3 2
M ( X 2 ) x 2 f ( x) dx x 2 (2 x x 2 ) dx 2 x 3 x 4 dx
0 0 4 4 0
3 2 3 2
3 1 2 x5 2 3 32
2 x dx x 4 dx x 4 8
4 0 0 42 0 5 0 4 5
3 40 32 6
;
4 5 5
6 1
D (X ) M (X 2 ) M 2 (X ) 1 ;
5 5
1
(X ) D (X ) ;
5
6
4
Es 4 3 5 3 30 3 27.
1
25
Приклад 14. За заданим законом розподілу ймовірностей
хі –8 –4 –1 1 4 8
pі 0,1 0,2 0,2 0,2 0,2 0,1
oбчислити Аs, Еs.
122
Розв’язання. Скориставшись (103), (106) і (107), дістанемо:
6
M ( X ) х і р і 8 0,1 4 0,2 1 0,2 1 0,2 4 0,2 8 0,1
і 1
0,8 0,8 0,2 0,2 0,8 0,8 0;
6
М ( Х ) х і2 р і 64 0,1 16 0,2 1 0,2 1 0,1 16 0,2 64 0,1
і 1
6,4 3,2 0,2 0,2 3,2 6,4 19,6;
6 6
3 ( х і М ( Х )) 3 х і3 р і 512 0,1 64 0,2 1 0,2
і 1 і 1
1,0 2 64 0,2 512 0,1 512 12,8 0,2 0,2 12,8 51,2 0.
Оскільки 3 = 0, то й Аs = 0;
6 6
4 ( x і М ( Х )) 4 р і х i4 р і
і 1 і 1
4096 0,1 256 0,2 1 0,2 256 0,2 4096 0,1
409,6 51,2 0,2 0,2 51,2 409,6 922;
922
Es 44 3 3 2,397 3 0,603.
384,6
123
9. Чому дорівнює D (С), де С — стала величина?
10. Чому дорівнює D (СХ), де С — стала величина?
11. Якщо А і В — сталі, то чому дорівнює D (АХ + В)?
12. Що називають середнім квадратичним відхиленям випа-
дкової величини?
13. При яких значенях сталої С виконуються співвідношен-
ня: D (СХ) = D (Х); D (СХ) > D (Х), D (СХ) < D (Х)?
14. Що називають модою (Мo) випадкової величини Х, як-
що вона є дискретною?
15. Що називається модою (Мo) неперервної випадкової ве-
личини Х?
16. Який розподіл імовірностей називають антимодаль-
ним?
17. Який розподіл імовірностей називають одномодальним,
двомодальним?
18. Що називають медіаною (Ме) випадкової величини?
19. Чому дорівнює F (Me)?
20. При якому значенні х виконується рівність
x
f ( x)dx f ( x)dx ?
x
124
27. Що характеризує асиметрія?
Приклади до теми
125
Відповідь. М (Х) = – 2,2; (X) 2,27; Мо = – 2; 0.
5. П’ять приладів перевіряють на надійність. Кожний наступний
прилад підлягає перевірці лише в тому разі, якщо перед цим переві-
рений прилад виявиться надійним. Імовірність того, що прилад ви-
тримає перевірку на надійність, дорівнює 0,8 для кожного із них.
Обчислити М (Х), (X) дискретної випадкової величини Х — числа
приладів, що пройшли перевірку. Знайти Мо.
Відповідь. М (Х) = 3,27968; (X) 1,67; Мо = 5.
6. У лотереї розігрується один мотоцикл вартістю 500 грн. і го-
динник вартістю 40 грн.
Знайти математичне сподівання та середнє квадратичне відхи-
лення виграшу.
Відповідь. М (Х) = 30,4 грн.; (X) 290 грн.
7. При підкиданні трьох гральних кубиків гравець може виграти
18 грн., якщо на трьох кубиках випаде цифра 6; 1 грн. 40 коп., якщо
на двох гральних кубиках випаде цифра 6, і 20 коп., якщо лише на
одному кубику з трьох випаде цифра 6. Який у середньому буде ви-
граш гравця? Яка має бути ставка за участь у грі, щоб вона була
принаймні безкоштовною?
Відповідь. М(Y) = 25 коп.
yi, коп. x 20 – x 140 – x 1800 – x
125 75 15 1
pі
216 216 216 216
1 15 75 125
1800 x (140 x) ( 20 x) x 0
М (Y – Х) = 216 216 216 126 ,
де х — початкова ставка, х = 25 коп.
8. Знайти математичне сподівання і дисперсію кількoстi очків,
що з’являться в результаті одного підкидання грального кубика.
35
y
Відповідь. М (Х) = 3,5; 2 3.
9. Відомі значення:
M ( X ) 2; D ( X ) 4.
Знайти М (– 4Х + 5), D (– 4Х + 5).
Відповідь. 13; 64.
10. Монета підкидається до першої появи герба. Знайти середню
кількість підкидань.
Відповідь. 2.
126
11. Знайти М (Х 2 ), якщо D (X) = 4, M (X) = 1.
Відповідь. 5.
12. Садівник восени посадив три саджанці: одну яблуню, одну
грушу й одну вишню. Імовірність того, що саджанець яблуні весною
прийметься, дорівнює 0,7. Для саджанців груші та вишні ця ймовір-
ність становить відповідно 0,9 і 0,8. Обчислити математичне споді-
вання та дисперсію числа саджанців, які приймуться весною. Чому
дорівнює Мо?
Відповідь. М (Х) = 2,388; D (X) 0,493; Мо = 3.
13. Статистична обробка інформації службою автодорожніх при-
год дала такі наслідки: в інтервалі часу від 16 год 30 хв до 18 год 30 хв
у робочі дні може відбутися 0, одна, дві або 3 автомобільні катаст-
рофи з імовірністю відповідно 0,92; 0,04; 0,03; 0,01.
Обчислити математичне сподівання числа катастроф у зазначе-
ний проміжок часу.
Відповідь. М (Х) = 0,13.
14. Фермер очікує, що в наступному році кури на його фермі на-
несуть 10000 яєць. Беручи до уваги різні витрати й коливання цін,
фермер розраховує виручити не більш як 160 коп. за десяток яєць і
витратити на них не більш як 80 коп. Імовірність можливих вигра-
шів і витрати такі:
Ціна за 10 яєць, коп. 160 140 120 0 – 80
рі 0,2 0,5 0,2 0,04 0,06
127
тематичне сподівання дискретної випадкової величини Х — числа
лампочок, які вкручені в ті патрони, з яких вони були викручені.
Відповідь.
Х= k 0 1 2 3 4
C4k Ck 1 4 6 4 1
Pk 4
4
2 16 16 16 16 16 16
М (Х) = 2.
17. Серед п’яти однотипних телевізорів є лише один справний.
Щоб на нього натрапити, навмання беруть один із них і після відпо-
відної перевірки відставляють його окремо від решти. Перевірка
триває до появи справного телевізора. Визначити математичне спо-
дівання і дисперсію випадкової величини Х — кількості перевірених
телевізорів. Знайти Мо.
Відповідь. М (Х) = 3; D (Х) = 2; Мо = 1; 2; 3; 4; 5.
18. Задано закон розподілу ймовірностей:
хі –5 –2 1 2 5
рі 0,1 0,3 0,2 0,3 0,1
0,2
0,1
–5 –2 0 1 2 4 5 х
Рис. 59
Відповідь. 1,8; 165,76.
20. За заданою щільністю ймовірностей
0, x 1;
3
f ( x) ( x 1) 2 , 1 x 3;
64
0, x 3.
Знайти М (Х), (X); Me.
128
3
Відповідь. 2; 2,59; Ме = 2 4 1
21. Задано
0, x 0;
1
F ( x) (1 cos x), 0 x ;
2
1, x .
Знайти М (Х); D (Х); Ме; Мо.
2 4
M (X ) ; D(X ) , Mo Me
Відповідь. 2 4 2.
22. Знаючи
0, x 2;
1
f ( x) x 2 , 2 x 7;
18
0, x 7,
знайти (X); Me.
Відповідь. (X) 2,36; Me 182,25 2 .
3
f ( x)
–2 0 4 6 x
Рис. 60
Знайти М (Х); (X); Mo; Me.
8 26
M (X ) ; (X ) , Mo 4, Me 24 2.
Відповідь. 3 3
24. Задано закон розподілу ймовірностей
0, x 3;
1
f (x) , 3 x 1;
4 x 3
0, x 1.
129
Знайти D (Х); (X); Me.
64 8
D (X ) , (X ) , Me 2.
Відповідь. 45 3 5
25. Задано
0, x 1;
F ( x) 1 x (ln x 1), 1 x e;
1, x e.
Знайти М (Х); (X).
e2 1 1
M (X ) ; ( X ) 32e3 9e 4 18e 2 7 .
Відповідь. 4 12
26. Задано
0, x 0;
2 2 7
f ( x) cos x, 0 x ;
7 7 4
7
0, x .
4
Знайти М (Х); D (Х).
7 98 224
M (X ) 1, D( X ) .
Відповідь. 22 16
27. Задано
0, x 0;
f ( x) x 2
ae , x 0.
Знайти а і F(x). Обчислити М (Х) і (X).
2 0, x 0;
a , F ( x)
Відповідь. 2Ф ( х 2), x 0;
1 2
M (X ) , ( X )
2 .
28. Задано
0, x 0;
F ( x)
1 e , x 0.
x
130
( x 4) 2
1
f ( x) e 8 , x .
2 2
Знайти Мо; Ме; As; Es.
Відповідь. Мо = Ме = – 4; As = 0, Es = 0.
30. Випадкова величина Х має щільність
0, x 1;
f (x) a (1 x 2 ) a , 1 x 1;
0, x 1.
Знайти а; М (Х); D (Х).
Відповідь.
3
Г а
2 1
a ; М Х 0; D X .
1 2a 3
Г а 1 Г
2
Г а х а 1е х dx.
Тут 0
131
Знайти М (Х); D (Х); 3 .
34. Випадкова величина Х має закон розподілу щільності ймовір-
ностей рівнобедреного трикутника (рис. 61).
f (x)
–3 0 3 x
Рис. 61
132
1 x
2 e , x 0;
a , F ( x)
2 1 1 e x , x 0.
2
2
M ( X ) 0; D ( X ) 2 .
37. Задано
a
f (x) , x .
1 x2
Знайти a; F(x); M (X); D (X).
1 1 1
a ; F ( x ) arctg x .
Відповідь. 2
38. За заданою функцією розподілу
0, x 1;
F ( x) a b arcsin x, 1 x 1;
1, x 1
визначити а; b; М (Х); D (Х).
1 1 1
a ; b ; М ( Х ) 0; D ( X ) .
Відповідь. 2 2
39. За заданою щільністю ймовірностей
0, x 0;
f ( x) 1 m x
m! x e , x 0
знайти М (Х), D (X).
Відповідь. М (Х) = D (X) = m + 1.
40. Задано щільність імовірностей
0, x 0;
f (x) 1 1 x 2
xe 8 , x 0.
4
Знайти М (Х); D (X); (X).
2 ; D ( X ) 4 (2 ).
Відповідь. М (Х) = 2 2
41. Випадкова величина Х має щільність імовірностей
n 1
f ( x) a (1 x 2 ) 2 , x .
133
Знайти а; М (Х).
n
2Г
1 2
a ; M (X ) .
n 3
n 1 2
n
2 2 Г Г
Відповідь. 2 2
134
ТЕМА 7. БАГАТОВИМІРНІ ВИПАДКОВІ ВЕЛИЧИНИ.
СИСТЕМА ДВОХ ВИПАДКОВИХ ВЕЛИЧИН
133
Тісноту кореляційного зв’язку характеризує коефіцієнт кореляції:
K xy
rxy ,
x y (116)
rxy 1
, або 1 rxy 1 .
Отже, якщо випадкові величини Х та Y є незалежними, то Κху = 0
і rху = 0. Рівність нулеві rху є необхідною, але не достатньою умовою
незалежності випадкових величин.
Справді, може існувати система залежних випадкових величин, в
якої коефіцієнт кореляції дорівнює нулю. Прикладом такої системи
є система двох випадкових величин (X, Y), яка рівномірно розподі-
лена всередині кола радіусом R із центром у початку координат. Дві
випадкові величини Х і Y називають некорельованими, якщо rху = 0, і
корельованими, якщо rху 0.
Отже, якщо Х і Y незалежні, то вони будуть і некорельованими.
Але з некорельованості випадкових величин у загальному випадку
не випливає їх незалежність.
Приклад 1. Задано закон розподілу системи двох дискрет-
них випадкових величин (X, Y):
Х = хj 5,2 10,2 15,2 Pyi
Y = yi
2,4 0,1a 2a 0,9a
4,4 2a 0,2a 1,8a
6,4 1,9a 0,8a 0,3a
Pxj
134
6,4 0,19 0,08 0,03 0,3
Pxj 0,4 0,3 0,3
4,4 5,2 0,2 4,4 10,2 0,02 4,4 15,2 0,18 6,4 5,2 0,19
6,4 10,2 0,08 6,4 15,2 0,03 0,1248 4,896 3,2832 4,576
0,8976 12,0384 6,3232 5,2224 2,9184 40,28;
Kху = М (XY) — М (X) М (Y) = 40,28 – 9,7 4,4 = 40,28 – 42,68 = 1,4.
Оскільки Κху > 0, то між відповідними величинами існує кореляцій-
ний зв’язок. Для вимірювання тісноти кореляційного зв’язку обчислимо
коефіцієнт кореляції
K xy 2,4
rxy 0,37.
x y 4,15 1,55
Остаточно маємо:
p(2,4 Y < 6,4; 5,2 < X 15,2) = 0,2 + 0,02 + 0,09 + 0,18 = 0,31.
135
4. Умовні закони розподілу системи двох дискре-
тних випадкових величин та їх числові характе-
ристики
136
При цьому має виконуватись умова нормування:
k m Pij 1 m Px m
P (Y y i / X x j ) Pij i 1. ( Pij Px i )
i 1 j 1 Px Px i j 1 Px i j 1
i .
Умовне математичне сподівання
m k Pij 1 k
M (Y / X x i ) y j P (Y y j / X x i ) y j y j Pij .
i 1 i 1 Px i Px i i 1
(120)
Умовна дисперсія
1 k 2 2
D (Y / X xi ) y j Pij M (Y / X xi ).
Pxi i 1
(121)
Умовне середнє квадратичне відхилення
(Y / X xi ) D (Y / X xi . (122)
Приклад 2. Задано двовимірний закон розподілу:
Х = хj 10 20 30 Pyi
Y = yi
–6 0,02 0,05 0,03 0,1
–4 0,08 0,15 0,07 0,3
–2 0,2 0,3 0,1 0,6
Pxj 0,3 0,5 0,2
Обчислити М (Х / Y = – 4); М (Х / Y = 30); (Y / X= –4 ); (Y / X = 30).
Розв’язання. Для обчислення М (Х / Y = – 4), М (Х / Y = 30) необхід-
но побудувати відповідні умовні закони розподілу.
Умовний закон розподілу Х / Y = – 4:
X = xj 10 20 30
P (( X x j ) (Y y i )) Pij
P ( X x j /Y 4) 0,08/0,3 0,15/0,3 0,07/0,3
P (Y 4) 0,3
137
Y = уj –6 –4 –2
P((Y y j ) ( Х x i )) Pij 0,03 / 0,07 /
P(Y y j / Х 30) 0,1 / 0,2
P( Х 30) 0,2 0,2 0,2
P (Y / Х = 30) = 0,03 / 0,2 + 0,07 / 0,2 + 0,1 / 0,2 = 1;
1
M (Y / X = 30) = ,2 1 / 0,2 (– 6 0,03 – 4 0,07 – 2 0,1) = 1 / 0,2 (– 0,18 –
0
0,28 – 0,2) = – 0,66 / 0,2= – 3,3;
1
M (Y 2 / X = 30) = 0,2 (36 0,03 + 16 0,07 + 4 0,1) 1 / 0,2 (1,08 + 1,12 +
0,4) = 2,6 / 0,2 = 13;
D (Y / X = 30) = 13 – (–3,3)2 = 13 – 10,89 = 2,11;
(X / Y = – 4) = (2,11)0,5 = 1,45.
Приклад 3. Ймовірність того, що при перевірці деталь ви-
явиться стандартною, дорівнює 0,8. Перевірці підлягають 3
деталі. Побудувати закон системи двох дискретних випад-
кових величин Х — появи числа бракованих деталей і Y —
появи числа стандартних деталей. Обчислити rxy.
Розв’язання. Запишемо закон у табличній формі:
Х
0 1 2 3 Pyi
Y
0 0 0 0 C30 р0 q 3
1 0 0 C 31 р1 q 2 0
2 0 C 32 р 2 q 1 0 0
3 C 33 р 3 q 0 0 0 0
Pxj
Обчисливши ймовірності, дістанемо:
Х 0 1 2 3 Pyi
Y
0 0 0 0 0,008 0,008
1 0 0 0,096 0 0,096
2 0 0,384 0 0 0,384
3 0,512 0 0 0 0,512
Pxj 0,512 0,384 0,096 0,008
138
М (Y) = yipyi = 0 0,008 + 1 0,096 + 2 0,384 + 3 0,512 = 0,096 +
+ 0,768 + 0,536 = 2,4;
M (Y 2) = yi2pyi = 0 0,008 + 1 0,096 + 4 0,384 + 9 0,512 = 0,096 +
+ 1,536 + 4,608 = 6,24;
D (Y) = M(Y 2) – M 2(Y) = 6,24 – (2,4)2 = 6,24 – 5,76 = 0,48;
y = (0,48)0,5;
M (XY) = yixjpij = 2 0,384 + 2 0,096 = 0,96;
Kxy = M (XY) – M (X) M (Y) = 0,96 – 2,40,6 = 0,96 – 1,44 = – 0,48;
rxy= Kxy / x y = – 0,48 / 0,48 = – 1.
Рис. 62
Властивості F(x, y)
1. 0 F(x, y) 1, оскільки 0 P((X < x) (y < y)) 1.
2. Якщо один із аргументів F(x, y) прямує до + , то функція
розподілу системи прямує до функції розподілу одного аргументу,
що не прямує до + , а саме:
lim F ( x , y ) F ( x , ) F ( x );
y (124)
lim F ( x , y ) F ( , y ) F ( y ).
x (125)
lim F ( x, y ) F (, ) P( x , y ) 1
y ,
3. x . (126)
139
lim F ( x , y ) lim F ( x , y ) lim F ( x , y ) 0.
x x y
4. y (127)
5. F(x, y) є неспадною функцією аргументів х і у.
Доведення.
F(x2, y) F(x1, y), x2 > x1.
Нехай А = (Х < x2, Y < y), B = (X < x1, Y < y), C = (x1 < X < x2, Y < y)
(рис. 63 а).
y
(x , y) (x , y)
1 2
Х < x, Y < y
0 x x x
1 2
Рис. 63 a
Оскільки В С , то А = В С (А = В + C).
Тоді Р(А) = Р(В С) = Р(В) + Р(С).
Узявши до уваги, що
P ( A ) P ( X x 2 ,Y y ) F ( x 2 , y );
P ( B ) P ( X x 1 ,Y y ) F ( x 1 , y );
P (C ) P ( x 1 X x 2 ,Y y ),
дістанемо:
F ( x 2 , y ) F ( x 1 , y ) P ( x 1 X x 2 ,Y y1 )
F ( x 2 , y ) F ( x 1 , y ) P ( x 1 X x 2 ,Y y ) 0
F ( x 2 , y ) F ( x 1 , y ) 0 F ( x 2 , y ) F ( x 1 , y ).
Аналогічно доведемо, що
F(x, y2) F(x, y1), y2 > y1.
Позначимо тепер А = (Х < x, Y < y2), B = (X < x, Y < y1), C = (Х < x,
у1 < У < у2) (рис 63 б).
y
y (x, y )
2
2
y (x, y )
1
1
0 x x
Рис. 63 б
140
Оскільки В С = , то А = В С Р(А) = Р(В С) = Р(В) + Р(С).
P ( X x , Y y 2 ) P ( X x, Y y1 ) P ( X x , y1 Y y 2 )
F ( x , y 2 ) F ( x, y1 ) P ( X x, y1 Y y 2 )
F ( x , y 2 ) F ( x, y1 ) P ( X x , y1 Y y 2 ) 0
F ( x, y 2 ) F ( x, y1 ) 0 F ( x, y 2 ) F ( x, y1 ).
Скориставшись властивістю (5), можна обчислити ймовірності
Р(а < Х < b, Y < y) = F(b, y) – F(a, y);
P(X < x, c < Y < d) = F(x, d) – F(x, c). (128)
6.Імовірність влучення точки (Х, Y) в довільний прямокутник (a <
X< b, c < Y < d) обчислюємо так:
P(a < x < b, c < y < d) = F(b, d) + F(a, c) – F(a, d) – F(b, c). (129)
Доведення.
Розглянемо такі випадкові події:
A = (X < b, Y < d); B = (X < a, Y < c); C = (a < X < b, Y < c); D = (X <
a, c < Y < d); E = (a < X < b, c < Y < d) (рис. 64).
y
d (a, d) (b, d)
c (a, c) ( b, c)
0 a b x
Рис. 64
Оскільки випадкові події B, C, D, E несумісні, маємо:
A = B C D E.
P(A) = P(B C D E) = P(B) + P(C) + P(D) + P(E).
P(x < b, y < d) = P(x < a, y < c) + P(a < x < b, y < c) +
+ P(х < a, c < у < d) + P(a < x < b, c < y < d).
Згідно із (128) дістанемо:
F(b, d) = F(a, c) + F(b, c) – F(a, c) + F(a, d) – F(a, c) +
+ P(a < X < b, c < Y < d);
P(a < X < b, c < Y < d) = F(b, d) + F(a, c) – F(a, d) – F(b, c), що й
треба було довести
Приклад 4. Закон розподілу системи двох неперервних випад-
кових величин (Х, Y) задано функцією розподілу ймовірностей
1, x 0, y 0;
F ( x, y )
1 e
2 x
e 3 y
e 2 x 3 y
, x 0, y 0.
141
Обчислити P(0 < x < 4,0 < y < 2).
Розв’язання. Відповідну графічну схему зображено на рис. 65.
у
(0; 2) (4; 2)
(0; 0) 1 (4; 0) x
Рис. 65
у
(х, у) (х + х, у)
0 х х + х х
Рис. 66
142
P( x X x x, y Y y y )
lim
xy
x 0 , y 0
( F ( x x, y y ) F ( x, y y )) ( F ( x x, y ) F ( x, y ))
lim
xy
1 F ( x x, y y ) F ( x, y y )
lim ( lim
y 0 y x 0 x
F ( x x , y ) F ( x , y )
lim )
x 0 x
F ( x, y y ) Fx ( x, y ) 2 F ( x, y )
lim x Fxy ( x, y ) f ( x, y ).
y 0 y x y
Отже,
2F (x , y )
f (x , y ) .
xy (130)
Функція f (x, y) може існувати лише за умови, що F (x, y) є непе-
рервною за аргументами х і у та двічі диференційовною.
Функції f (x, y) у тривимірному просторі відповідає певна повер-
хня — так звана поверхня розподілу ймовірностей системи двох не-
перервних випадкових величин (Х, Y).
Тоді f (x, y) dxdy — імовірність розміщення системи двох випад-
кових величин у прямокутнику зі сторонами dx, dy.
Властивості f (x, y)
143
Імовірність розміщення системи змінних (х, у) у прямокутній об-
ласті D = (a < x < b, c < y < d)
bd
P(a x b, c y d ) f ( x, y )dx dy.
ac (134)
4.Функція розподілу ймовірностей системи двох змінних визна-
чається з рівняння
x y
F ( x, y ) f ( x, y )dx dy.
(135)
xy
F ( x, y ) f ( x, y )dx dy.
5.Якщо a x b, c y d , то ac (136)
Приклад 5. Задано
f (x, y) = a, якщо (x, y) , a = const;
f (x, y) = 0, якщо (x, y) ,
де = (–2 x 4, –3 y 5).
Знайти a і F(x, y). Обчислити P(–1 < x < 2, –2 < y < 3).
Розв’язання. Множина зображена на рис. 67.
y
5
–2 – 1 0 2 4 х
–2
–3
Рис. 67
Для визначення а застосовуємо умову нормування (131):
4 5 1 1
f ( x, y )dx dy 1 a dx dy 1 a 4 5
2 3 48
dx dy
2 3 ,
144
4 5 4 5
4 5
dx dy dx dy ( x 2 ) ( y 3 ) 6 8 48
де 2 3 2 3 .
Отже, маємо
f (x, y) = 1/48, якщо (x, y) ,
f (x, y) = 0, якщо (x, y) .
Згідно зі (136) при –2 < x < 4, –3 < y < 5 дістанемо:
x y x y 1 1 x y 1 x y
F ( x, y ) f ( x, y )dx dy dx dy dx dy ( x 2 ) ( y 3 )
2 3 2 3 48 48 2 3 48
( x 2)( y 3)
.
48
Якщо –2 < x < 4, y > 5, то
( x 2)(5 3) x 2
F (x, 5) .
48 6
Якщо x > 4, – 3 < y < 5, то
(4 2)( y 3) y 3
F (x, 5) .
48 8
Звідси
0, x 2, y 3;
x2
, 2 x 4, y 5;
6
( x 2)( y 3)
F ( x, y ) , 2 x 4, 3 y 5;
48
y 3
, x 4, 3 y 5;
8
1, x 4, y 5.
2 3 1 2 3
P(1 x 2, 2 y 3) f ( x, y )dx dy dx dy
1 2 1 2 48
1 2 3 1 2 3 1 15 5
dx dy ( x 1 )( y 2 ) 35 .
48 1 2 48 48 48 16
M ( X ) xf ( x, y )dx dy;
(137)
145
D ( X ) M ( X 2 ) M 2 ( X ) x 2 f ( x, y )dx dy M 2 ( X );
(138)
M (Y ) yf ( x, y ) dx dy;
(139)
D(Y ) M (Y 2 ) M 2 (Y ) y 2 f ( x, y )dx dy M 2 (Y );
(140)
x D (X ) , y D (Y ) ; (141)
K xy M ( XY ) M ( X ) M (Y ) xy f ( x, y )dx dy M ( X ) M (Y );
(142)
K xy
rxy , rxy 1;
x y
146
ad
D(Y ) y 2 f ( x, y )dx dy M 2 (Y );
bc (151)
ad
K xy xy f ( x, y )dx dy M ( X ) M (Y ).
bc (152)
P ( y Y y y / x X x x )
lim
x 0 y
y 0
P ( y Y y y, x X x x)x
lim
x 0 y x P ( x X x x )
y 0
147
Тут застосовується формула умовної ймовірності
P ( y Y y y, x X x x)
P ( y Y y y / x X x x)
P( x X x x)
P ( y Y y y, x X x x)
x y
lim
x 0 P( x X x x)
y 0
x
F ( y y, x x) F ( x, y ) F ( x x) F ( x, y y )
x y
lim
x 0 F ( x x ) F ( x )
y 0
x
F ( y y, x x) F ( x, y ) F ( x x) F ( x, y y )
lim
x 0 x y
y 0
F ( x x ) F ( x )
lim
x 0 x
використовуючи доведення (130) , (69) для f ( x,y) i f ( x) , маємо
f ( x, y )
f ( x, y )dy
. (156)
Аналогічно доводимо співвідношення
f ( x, y ) f ( x, y )
f ( x / y)
.
f ( y)
f ( x, y )dx
(157)
Із (156), (157) дістаємо
f (x, y) = f (x) f (y / x) = f (y) f (x / y). (158)
Для умовних законів розподілу неперервних випадкових величин
умова нормування має такий вигляд:
f ( x / y )dx 1, f ( y / x )dy 1.
(159)
Якщо випадкові величини Х та Y є незалежними, то
f (x / y) = f (x), f (y / x) = f (y). (160)
У цьому разі (158) набирає вигляду
f (x, y) = f (x) f (y). (161)
148
Для незалежних випадкових величин Х та Y виконується рівність
F(x, y) = F(x) F(y). (162)
Числові характеристики для умовних законів розподілу ймовір-
ностей:
M ( X / y ) xf ( x / y )dx ;
(163)
M (Y / x) yf ( y / x)dy;
(164)
D( X / y ) x 2 f ( x / y )dx M 2 ( X / y );
(165)
D(Y / x) y 2 f ( y / x)dy M 2 (Y / x).
(166)
9. Стохaстична залежність
149
тик: M (X / y), M (Y / x), D (X / y), D (Y / x), тобто умовних математи-
чних сподівань та умовних дисперсій (рис. А—F).
y y
M (Y / x3)
y2
M (Y / x2)
M (Y / x1) y1
0 x1 x2 x3 x 0 M (X / y1) M (X / y2) x
Рис. А. Стохастична і кореляційна зале- Рис. B. Стохастична і кореляційна зале-
жність між Y та Х, М (Y / х) = (х) жність між Х та Y, М (X / у) = (у)
y y
у2
M (Y / x) = М (у)
у1
0 x1 x2 x 0 M (Х / у ) = М (х ) x
Рис. С. Стохастична залежність між Y та Рис. D. Стохастична залежність між Х і
Х, D (Y / х) = (х); кореляційний Y, D (X / у) = (у); кореляційний зв’язок
зв’язок відсутній відсутній
f (y / x) = f (x)
y y f (X / y) = f (x)
у2
у1
0 x1 x2 x 0 x
Рис. Е. Незалежні випадкові Рис. F. Незалежні випадкові величини
величини
150
Отже, рис. А, В ілюструють те, що кореляційною залежністю між
випадковими величинами Y і Х є функціональна залежність умовних
математичних сподівань М (X / у), М (Y / х) від аргументів у та х:
М (X / у) = (у). (167)
М (Y / х) = (х). (168)
Рівняння (167) та (168) називають рівняннями регресії. Якщо М
(Y / х) = М (y), М (X / у) = М (х), то кореляційна залежність відсутня,
але існує стохастична залежність (див. рис. С і D), оскільки зміню-
ються умовні дисперсії. Випадок, коли між Х і Y відсутня стохасти-
чна, а отже, і кореляційна залежність, ілюструють рис. Е і F.
Отже, якщо між випадковими величинами Y і Х існує кореля-
ційна залежність, то між ними обов’язково іcнує й стохастична
залежність. Але за наявності стохастичної залежності між випад-
ковими величинами Х і Y кореляційної залежності між ними може
й не бути.
Приклад 6.
Задано f (x, y) = 1/48, якщо (x, y) ; f (x, y) = 0, якщо (x, y)
.
Де 4 x 2, 3 y 5 .
Знайти Kху, rху.
Розв’язання. Застосовуючи (148) — (152), дістаємо:
2 5 2 5 1 1 2 5
M ( X ) xf ( x, y )dx dy x dx dy x dx dy
4 3 4 3 48 48 4 3
1 x2
2
y 5 1 (4 16) (5 3) 12 8 1;
48 2 3 96 96
4
2 5 2 5 1 1 2 5
M (Y ) yf ( x, y )dx dy y dy dx dx y dy
4 3 4 3 48 48 4 3
2 5
1 y2 1 6 16
x (2 4)(25 9) 1;
48 4 2 3 96 96
151
2 5 2 5 1 1 2 5
M ( XY ) xy f ( x, y )dx dy xy dx dy x dx y dy
4 3 4 3 48 48 4 3
1 x 2 2 5
2
1
y 3 (4 16)(25 9)
48 2 4 192
1 192
(12) 16 1;
192 192
Kxy = M (XY) – M (X) M (Y) = –1 – (–1)1 = –1+1 = 0.
Отже, Kxy = 0, що говорить нам про відсутність кореляційного
зв’язку між випадковими величинами Х та Y.
Оскільки Kxy = 0, то й rxy = 0.
При знайдених f (x), f (y) числові характеристики можна обчислити і
за такими формулами:
M ( X ) xf ( x )dx ;
(169)
D ( X ) M ( X 2 ) M 2 ( X ) x 2 f ( x )dx M 2 ( X );
(170)
M (Y ) yf ( y )dy ;
(171)
D (Y ) M (Y 2 ) M 2 (Y ) y 2 f ( y )dy M 2 (Y ).
(172)
Приклад 7. Задано
2
xy y 2
f (x , y ) a ex – х , – у .
Знайти а, М (х / у), М (у / х). Обчислити rxy.
Розв’язання. Згідно з умовою нормування (132) маємо:
152
y
3 y2 x
2
1
x 2 xy y 2
a
e dx dy e 4 e 2
dx dy
e
x 2 xy y 2
dx dy
y z
x 3 y2 z dz 1 4 y 2 2
2
3 z2
2 2 e dy e dz dy
e
4 e 2
dx
dz 2 2
2
2
2
3 2
y z
e 4 dy e 2 dz 2 є інтегралом Пуаcсона
2
2 3 y2 3 2
e 4 dy y t dy dt
2 2 3
2
t t2
2 2 2 2 2 2 2
e 2 dt e dt 2 .
2 3 2 3 3 3
3
a
Отже, 2 і при цьому
3 x 2 xy y 2
f ( x, y ) e
2 , – x , – y .
Скориставшись (154), знайдемо
2
3 x
3 x 2 xy y 2 3 4 x 2 y 2
f ( x ) f ( x, y ) dy e dy e e dy
2 2
x t
y 3 t2 3 t2
2 2 3 4 x 2 2 dt 3 1 4 x2 2
e e e e dt
dt 2 2 2 2
dy
2
3 3 2
3 1 4 x2 3 1 x
e 2 e 4 .
2 2 2 2
Отже,
3
3 1 x2
f ( x) e 4
2 2 , – х .
Далі, застосувавши (155), знайдемо:
153
2
3 y
3 x 2 xy y 2 3 4 y 2 x 2
f ( y ) f ( x, y )dx e dx e e dx
2 2
y t
x 3 t2 3 t2
2 2 3 4 y 2 2 dt 3 1 4 y2 2
e e e e dt
dt 2 2 2 2
dx
2
3 3 2
3 1 4 y2 3 1 y
e 2 e 4 .
2 2 2 2
Отже,
3 2
3 1 y
f ( y) e 4
2 2 , – у .
Знайдемо основні числові характеристики. Згідно з (137) — (142)
маємо:
3
3 1 x2
M ( X ) xf ( x)dx xe 4 dx 0
2 2 ,
оскільки підінтегральна функція є непарною, а межі інтегрування симе-
тричні відносно нуля.
3
3 1 x2
D( X ) M ( X 2 ) x 2 f ( x)dx 2
x e 4 dx
2 2
u x, du dx
3 3
3 1 x2 x2
2 x 2e 4 dx xe 4 dx dv
2 2 3
2 4 x2
v e
3
3
3
3 xt
3 1 2 4 x2 2 4 x2
2 xe e dx 2
2 2 3 30 2
0 dx dt
3
3
t
3 1 2 4 x2 2 2 2 3 1 2 2 2 2
2 xe e dt 2 .
2 2 3 3 30 2 2 3 3 2 3
0
2 2
D( X ) ( X ) x
Отже, 3 , звідки 3 .
154
3 2
3 1 y
M (Y ) yf ( y )dy ye 4 dy 0.
2 2
u y, du dy
3 2 3 2
3 1 y y
D(Y ) M (Y 2 ) y 2 f ( y ) dy y 2e 4 dy ye 4 dy dv
2 2
3
2 4 y2
v e
3
3
yt
1 2 4 y2
3 3
3 2 y2 2
2 ye e 4 dy
2 2 3 0
30
2
dy dt
3
1 2 4 y2 2 2
3 t2
3 2
2 ye e dt
2 2 3 0
3 30
3 1 2 2 2 2
2 .
2 2 3 3 2 3
2 2
D (Y ) . (Y ) y
Отже, 3 Тоді 3.
3 2 2
M ( XY ) xy f ( xy )dx dy xy e x xy y dx dy
2
y z
x
2 2
3 2
2
y
3 y x z y
ye 4 xe 2 dx dy x
2 2 2
dz
dx
2
3 4 y 2 z y z2
3 2
ye e dz dy
2 2 2
3 4 y 2 1 y z2
3 z2 2
ye dz e dz dy
2
ze 2
2 2
155
3 2 3 2
3 1 y 3 1 y
2 y 2 e 4 dy 2 2 y 2 e 4 dy
2 2 2 2 0
3 2
u y, du dy,
3 y
y e 2 4 dy
3 2
y 2 4 y2
3
2 0 ye 4 dy dv v e
3
3 2 4 y2 2 4 y2
3 3 3
3 2 4 y2
ye e dy e dy
2 3 0
30
2 3 0
3 2 3 2 2 2 1
y t dy dt .
2 3 2 3 3 2 3
156
1
1 (x y )2
f (x / y ) 2 e 2
2 , – х .
2
1
2 x y
M (X / y ) xf ( x / y)dx xe 2 dx
2
1 z z 1
x y x y 2
2 2 2 2 2 z 1 z dz
y e 2
dz 2 2 2 2
dx
2
2 1 1 z2 1 2
z2
1 1 1
ze dz y e dz y 2 y.
2
2
2 2 2 2 2 2
1
M (X / y ) y
Отже, 2 є лінійною функцією регресії відносно аргу-
менту у.
Аналогічно маємо:
2
1
2 y x
M (Y / x) yf ( y / x)dy ye 2 dy
2
1 t t 1
y x , y x 2
2 2 2 2 2 t 1 t dt
dt
x e 2
dy 2 2 2 2
2
2 1 1 2
t2 t2
1 1 1 1
te 2 dt x e dt x 2 x.
2 2 2 2
2 2 2
1
M (X / y ) y
Таким чином 2 також є лінійною функцією регресії
відносно аргументу х.
Приклад 8. Задано
f ( x, y ) a ( x y) , якщо ( x , y ) ;
f ( x , y ) 0 , якщо ( x, y ) , де 0 x 1, x y 1 .
Знайти а і rxy.
Розв’язання. Область зображено на рис. 68.
157
y
(1; 1)
1
0 1 x
Рис. 68
0x
1
1
0x
11
0
1
( x y ) dx dy ( x y )dy dx ( x y ) 2 x dx
2
11 11 2 11
( x 1) ( x x) dx ( x 2 x 1 4 x 2 )dx (2 x 3x 2 1)dx
2 2
20 20 20
1 1 1
0
1
0
1
2
1 1 1
2 x dx 3x 2 dx dx x 2 0 x 3 0 x 0 .
2 0
1
2
Отже, а = 2.
Тоді
f ( x , y ) 2( x y ) , якщо ( x , y ) ,
f ( x , y ) 0 , якщо ( x, y ) , де 0 x 1, x y 1.
Числові характеристики знаходимо за (137) — (142):
11
M ( X ) xf ( x, y )dx dy x 2( x y )dx dy
0x
0x
11
1
0 x
1
11
20
1
2 x( x y ) dx dy 2 x ( x y )dy dx 2 x ( x y ) 2 x dx
1 1 1 1 1
x( x 1) 2 4 x 2 dx (2 x 2 3 x3 x)dx 2 x 2dx 3 x3dx x dx
0 0 0 0 0
1 1 1
2 3 1 2 3 1 5
x3 x 4 x 2 .
3 0 4 0 2 0 3 4 2 12
5
M (X )
12 .
158
11
M ( X 2 ) x 2 f ( x, y )dx dy x 2 2( x y )dx dy
0x
2
1 1
11 1
2 x ( x y ) dy dx 2 x 2 ( x y ) 2 x dx x 2 ( x 1) 2 4 x 2 dx
1
0 x 20 0
1 1 1 1
(2 x 3 3x 4 x 2 )dx 2 x 3 dx 3x 4 dx x 2 dx
0 0 0 0
1 1 1
1 3 1 1 3 1 7
x4 x5 x3 .
3 0 5 0 3 0 2 5 3 30
7 25 1008 750 43
D (X ) M (X 2 ) M 2 (X )
30 144 4320 720 .
1 43
x D (X ) 0,244.
12 5
11
M (Y ) yf ( x, y )dy dx y 2( x y )dy dx
0x
1 xy 2 1 1
dx 2 x x 1 x dx
y3
1 1 1 3 3
2 ( xy y 2 )dy dx 2
0 0
0 2
0 2 3 2 3 3
x x
1 1 11 11 11
2 x dx x 3 dx dx x 3 dx
2
0 2 0 3 0 3 0
1 2 1 1 4 1 1 1 1 4 1 1 1 1 1
2 x x x x 2
4 8 3 12 4 8 3 12
0 0 0 0
2 9 3
(6 3 8 2) .
24 12 4
3
M (Y )
4.
159
11 1 1
M (Y 2 ) y 2 f ( x, y )dy dx y 2 2( x y )dy dx 2 ( ( xy 2 y 3 )dy ) dx
0x 0 x
1 1
1 1
2 ( xy 3 / 3 x y 4 / 4 x )dx 2 ( x / 3 x 4 / 3 1 / 4 x 4 / 3) dx
0 0
1 1 11 11 11
2 x dx x 4 dx dx x 4 dx
30 30 40 40
x2 1 1 5 1 1 1 1 5 1
2 x 0 x0 x
6 0 15 4 20 0
1 1 1 1 2 18 3
2 (10 4 15 3) .
6 15 4 20 60 30 5
2
3 3
2 3 9 48 45 3
2
D(Y ) M (Y ) M (Y ) .
5 4 5 16 16 16
3
y D (Y ) 0,433
16 .
11 1 1
M ( XY ) xy f ( x, y )dy dx 2 xy ( x y )dy dx 2 ( ( x 2 y xy 2 )dy )dx
0x 0 x
1 2 1
xy 3 1 1 x2 x4 x x4
2
x y
2 dx 2 dx
0
2 x
3 x 0 2 3
1 1 11 11 11 x3 1
x5
1
x2
1
x5
1
2 x 2 dx x 4 dx x dx x 4 dx 2
20 20 30 30 6 10 6 15
0
0 0 0
1 1 1 1 1
2 .
6 10 6 15 3
1 5 3 1 15 1
K xy M ( XY ) M ( X ) M (Y ) .
3 12 4 3 48 48
1
K xy 48 1 1
rxy 0,197.
x y 0,433 0,244 48 0,433 0,244 5,071
Отже,
Kху = 1,48; Rxy 0,197.
160
10. Система довільного числа випадкових вели-
чин
161
f ( x1 , x 2 , ..., x k ) ... f ( x1 , x 2 , ..., x n )dx k 1 dx k 2 ... dx n .
(176)
Наприклад,
f ( x1 ) ... f ( x1 , x 2 , ..., x n )dx 2 dx 3 ... dx n .
(177)
Умовна щільність підсистеми (х1, х2,…, хk) системи (х1, х2,…, хп) (k
< n) визначається за формулою
f ( x1 , x 2 ,..., x n )
f ( x1 , x 2 , ..., x k / x k 1 , x k 2 , ..., x n )
(178) f ( x k 1 , x k 2 ,..., x n ) .
Якщо випадкові величини системи (х1, х2 ,…, хп) є незалежними, то
f ( x1 , x 2 ,..., x n ) f ( x1 ) f ( x 2 ) ... f ( x n ). (179)
162
Елементи кореляційної матриці симетрично розміщені відносно
її головної діагоналі. Оскільки K ij K ji , K it i , заповнюють лише
2
Приклад 9.
Дано кореляційну матрицю системи (х1, х2, …, хп):
163
1 0,5 1 0,8
4 1 0,8
16 2
25
.
Побудувати нормовану кореляційну матрицю.
Розв’язання. Згідно зі (188) маємо:
K 0,5
r12 12 0,25;
12 1 2
K 1
r13 13 0,25;
13 1 4
K 0,8
r14 14 0,16;
1 4 1 5
K 1 1
r23 23 0,125;
23 24 8
K 24 0,8
r24 0,08;
2 4 2 5
K 2
r34 34 0,1
34 4 5 .
Нормована кореляційна матриця подається у вигляді
1 0,25 0,25 0,16
1 0,125 0,08
1 0,1
1 .
164
5. Чому дорівнює Kху?
6. Коефіцієнт кореляції та його властивості.
7. Якщо Kху = 0, то чому дорівнює rху?
8. Що називається умовним законом розподілу Y / х?
9. Умови нормування для системи двох дискретних випад-
кових величин.
10. Що називається умовним законом розподілу X / у?
11. Чому дорівнюють М (X / у), М (Y / х)?
12. Означення функції розподілу системи двох випадкових
величин.
13. Довести, що F(x2, y) F(x1, y).
14. Довести, що F(x, y2) F(x, y1).
15. Як обчислити P(a < X <b, c < Y < d)?
lim F ( x , y )
16. Чому дорівнює x ?
lim F ( x , y )
17. Чому дорівнює y ?
lim F ( x , y )
x
18. Чому дорівнює y ?
lim F ( x , y )
lim F ( x , y ) lim F ( x , y ) x
19. Чому дорівнює x , y , y ?
20. Означення щільності ймовірностей системи двох непе-
рервних випадкових величин.
f ( x, y )dx dy ...
21. Довести, що .
x y
f ( x, y )dx dy ...
22. Довести, що .
165
bd
f ( x, y )dx dy ...
23. Чому дорівнює ac , якщо
(a x b, c y d ) ?
f ( x, y )dx dy ...
24. Чому дорівнює D , якщо
D a x b, c y d ?
xf ( x, y )dx dy
25. Чому дорівнює ?
yf ( x, y)dx dy
26. Чому дорівнює ?
27. Формула для D (X) випадкової величини X, що утворює
систему (X, Y), має вигляд… .
28. Kху для системи двох неперервних випадкових величин
(X, Y) обчислюється за формулою… .
29. D (Y) для випадкової величини Y, що утворює систему
двох неперервних випадкових величин (X, Y), обчислюється
за формулою… .
f ( x , y )dy ...
30. Чому дорівнює ?
f ( x , y )dx ...
31. Чому дорівнює ?
rxy 1
32. Довести, що .
33. Як знайти f (X / y)?
34. М (X / у) обчислюється за формулою… .
35. Чому дорівнює f (Y / x)?
36. М (X / x) обчислюється за формулою… .
166
37. Якщо випадкові величини Х і Y є незалежними, то f (x, y)
обчислюється за формулою… .
38. Якщо випадкові величини Х і Y є незалежними, то F
(x, y) = … .
39. Якщо випадкові величини некорельовані, то чи будуть
вони й незалежними і навпаки?
40. Що називається функцією розподілу системи п випадко-
вих величин?
41. Як визначається щільність iмовірностей системи п випа-
дкових величин?
42. Як визначається щільність iмовірностей системи (х1, х2,
… хk), що входить до (х1, х2 , … хп)?
43. Основні числові характеристики системи п випадкових
величин.
Приклади до теми
167
в результаті цих експериментів; Y — число експериментів, при яких
подія не наставала.
Обчислити: M (X); (X); M (Y); (Y); Kху; rху .
Відповідь. M (X) = 3,6; (X) = 0,6; M (Y) = 0,4; (Y) = 0,6; Kху = –
0,36; rху = –1.
2. Задано f (x, y) = a, якщо (x, y) , f (x, y) = 0, якщо (x, y) , де
= (– 6 x 2, –3 y 5). Знайти а. Обчислити rху, P(– 4 < x < 1;–2
< y < 4).
Відповідь. а = 1/64, rху = 0, P(– 4 < x < 1; –2 < y < 4) = 15 / 32.
3. Закон системи двох дискретних випадкових величин (X, Y) зада-
ний таблицею:
Х 2 4 6 8 p yi
Y
–6 0,1a 0,5a 0,4а a
–4 0,9a 0,4a 0,5а 0,2a
–2 a 2,1a 1,1а 1,8a
p xi
2 8 16
rxy
Відповідь. а = 1 / 2, 2 8 32 .
5.Щільність імовірностей двох випадкових величин (Х, Y) задано
виразом
( x 3) 2 ( y 1) 2
f ( x , y ) ae 8 2
, – х , – y .
Знайти а; М (х); М (у); х; у; rxy..
1
a
Відповідь. 4 ; M ( x ) 3 ; M ( y ) 1, x 2, y 1, rxy 0 .
6.За заданою щільністю ймовірностей
1 0,5( x 2 2 xy 5y 2 )
f ( x, y) e , x , y
168
знайти f (x), f (y).
1 2 1 2
f (x ) e 0, 4 x , f ( y ) e2 y
Відповідь. 2,5 0,5 .
7.Виготовлені на заводі циліндри сортуються за відхиленням їх
внутрішніх діаметрів від номінального розміру на чотири групи зі
значеннями 0,01; 0,02; 0,03; 0,04 мм і за овальністю на чотири групи зі
значенями 0,002; 0,004; 0,006; 0,008 мм. Спільний розподіл цих від-
хилень Х — діаметра і Y — овальності циліндрів наведено в таблиці:
px j
Знайти rxy .
Відповідь. rxy = 0,141.
8.П’ять приладів випробовують на надійність. Імовірність того, що
окремо взятий прилад витримає режим випробування, дорівнює 0,85.
Нехай Х — число приладів, які витримають випробування, а Y — число
приладів, які не витримають їх. Побудувати закон спільного розподілу
Х і Y і обчислити Kxy, rxy.
Відповідь. Kxy= – 0,6375, rxy= – 1.
9.У трьох посудинах містяться однотипні вироби. У першій по-
судині міститься 6 стандартних і 4 браковані вироби; у другій — 8
стандартних і 2 браковані, а у третій — 9 стандартних і 1 бракова-
ний виріб. Із кожної посудини навмання беруть по одному виробу.
Нехай Х — поява числа стандартних виробів серед трьох навмання
взятих, а Y — поява відповідного числа бракованих. Побудувати за-
кон розподілу Х і Y і обчислити Kxy, rxy.
Відповідь.
169
Х 0 1 2 3
Y
0 0 0 0 0,432
1 0 0 0,444 0
2 0 0,116 0 0
3 0,008 0 0 0
170
14.За заданою функцією розподілу ймовірностей системи (Х, Y)
маємо:
0, x 6, y 2;
x6
, 6 x 2, y 4;
8
( x 6)( y 2)
F ( x, y ) , 6 x 2, 2 y 4;
48
y2
6 , x 2, 2 y 4;
1, x 2, y 4.
171
pxj
де 0 x 1, x y x .
Знайти а і побудувати кореляційну матрицю і нормовану кореля-
ційну матрицю.
105 0,09478 0,14 1 0,827
a K 0,827
Відповідь. 23 ; 0,14 0,2995 ; 1 .
19.Брак у продукції заводу внаслідок дефекту А становить 6%.
Водночас серед забракованої за дефектом А продукції 4% таких, що
мають дефект В, а в продукції, в якій відсутній дефект А, дефект В
зустрічається в 1% випадках.
Знайти коефіцієнт кореляції між дефектами А і В.
Відповідь. rAB = 0,0936.
20.За заданою кореляційною матрицею чотиривимірної випадко-
вої величини
1 0,2 1 0,8
4 0,7 0,5
K
9 0,4
25
знайти нормовану кореляційну матрицю.
1 0,1 0,333 0,16
1 0,117 0,05
1 0,03
Відповідь. 1 .
a
f ( x, y ) ,
21.Задано 1 x y 2 x2 y 2
2
172
якщо (Х, Y) де x ; y .
Знайти а і f(x), f(y). З’ясувати, чи існує кореляційний зв’язок між
випадковими величинами Х і Y.
1 1 1
a ; f ( x) ; f ( y) .
Відповідь. 2 (1 x 2 ) (1 y 2 )
Оскільки f ( x, y) f ( x) f ( y) , то K XY 0 .
22.Відомо, що P ( A ) P (B ) 0,8 . Яке значення повинна мати
P ( A / B ) , щоб коефіцієнт кореляції між А і В дорівнював 0,6?
Відповідь. P ( A / B ) 0,92 .
3 3 4 x 2 6 xy 9 y 2
f (x , y ) e
23.Задано , – х ; – у .
Знайти f ( x / y ), f ( y / x), M ( X / y ), M (Y / x).
Відповідь.
9
6 2 2 2 2 (2x y )2
f (x / y ) e ( x 3y ) ; f (y / x ) e 2 ;
2 2
9 x
M (X / y ) y; M (Y / x ) .
4 3
24.Випадкові події А і В мають однакову ймовірність появи, яка
дорівнює р. Яка повинна бути умовна ймовірність Р(А/B), якщо ві-
домо, що коефіцієнт кореляції між випадковими подіями А і В дорі-
внює r.
Відповідь. Р(А/B) = р + r (1 – р).
25.Визначити кореляційну матрицю системи випадкових величин
(Х, Y), якщо щільність імовірностей
2
f (x , y )
( x y 2 1) 2 .
2
0,5 0
K
Відповідь. 0 0,5 .
26.За заданою кореляційною матрицею системи випадкових ве-
личин
49 14 10
K 14 30 20
10 20 25
побудувати нормовану кореляційну матрицю.
173
Відповідь.
1 2
1
3 7
1 1
2
3 3
2 2
1
7 3 .
27. Відомі значення p (A) = 0,02, p (B) = 0,04, p (B / A) = 0,03.
Обчислити коефіцієнт кореляції між A i B.
Відповідь: rAB ≈ 0,0072.
28. Двоє робітників виготовляють однотипні вироби. Імовірність
того, що виріб, виготовлений першим робітником, є стандартним,
дорівнює 0,9; для другого робітника ця ймовірність дорівнює 0,85.
Позначивши через X число стандартних виробів, виготовлених пер-
шим робітником, а через Y число стандартних виробів, виготовлених
другим робітником, побудувати функції розподілу F(x, y), системи
випадкових величин (X, Y).
0, x 0, 0, y 0,
0 , 01 , x 1, 0,0225, 0 y 1,
F (x) F ( y)
0 ,18 , x 2 , 0,225, 1 y 2,
1, x 2. 1, y 2.
Відповідь:
F (x, y) подано в табличній формі:
X x≤0 0<x≤1 1<x≤2 x>2
Y
y≤0 0 0 0 0
0<y≤1 0 0,000225 0,00405 0,01
1<y≤2 0 0,00405 0,0455 0,18
y>2 0 0,0225 0,225 1
1
f ( x)
29. Задано 72 , якщо (x, y) ,
f ( x ) 0 , якщо (x, y) ,
де = – 4 x 5, – 3 y 5.
Знайти F (x, y) і обчислити P (–1 < x < 4, –2 < y < 3).
174
0, x 4, y 3;
x4
, 4 x 5, y 5;
9
( x 4)( y 3)
F ( x, y ) , 4 x 5, 3 y 5;
72
y3
8 , x 5, 3 y 5;
Відповідь. 1, x 5, y 5.
25
P 1 x 4, 2 y 3
72 .
30. Незалежні випадкові величини X i Y задані щільностями ймо-
вірностей:
0, x 0; 0, y 0;
f ( x) 3 x f ( y ) 5 y
3e , x 0; 5e , y 0.
Записати вирази для f (x, y), F (x, y).
0, x 0, y 0;
f ( x, y ) ( 3 x 5 y )
Відповідь: 15e , x 0, y 0.
0, x 0, y 0;
F ( x, y ) 3 x
15e , x 0, y 0.
31.Система двох неперервних випадкових величин має сталу
щільність yсередині квадрата, зображеного на рис. 69.
у
2
–2 0 2 х
–2
Рис. 69
175
0, ( X , Y ) ;
f ( x, y ) 1
, ( X , Y ) .
Відповідь. 2
–1 0 1 х
–1
Рис. 70
176
0, ( X , Y ) ;
f ( x, y ) 1
2 , ( X , Y ) .
Відповідь.
0, x 1; 0, y 1;
1 x, 1 x 0; 1 y, 1 y 0;
f (x) f ( y)
1 x, 0 x 1; 1 y, 0 y 1;
0, x 1; 0, y 1.
0, x 1; 0, y 1;
1 1
f ( x / y) , 1 x 0; f ( y / x) , 1 y 0;
2(1 x) 2(1 y )
1 1
, 0 x 1; , 0 y 1.
2(1 x) 2(1 y )
f ( x, y ) f ( x) f ( y ) . Випадкові величини Х та Y не корельовані, але
залежні KХY = 0.
177
ТЕМА 8. ФУНКЦІЇ ВИПАДКОВИХ АРГУМЕНТІВ
173
Y = 3хi2 16 4 1 1 4 16
Y = уj 1 4 16
1.Математичне сподівання
k m
M Y x i p i y j p j .
i 1 j 1 (190)
2. Дисперсія
k
DY M Y 2 M 2 Y 2 xi pi M 2 Y y 2j p j M 2 Y
m
i 1 j 1 . (191)
3. Середнє квадратичне відхилення
Y D Y . (192)
Приклад 2. За заданим законом розподілу
Х = хi 0
3 4 6 6 4 3
Y = cos2 хi cos 2 cos 2 cos2 cos2 0 cos2 cos2 cos2
3 4 6 6 4 3
174
pi
або
2 2 2 2
1
2
2 3 3 2 1
2
Y = cos2 хi 1
2 2 2 2 2 2
Р (Y = cos2 хi) = pi 0,1 0,2 0,1 0,1 0,2 0,1 0,2
Y = cos2 хi
1 1 3
1
3 1 1
4 2 4 4 2 4
Р (Y = cos2 хi) = pi 0,1 0,2 0,1 0,1 0,2 0,1 0,2
4
2
M Y 2 y i p j 0,0625 0,3 0,25 0,3 0,5625 0,3 10,1
j 1
DY M Y 2 M 2 Y 0,3625 0,3025 0,06;
DY 0,06;
Y 0,245.
175
А. Функція (x ) монотонна.
Розглянемо випадок, коли Y = (x) є монотонно зростаючою функ-
цією, зображеною на pис. 71.
Y
Y = (x)
у + у
0 х х + х х
P (x < x < x + x)
Рис. 71
Якщо випадкова величина Х міститься у проміжку [х; х + х], то
оскільки Y жорстко зв’язана з випадковою величиною Х функцією
(х), то Y міститиметься у проміжку [у, у + у] (рис. 71). Отже, по-
дії х < Х < х +х і у < Y < у +у будуть рівноймовірними:
Р(х < Х < х +х) = Р(у < Y < у +у). (193)
Згідно з визначенням щільності ймовірностей
F ( y y ) F ( y )
f y lim
y 0 y .
Але
F( у + у) – F(у) = Р (у < Y < у +у) = Р (х < Х < х +х) згідно зі
(193).
Тоді:
F ( y y ) F ( y ) P( y Y y y )
f y lim lim
y 0 y y 0 y
P( x Х x x) F x x F x
lim lim .
y 0 y y 0 y
Отже,
F ( x x ) F ( x )
f y lim
y 0 y . (194)
176
При у 0, х 0 з урахуванням функціональної залежності
між Y і Х, помноживши і поділивши дріб (194) на х, дістанемо:
F ( x x) F ( x) x F ( x x) F ( x) x
f y lim lim lim f ( x) x y .
x 0 x y x 0 x y 0 y
y 0
у + у
х 0 х + х х
Рис. 72
177
5. Перевіряється виконання умови нормування для f (у):
( b)
f ( y )y 1
.
( a )
Приклад 3.
Задано
0, x 0,
10
f x 7 x 3 , 0 x 1,
7
0, x 1.
Знайти f (у), F (у), якщо Y = 2x2.
Обчислити М (Y); D (Y); (Y).
Розв’язання. Використовуючи загальну методику знаходження f (у),
дістанемо наведені далі висновки.
1.Знаходимо інтервал можливих значень для випадкової величини Y:
0 X 1;
0 Y 2 ,
178
оскільки на проміжку 0, 1 Y 2 x є монотонно зростаючою функцією.
2
179
2
2 5 12
2 2
5 y 5 7 2 5 y7
M Y yf ( y )dy y
7 7
dy 4 y dy 7 4
0 0 14 2 14 0 14 12
7 0
2 12
5 20 5
2 7 2 7 .
24 24 6
М(Y) можна обчислити, не відшукуючи f (у):
1
24
1 1 17
10 7 3 20 20 x7 20 5
М (Y ) 2 x 2 x dx x 7 dx .
0 7 7 0 7 24 25 6
7 0
5
M (Y )
6.
2
12
2
2
2 5 y 2
2 7 5 2
M (Y ) y f ( y )dy y dy 7 4 y 7 dy
0 0 14 2 14 0
2
19
2 19
5 7 y7 5 7 7 5 40 20
4 2 2 8 ;
14 19 38 38 38 19
7 0
2
D Y M Y M
2 2
Y 20 5
19
20 25 720 475 245
;
6 19 26 684 684
Так само, як і для М (Y):
1
38
1 3 31
10 7 3 40 1 4 7 40 1 40 x7 40 20
M Y 2 (2 x 2 ) 2 x dx x x dx x 7 dx
0 7 7 0 7 0 7 38 38 19
7 0 .
20 25 245
D Y .
19 36 684
245 1 245
Y D(Y ) .
684 6 19
180
Нехай Y x , де функція x є немонотонною функцією, зо-
браженою на рис. 73.
y
y + y
x1 x1 + x1 0 xk xk + xk x
Рис. 73
k F ( x i x i ) F ( x i ) xi
lim lim
i 1 xi 0 xi y 0 y
181
k k
f ( xi )( xy ) f i ( y ) i( y ) .
= i 1 i 1
Отже,
k
f y f i ( y ) i( y ) .
i 1 (201)
Методика знаходження f (у) така сама, як і для монотонної функ-
ції. Щоб обчислити числові характеристики, можна використати
формули (198), (199), (200).
Приклад 4. Задано
x2
1
f x e 2 , x .
2
Знайти f (у), якщо Y = x2.
Розв’язання. Побудуємо графіки f (х), Y = x2 (pис. 74 і 75).
f (x) y
2
Y=x
0 x 0 x
Рис. 74 Рис. 75
1. Якщо Х , то 0 Y .
2. Оскільки Y = х2 є немонотонною функцією при Х , зна-
ходимо обернені функції:
x 1 1 ( y ) Y , x 2 2 ( y ) Y .
3. Похідні від обернених функцій будуть:
1 1
x 1 1 ( y ) , x 2 2 ( y )
2 y 2 y .
4.Будуємо функцію f (у), використовуючи (201):
2
f y f i ( y ) i( y ) f 1 ( y ) 1( y ) f 2 ( y ) 2 ( y )
i 1
182
y y 1 y
1 1 1 1 1
e 2 e 2 y 2e 2
2 2 y 2 2 y 2 .
5. Перевіряємо виконання умови нормування:
2
2
1
1
y
yz 2 ze 2
f ( y )dy 1 y 2 e 2 dy d
0 0 2 dy 2 zdz 2 0
2 2
1.
2 2
Отже, умова нормування виконується, a це свідчить про те, що f (у)
знайдено правильно.
Остаточно записуємо:
0, y 0;
f y 1
1
y
y 2 e 2 , y 0.
2
Відшукаємо числові характеристики:
1 y 1 y
1 1
M Y yf y dy y y 2 e 2 dy y2 e 2 dy
0 2 2 0
z2 u z , du dz
2
y z dy 2 zdz
2
z e 2 2 dz z2 z2
2 0 ze 2 dz dv v e 2
2
z2 2
z 2 2
ze 2 e 2 dz 0 1.
2 0 0 2 2
M (Y) = 1.
Для обчисленя дисперсії D (Y) знаходимо
183
1 1 3 y
1 1
M Y 2 y 2 f ( y )dy y 2
y 2 e 2 dy y 2 e 2 dy
0 0 2 2 0
z2 u z 2 , du 2 zdz
2
y z 2 dy 2 zdz z 3e 2 dz z2 z2
2 0 ze 2 dz dv, v e 2
z2 z2 z2 z2
2 2 2
2 dz
2 2 2
4
z e 2 ze z e 2e 2 .
2 0 2 2
0 0 0
4
M Y
2 .
DY M Y 2 М 2 (Y )
4
1
4 2
2 2 .
184
y
Z<X+Y
0 x
Рис. 76
185
f z f ( z y, y ) dy.
(208)
Якщо випадкові величини Х і Y є незалежними, то f (x, y) = f (x) f
(y). За цієї умови формули наберуть такого вигляду:
f z f ( x) f ( z x) dx;
(209)
f z f ( z y ) f ( y ) dy.
(210)
Формули (209), (210) називають згорткою, або композицією,
двох законів.
Приклад 5. Задано закони розподілу ймовірностей незале-
жних випадкових величин Х, Y:
0, y 2;
0, x 4;
1 1
f x , 4 x 2; f y , 2 y 6;
6 8
0, x 2. 0, y 6.
Знайти F (z), f (z), якщо Z = X + Y. Побудувати графіки F (z),
f (z).
Розв’язання. Побудуємо множину -сумісної появи випадкових
величин Х і Y. Ця множина зображена на pис. 77.
у
(– 4; 6) (2; 6)
6
(– 4; 0)
–4 0 2
х
(– 4; – 2) –2 (2; – 2)
Рис. 77
Пряма Z = Х + Y зі збільшенням Z рухатиметься паралельно сама
собі, відтинаючи від множини змінні площі (pис. 77, 78 і 79).
186
у
у 6
(– 4; 6) (2;6) (– 4; 6) (2; 6)
6 s
(– 4; 0)
0 2 0 2
–4 х –4 х
F z
z 6 2 .
96
3. Оскільки в точці (– 4; 4) Z = 0, то на проміжку [0; 2] маємо:
1 2 zx 36 1 2 z x
F2 ( Z ) F1 0 dy dx y dx
48 4 x 96 48 4 x
36 1 2 36 z 2 36 z
z x x dx dx 6
96 48 4 96 48 4 96 48
36 12 z z 3
.
96 8
187
Отже, на проміжку [0, 2], що зображено на рис. 78, функція розподі-
лу ймовірностей змінюється за законом
z 3
F2 ( z ) .
8
4. У точці (2, 6) Z = 8 і функція розподілу ймовірностей при своїй
зміні наближатиметься до одиниці. Щоб дістати аналітичний вираз для
F(z), від одиниці віднімаємо змінну площу S трикутника, зображеного
на рис. 79.
1 2 6 1 2 6 1 2 6
F3 Z 1 dy dx 1 dy dx 1 y dx
48 z 6 z x 48 z 6 z x 48 z 6 z x
1 6 z x 8 z 2
2
1 2 2
1 6 z x dx 1 1 .
48 z 6 48 2 z 6 96
Отже,
F z 1
z 8 2 .
96
Таким чином, загальний вигляд функції розподілу ймовірностей бу-
де такий:
0, z 6;
z 62
, 6 z 0;
96
z 3
F z , 0 z 2;
8
z 8 2
1 , 2 z 2;
96
1, z 8.
Тоді щільність імовірностей матиме вигляд
0, z 6;
z 6
, 6 z 0;
48
1
f z , 0 z 2;
8
8 z , 2 z 8;
48
0, z 8.
Графіки F (х), f (х) зображені на pис. 80 і 81.
188
1
0,5 1
8
–6 0 2 8 z –6 0 2 8 z
Рис. 80 Рис. 81
Y
Z Y ZX
4.2. Знаходження F (z), f (z), якщо Х
Y = zx D2
y
x < z
0 x
y
x < z
Рис. 82
y
Z z z
В області D1 виконується випадкова подія x і в області
y
D2 Z z z
x . Отже, імовірність події Z z дорівнюватиме сумі
ймовірностей двох несумісних випадкових подій, що зможуть від-
бутися або в області D1 , або в області D2 :
0 zx
y
P z P Z z F ( z ) f ( x, y )dx dy f ( x, y ) dx dy
x zx 0 .
Отже,
189
0 zx
F z f ( x, y )dx dy f ( x, y )dx dy,
zx 0 (211)
Або
0 zx
F z f ( x, y )dx dy f ( x, y )dx dy.
zx 0 (212)
Щільність імовірностей
'
0 zx
f z F ( z ) f x, y dx dy f x, y dx dy
zx 0 z
'
zx zx 0 0
f x, y dx dy f x, y dx dy f x, zx x dx f x, zx x dx .
0 z 0
Остаточно маємо:
0
f z f x, zx x dx f x, zx x dx.
0 (213)
Якщо Х і Y є незалежними, то
0
f z f ( x) f ( zx) x dx f ( x) f ( zx) x dx
0 . (214)
Приклад 6. Задано
x2 y2
1 1
f x e 2 , x ; f ( y ) e 2 , y .
2 2
Y
Z .
Знайти f (z), якщо Х
Розв’язання. Згідно з (214) маємо
x2 zx 2 0 x2 zx 2
1 1 1 1
f z e 2 e 2 x dx e 2 e 2 x dx
0 2 2 2 2
1 1 z 2 2 1 z 2
x2 x2
1 1 0
1
e e 2 .
2 1 z z 0 1 z 2
2
1 1 1
1 z z 1 z 2 (1 z z ) .
Перевірка умови нормування:
0
1 1
1
f ( z ) dx 1 dz arctg Z 1.
z
(1 z ) 2 2
Отже, f (z) знайдено правильно.
190
Таким чином,
1
f z
(1 z 2 ) , z .
XY < Z
0 x
Рис. 83
Маємо:
z
0 x
P XY z P ( Z z ) F ( z ) f ( x, y ) dy dx f ( x, y ) dy dx
z 0
x
z z
x x 0
P(Z z ) F ( z ) f ( x, y ) dy dx f ( x, y ) dy dx
або 0 . (215)
Скориставшись (215), дістанемо
'
z z
x x 0
f z F ( Z ) f ( x, y ) dy dx f ( x, y ) dy dx
0
x
0
z1 11
f x, dx f x, dx.
0 x x x x
191
0
z1 z1
f z f x, dx f x, dx.
Отже, 0 x x x x (216)
Якщо випадкові величини Х і Y є незалежними, то
0
z1 z1
f z f ( x) f dx f ( x) f dx
0 x x x x . (217)
Приклад 7. Незалежні випадкові величини Х і Y мають
рівномірний закон розподілу ймовірностей, щільності ймо-
вірностей яких такі:
0, x 0; 0, y 0;
1 1
f x , 0 x 2; f y , 0 y 2;
2 2
0, x 2; 0, y 2.
Знайти F (z), f (z), якщо Z = XY.
Розв’язання. Імовірність влучення випадкової величини Z = XY в
область D зображена на рис. 84.
y
2
D
0 2 x
Рис. 84
192
0, z 0;
z z
F z ( 2 ln 2 ln z ), 0 z 4;
4 4
1, z 4.
0, z 0;
1
(2 ln 2 ln z ), 0 z 4;
4
0, z 4.
Звідси F (z) = F' (z) =
Перевірка виконання умови нормування:
4 4 4
1 1 14
f ( z )dz 1 (2 ln 2 ln z )dz 2 ln 2 dz ln zdz
0 04 4 0 40
dz
ln z u , du 1 4
1 4 4
z ln 2 z z ln z dz
2 4
dz dv, v z 0 0 0
4
1 1
ln 2 4 4 ln 4 z 2 ln 2 2 ln 2 1 1.
2 4 0
Умова нормування виконується. Отже, f (z) знайдено вірно.
1. Математичне сподівання.
А. М (Х + Y) = М (Х) + М (Y). (218)
Доведення. Нехай Х і Y є неперервними випадковими величинами.
Тод
і
193
M X Y ( x y ) f ( x, y ) dx dy
xf ( x, y ) dx dy yf ( x, y ) dx dy
x f ( x, y ) dy dx y f ( x, y ) dx dy
xf ( x) dx yf ( y ) dy M ( X ) M (Y ).
f ( x, y) dy f ( x) f ( x, y) dx f ( y ).
Оскільки , то
Висновок 1.
М (АХ + ВY + С) = АМ (Х) + ВМ (Y) + С. (219)
тут А, В, С — деякі сталі.
Доведення.
M AX BY C ( Аx By C ) f ( x, y ) dx dy
Axf ( x, y ) dx dy Byf ( x, y ) dx dy Cf ( x, y ) dx dy
A x f ( x, y ) dy dx B y f ( x, y ) dx dy C f ( x, y ) dx dy
A xf ( x) B yf ( y ) C AM X BM Y C ,
f ( x, y) dx dy 1.
оскільки
Висновок 2.
n n
M X M (X i )
i 1 i 1 .
(220)
Б. Якщо випадкові величини є між собою незалежними, то
М (ХY) = М (Х) М (Y). (221)
Доведення.
M XY xy f ( x, y ) dx dy xy f ( x) f ( y ) dx dy M X M Y
194
(оскільки для незалежних випадкових величин f (x, y) = f (x) f (y)).
Висновок. Для n незалежних випадкових величин
n n
M Х i М ( Х i ).
i 1 i 1 (222)
В. Якщо випадкові величини Х і Y є залежними, то
М (ХY) = М (Х) М (Y) + Kху. (223)
M ( Х М ( Х ) Y М (Y )
2
М ( Х М ( Х )) 2 (Y М (Y )) 2 2( Х М ( Х )) (Y М ( Х )
M X M X М (Y М (Y )) 2 М ( Х М ( Х ))(Y М (Y ))
2 2
D( X ) D(Y ) 2 K xy ,
де Kху = М (Х – М (Х)) (Y – M (Y)).
Висновок 1.
D (АХ + ВY + С) = А2D (Х) + В2D (Y) + 2АВKху . (226)
Доведення.
DAX BY C M AX BY C M AX BY C
2
M AX BY C AM X BM Y C
2
M AX M X B Y M Y 2
M А 2 (Х М ( Х ))2 B 2 (Y М (Y ))2 2 АB ( Х М (Y ))(Y М (Y ))
2 2 2 2
A М ( Х М ( Х )) B М (Y М (Y )) 2 АBМ (Х М ( Х ))(Y М (Y ))
A 2 D( Х ) B 2D(Y ) 2 АBK xy .
Висновок 2.
n n
D Х i D (Х j ) 2 K i j
i 1 j 1 j i . (227)
195
Якщо K ij 0, i j , i, j 1, n, то
n n
D Х j D ( Х i ).
j 1 j 1 (228)
Б. Якщо випадкові величини є незалежними, то
D (ХY) = D (Х) D (Y) + М 2 (Х) D (Y) + М 2 (Y) D (Y), (229)
або
D (ХY) = (D (Х) + М 2 (Х)) (D (Y) + М 2 (Y)) – М 2 (Х) М 2 (Y).
Доведення.
D XY M XY M XY M X 2Y 2 2 Х Y М ( Х Y ) М 2 ( Х Y )
2
2 2
M Х Y 2 ХY М ( Х ) М (Y ) М ( Х ) М (Y ) 2 2
M X М (Y ) 2 М ( Х ) М (Y ) М ( Х ) М (Y )
2 2 2 2 2 2
M X М (Y ) М ( Х ) М (Y )
2 2 2 2
оскільки M X D ( Х ) М ( Х ), M Y D (Y ) М (Y ) .
2 2 2 2
196
Розв’язання. Для знаходження М (Y), Kху, необхідно визначити
M ( X 4 ) , М ( Х 3 ), М ( Х 2 ), М ( Х ), оскільки:
M Y M 3 x 3 2 x 2 x 1 3M x 3 2 М ( x 2 ) М ( x ) 1 ;
Kху = М (XY) – М (Y) М (X),
де M xy М x(3 x 2 x x 1) M 3 x 2 x x x
3 2 4 3 2
3М ( x 4 ) 2 М ( x 3 ) М ( x 2 ) М ( x ).
x2
1
M X xf ( x )dx xe 2 dx 0;
2
М (Х) = 0;
x2 x2
M X x
2 2 1 2
2 2
f ( x) dx x e 2 dx x e 2 dx
2 2
u x, du dx x2 x
2
2
x2 x2 xe 2 e 2 dx
xe
2 dx d e
2 2 0 0
2 2
1.
2 2
М (х2) = 1;
x2
1
M x
3
x f ( x)dx
3
x e 3 2 dx 0;
2
М (х3) = 0;
197
u x 3 , du 3 x 2 dx
x2 x2
1
M x 4 x 4 f ( x)dx
x4e 2 dx xe 2 dx d
2
x2
e 2
x2 x2
2 3 2 2 2
x2
2
x e dx
4 2 x e x e dx
2 0 2 0 0
x2 u x, dx dx
6 2 2
x e dx x2 x2
2 0 xe 2 dx d e 2
x2
6
x2 x2
6 6 2
xe 2 e 2 dx e 2 dx 3.
2 0 0 2 0 2 2
M x 4 3;
M Y 3M x 3 2 М ( x 2 ) М ( x ) 1 3 0 2 1 0 1 1;
M XY 3M x 4 2 М ( x 3 ) М ( x 2 ) М ( x ) 3 3 2 0 1 0 8;
K xy M XY M Y М ( X ) 8 ( 1) 0 8.
Приклад 9. Задано щільності ймовірностей незалежних ви-
падкових величин Х і Y:
0, y 2;
1
f y , 2 y 4;
0, x 0;
f x 2 x 6
2 e , x 0; 0, y 4.
f (у) =
Знайти М (Z), D (Z), якщо виконуються умови:
1) Z = 3х – 5у + 1; 2) Z = ХY; 3) Z = –2х – 3у + 1.
Розв’язання. Обчислимо: М (Х); М (Х 2), М(Y); М (Y 2).
u x, du dx,
M X xf ( x)dx x 2 e 2 x dx 2 x
0 0 2e dx d e 2 x
1 1
xe 2 x e 2 x dx e 2 x dx e 2 x ;
0 0 0 2 0
2
1
M X .
2
198
x 2 u, du 2 xdx
M X 2 x 2 f ( x)dx x 2 2e 2 x dx 2e 2 x dx d
0 0
e 2 x
u x, du dx
2 2 x 2 x 2 x
x e x 2e dx x 2e dx 2e 2 x dx d
0 0 0
e 2 x
1 1
xe 2 x e 2 x dx e 2 x dx e 2 x ;
0 0 0 2 0 2
M X2
1
2
;
2
D X M x 2 М 2 ( x)
1 1 1 1 1
;
2 2 2 4 4
D X
1
;
4
4
4
1 4
y2 16 4
M Y yf ( y ) dy y dy 1;
2 2 6 12 12
2 М (Y) = 1;
3 4
4 4
1 y 64 8 72
M Y 2 y 2 f y dy y 2 dy 4;
2 2 6 18 2 18 18 М (Y 2 ) = 4;
D Y M Y 2 М 2 (Y ) 4 1 3.
1. M Z M 3x 5 y 1 3M x 5M y 1
1 3 3 38 5
3 5 1 1 5 1 4 2,5 :
2 2 2 2 2
М (Z) = – 2,5;
DZ D3 x 5 y 1 9 D x 25D y
1 9 309
9 25 3 75 77,29 ;
4 4 4
D (Z) = 77,29.
1 1
2. M Z M xy М ( x) М ( y ) 1 ;
2 2
М (Z) = 0,5.
DZ D xy D( x) М 2 ( x) D( y ) М 2 ( y ) М 2 ( x) М 2 ( y )
1 1 1 1 7
3 1 1 2 1,75;
4 4 4 4 4
199
D (Z) = 1,75.
3. M Z M 2 x 3 y 1 2M x 3M y 1
1
2 3 1 1 1 3 1 3;
2
М (Z) = – 3.
1
D Z D 2 x 3x 1 4 D x 9 D y 4 9 3 1 27 28
4 ;
D (Z) = 28.
Приклад 10. Двовимірна випадкова величина (Х, Y) має та-
кий закон розподілу ймовірностей
Y
5 10 15 20 рyi
X
–6 0,02 0,01 0,03 0,04 0,1
–4 0,18 0,09 0,07 0,06 0,4
–2 0,1 0,2 0,1 0,1 0,5
рxj 0,3 0,3 0,2 0,2
7,5 30 45 80 162,5.
D X M X 2 М 2 ( X ) 162,5 (11,5) 2 162,5 132,25 30,25.
D (Х) = 30,25.
3
M Y yi р yi 6 0,1 4 0,4 2 0,5 0,6 1,6 1 3,2.
i 1
D (Y) = 1,76.
200
3 4
M XY y i x j рij 6 5 0,02 6 10 0,01 6 15 0,03
i 1 j 1
201
K 12 r12 x1 x 2 0,36 D( x1 ) D( x 2 )
0,36 4 3 0,36 2 1,732 1,24704;
K 13 r13 x1 x 2 r13 D ( x1 ) D ( x 2 ) 0,3 4 5
0,3 2 2,236 1,3418;
K 23 r23 x2 x3 0,1 D( x 2 ) D( x3 ) 0,1 3 5
0,1 1 1,732 2,236 0,397.
Отже,
D (x) = 4 · 4 + 9 · 3 + 16 · 5 – 12 · 1,24704 – 16 · 1,3418 + 24 (– 0,397) =
= 16 + 27 + 80 – 14,965 – 21,469 – 9,528 = 77,038.
D (x) = 77,038.
Приклад 12. За заданою кореляційною матрицею
202
D (Х) = 489.
Приклад 14. Нехай
0, x 1;
3 2
f x x , 1 x 1;
2
0, x 1.
Знайти f (у), якщо Y = min (Х; 1).
Розв’язання. Випадкова величина Y буде величиною мішаного виду:
2 2
Y 1; ; 1
3 3
при Y = 1;
2 2
Y ; 0 0;
3 3
при Y = Х.
Графік f (у) зображено на рис. 85.
f (y)
2 2 y
–
3 3
Pис. 85
2 2 2 2 2 1
a 21 1 2a 1 1 a .
3 3 3 2 2
3 3 21
3 3
Отже,
203
0, y 1;
1 2
, 1 y ;
2 2 3
2 1
3 3
3 2 2
f y y2, y ;
2 2 3 3
4 1 3 3
1 2
, y 1;
2 2 3
2 1
3 3
0, y 1.
Приклад 15. Задано
0, x 1;
3
f x x 2 , 1 x 1;
2
0, x 1.
Знайти f (у), якщо Y = max (Х; 1).
Розв’язання. Випадкова величина Y буде величиною мішаного виду:
2 2
Y 1; ; 1
3 3
при Y = Х;
2 2
Y ;
3 3
при Y = 1.
Графік f (у) зображено на рис. 86.
204
f (y)
2 2 y
3 3
Рис. 86
205
Теоретичні запитання до теми
?
1. Як обчислити щільність імовірностей випадкової вели-
чини Y, якщо Y = (Х), де (х) — монотонна функція, і ві-
домий закон розподілу випадкової величини Х?
2. Як обчислити f (у), якщо Y = (х), де (х) — немонотонна
функція, і відомий закон розподілу випадкової величини Х?
3. Числові характеристики функції дискретного випадково-
го аргументу.
4. Числові характеристики функції неперервного випадко-
вого аргументу.
5. Як визначити F(Z), f (z), якщо Z = Х + Y ?
Y
Z
6. Як визначити F(Z), f (z), якщо Х ?
7. Як визначити F(Z), f (z), якщо Z = Х Y ?
8. Що означає здійснити композицію двох законів розподілу?
9. Довести, що М (Х + Y) = … .
10. Довести, що М (АХ + ВY + С ) = … , якщо А, В, С —
деякі сталі.
11. Довести, що М (ХY) = … .
12. Довести, що D (Х + Y) = … .
13. Довести, що D (АХ + ВY + С) = … , якщо А, В, С — деякі
сталі.
14. За якої умови М (Х Y) = М (Х) М (Y)?
15. Довести, що D (Х Y) = … .
206
n
M x i ... ?
16. Чому дорівнює i 1
n
D x j ... ?
17. Чому дорівнює j 1
n n
M x µ М ( x µ ) ?
18. За якої умови µ 1 µ 1
n
D x i ... ?
19. Чому дорівнює i 1
20. Чому дорівнює дисперсія від суми n некорельованих ви-
падкових величин?
21. Чому дорівнює коефіцієнт кореляції випадкових вели-
чин Y і Х, якщо між ними існує лінійна функціональна
залежність ?
22. Довести, що K xy x y .
Приклади до теми
1. Задано
xi 0,001 0,01 0,1 10 100 100
pi 0,1 0,2 0,2 0,2 0,1 0,2
207
f (x) f (y)
–2 0 х 0 2 y
Рис. 87 Рис. 88
1
8
–3 0 5 x 0 2 y
Рис. 89 Рис. 90
208
0, z 1;
1 z , 1 z 1;
4
f z
3 z , 1 z 3;
4
0, z 3.
5. Задані закони розподілу двох незалежних випадкових величин
Х і Y є щільностями ймовірностей:
0, x 2; 0, y 2;
1 1
f x , 2 x 2; f y , 2 y 6;
4 8
0, x 2. 0, y 6.
Знайти F (z), f (z), якщо Z = Х +Y.
Відповідь.
0, z 4; z 4;
0,
Z 4 2 Z 4 ,
, 4 z 0; 4 z 0;
32
64
Z 4 1
F z , 9 z 4; f z , 0 z 4;
8 8
Z 8
1 Z 8 ,
2
4 z 8; , 4 z 8;
64 32
0,
1, z 8. z 8.
6. Двовимірна випадкова величина (Х і Y) має закон розподілу
ймовірностей:
Y 4 6 8 Руі
Х
209
Знайти М (Z), D (Z), якщо виконуються умови:
1) Z = – 9х + 2у –5;
2) Z = –3х – 2у +5;
3) Z = ХY.
Відповідь. 1) –26,8; 408,36; 2) – 47,6; 75,24; 3) 96,6.
7. Відомі значення випадкового вектора (Х, Y):
М (Х) = –1; М (Y) = 4; D (Х) = 2; D (Y) = 5;
rху = – 0,4.
Знайти М (Z), D (Z), якщо: 1) Z = –х – 5у + 5;
2) Z = 2х – 9у – 3;
3) Z = ХY.
Відповідь. 1) –14; 114,36; 2) –37; 367,96; 3) –2,736.
8. За заданою кореляційною матрицею
4 0,8 0,4 1
1 0,8 0,5
K
9 1
16
знайти D (Х), якщо:
1) Х = 2х1 – 3х2 – 4х3 – х4 + 2;
2) Х = –3х1 – 5х2 + х3 – 6х4 –1.
Відповідь. 1) 216,4; 2) 650,6.
9. За заданою кореляційною матрицею
1 0 0 0
9 0 0
K
4 0
25
знайти D (Z), якщо: 1) Z = – 4х1 +х2 – 5х3 – х4 + 5;
2) Z = 5х1 – 2х2 – 3х3 – 4х4 – 100.
Відповідь. 1) 150; 2) 497.
10. Незалежні випадкові величини Х і Y мають рівномірний закон
розподілу, щільності ймовірностей яких відповідно такі
0, x 0;
f x 1, 0 x 1;
0, x 1.
210
0, y 0;
f y 1, 0 y 1;
0, y 1.
Знайти f (z), якщо Z = XY. Чому дорівнюють M (Z), D (Z)?
Відповідь.
0, z 0
f z ln z , 0 z 1
0, z 1.
7
D Z
M (Z) = 0,25; 144 .
Y
Z
11. Знайти f (z), якщо Х , де Х і Y є незалежними випадкови-
ми величиними, закони яких задані щільностями ймовірностей:
0, x 0,
f x 6 x
6e , x 0;
y2
1
f y e 2 , y
2 .
Відповідь.
0, z 0,
f z 18
ze z 2 , z 0.
12. Незалежні випадкові величини Х і Y мають такі щільності
ймовірностей:
0, x 0, 0, y 0,
f x x
f y y
C1x e , x 0; C 2 y e , y 0.
Знайти С1, С2 і f (z), якщо Z = Х + Y.
1 1
C1 C2
Відповідь: Г( 1) , Г( 1) ;
211
0, z 0;
2
f z z 1 e z , 0 z 1;
Г ( 2 )
0, z 1.
1
f x .
13. Визначити f (y), якщо Y = x і n (1 x 2 )
Відповідь.
1) для непарного n
1
1
yn
f y 2
;
n (1 yn )
2) для парного n
0, y 0;
1
f y 2 y n
1
2
, y 0.
n(1 y n )
14. Випадкова величина Y задана у вигляді
x , x 0;
Y
x , x 0.
Знайти f (y), якщо щільність імовірностей випадкової величи-
ни Х:
x2
1
f x e 2 , x .
2
Відповідь.
0, y 0;
f y 4 y y4
e2, y 0.
2
212
15. Випадкова величина Х рівномірно розподілена на проміжку
Y
0; 1 tg ex
і пов’язана із Y функціональною залежністю 2 . Знайти
f (y).
Відповідь.
1
0, y ;
2
1 2
f y , y arctg e;
sin y 2
2
0, y arctg e.
16. Випадкова величина Х має закон розподілу ймовірностей, що
задано щільністю ймовірністей
0, x 3;
1
f x , 3 x 3;
6
0, x 3.
Y sin x
Знайти f (y), якщо 6 . Обчислити M (Y), D (Y).
Відповідь.
0, y 1;
1
f y , 1 y 1;
1 y 2
0, y 1.
M (Y) = 0,
D (Y) = 0,5
17. Щільність імовірностей випадкової величини
1
f x , x
(1 x 2 ) .
213
1
3 2
y .
Знайти f (y), якщо: 1) y =1 – x ; 2) y = x ; 3) y = arctg x; 4) x
Відповідь.
1
f y , y ;
2
2
3 1 (1 y ) 3 (1 y ) 3
1)
0, y 0;
f y 1
, y 0;
2) (1 y ) y
0, y ;
2
1
f y , y ;
2 2
0, y ;
3) 2
1
f y , y .
4) (1 y 2 )
214
M (Z) = 0,
17
D Z .
16
19. Задано
0, x 1;
3
f x (1 x 2 ), 1 x 1;
4
0, x 1.
215
РОЗДІЛ IІІ ОСНОВНІ ЗАКОНИ РОЗПОДІЛУ
213
Звідси
М ( X ) А(1) . (232)
А( Х ) ( kх k 1 рk ) k ( k 1) х k 2 рk
5. k 1 k 1 .
При х = 1
А(1) ( k (k 1) рk k 2 рk kрk .
k 1 k 0 k 0
Це можна записати так:
А(1) М ( X 2 ) А(1) М ( X 2 ) А(1) А(1).
Тоді
D( X ) M ( X 2 ) M 2 ( X ) A(1) A(1) ( A(1)) 2 .
Отже, формула для обчислення дисперсії буде така:
D(X ) A(1) A(1) ( A(1)) 2 . (233)
Pk P ( X k ) C nk p k q n k qn C n1 pq n1 C n2 p 2 q n 2 C n3 p 3 q n3 рn
214
1. M ( X ) A(1) (q px) Х 1 np (q px) Х 1 np (q p ) np;
n ' n 1 '
( p q 1) ,
M ( X ) np . (235)
2. A(1) np (q px) Х 1 n (n 1) (q px) p Х 1
n 1 ' n2 2 '
n ( n 1) ( q p ) p 2 n (n 1) p 2 ; A (1 ) n ( n 1 ) p 2 ;
D ( X ) A A (1) ( A (1)) 2 n( n 1) p 2 np ( np ) 2 ( np ) 2 np 2
np ( np ) 2 (np ) 2 np 2 np ( np ) 2 np 2 np np (1 p ) npq;
D ( X ) npq ; (236)
( X ) npq . (237)
Приклад 1. У партії однотипних деталей стандартні станов-
лять 95%. Навмання з партії беруть 400 деталей. Визначити
М (Х), D (X), (Х) для дискретної випадкової величини Х —
появи числа стандартних деталей серед 400 навмання взятих.
Розв’язання. Цілочислова випадкова величина Х має біноміальний
закон розподілу ймовірностей, яка може набувати значення
Х = k = 0, 1, 2, ..., 400.
Імовірності можливих значень обчислюються за формулою Бернул-
лі: Pk P ( X k ) C 400 p q
k k 400 k
, де р = 0,95 — імовірність появи стан-
дартної деталі, q = 1 – p =1 – 0,95 = 0,05 — імовірність появи нестанда-
ртної деталі.
Згідно з (235), (236), (237), маємо:
M ( X ) np = 400 0,95 = 380;
D ( X ) npq = 400 0,95 0,05 = 19;
у ( X ) npq = 19 4,36.
215
n = 100, p = 0,8, q = 0,2, k = 0, 1, 2, 3, ..., 100.
За формулами (235), (236), (237) дістаємо:
M ( X ) np = 100 0,8 = 80;
D ( X ) npq = 100 0,8 0,2 = 16;
у ( X ) npq = 16 4.
n a k a n ak
Pk e e a e a e a e 0 1
k 0 k! k 0 k! .
Умова нормування виконується.
Побудуємо ймовірну твірну функцію для цього закону:
n n ak a n ( ax ) k
A( X ) x k pk x k e e a e a e ax e a ( x 1)
k 0 k 0 k! k 0 k .
Отже,
A( X ) e a ( x 1) .
(239)
Скориставшись (232), (233), дістанемо вирази для М (Х), D (X):
1. M ( X ) A (1) (e
a ( x 1)
) X 1 ( ae a ( x 1) ) X 1 a ;
M ( X ) a np . (240)
2. A(1) ( ae )X 1 ( a e) X 1 a ;
a ( x 1) 2 a ( x 1) 2
216
P( X ) a ; (241)
( X ) a . (242)
Отже, для Пуассонівського закону розподілу ймовірностей М
(Х) = D (X) = а.
Приклад 3. Прилад має 1000 мікроелементів, які працюють
незалежно один від одного. Імовірність того, що мікроеле-
мент вийде із ладу під час роботи приладу, є величиною
сталою і дорівнює 0,004. Визначити М (Х), D (X), (Х) ви-
падкової величини Х — числа мікроелементів, що вийдуть із
ладу під час роботи приладу.
Розв’язання. Випадкова величина Х є цілочисловою, що має пуас-
сонівський закон розподілу — імовірності її можливих значень обчис-
люються за формулою Пуассона, котра є асимптотичною щодо форму-
ли Бернуллі для великих значень n і малих значень p, так званих
малоймовірних випадкових подій.
За умовою задачі маємо:
M ( X ) np = 1000 0,004 = 4;
D ( X ) M ( X ) np = 4;
Х пр 4 2.
Приклад 4. У деякому населеному пункті маємо 0,1% даль-
тоніків. Навмання вибирають 5000 мешканців цього населе-
ного пункту. Визначити М (Х), D (X), (Х) випадкової вели-
чини Х — числа дальтоніків, яких буде виявлено серед 5000
навмання вибраних мешканців.
Розв’язання. Цілочислова випадкова величина Х має пуассонівсь-
кий закон розподілу. Із умови задачі: n = 5000, p = 0,0001. Згідно з
(240), (241), (242), дістаємо:
M ( X ) np = 5000 0,0001 = 0,5;
D ( X ) M ( X ) np = 0,5;
( X ) np 0,5 0,71 .
217
4. Геометричний закон розподілу ймовірностей
k 1 k 1 q k 1 .
Ураховуючи, що Х 1 , дістаємо
k
p
А Х x k pk x k pq k 1 qx .
k 1 k 1 q k 1
Оскільки X 1 , то
p p p qx
A( X ) (qx) k (qx (qx) 2 (qx) 3 ...)
q k 1 q q 1 qx ;
px
A( X )
1 qx . (244)
Числові характеристики для цього закону:
'
px p (1 qx) pqx
M ( X ) A(1)
1. 1 qx Х 1 (1 qx ) 2
Х 1
218
p p p 1
2
2
2
(1 qx) X 1 (1 q ) p p
;
1
M (X )
p. (245)
'
p 2 pq (1 qx)
A(1) 2
4
2. (1 qx) Х 1 (1 qx) Х 1
2 pq 2 pq 2 pq 2q
3
3
3 2
(1 qx) X 1 (1 qx ) p p
;
2q 1 1 2q p 1 q
D ( X ) A(1) A(1) ( A(1)) 2 2 2 2
p p p p2 p .
q
D (X ) 2
p ; (246)
q
(X )
. p (247)
Серед дискретних випадкових величин лише геометричному за-
кону притаманна властивість відсутності післядії. Це означає, що
ймовірність появи випадкової події в k-му експерименті не залежить
від того, скільки їх з’явилося до k-го, і завжди дорівнює p.
Приклад 5. Гральний кубик підкидається до першої появи
цифри 6. Визначити М (Х), D (X), (Х) для випадкової вели-
чини Х числа здійснюваних підкидань.
Розв’язання. Випадкова величина Х є цілочисловою, що має геомет-
1 5
ричний закон розподілу ймовірностей. За умовою задачі: p = 6 ; q = 6 .
Скориставшись (245), (246), (247), дістанемо:
5
1 1 q
M ( X ) 6 D ( X ) 2 6 30
p 1 p 1
6 ; 36 ; ( X ) 30 5,48 .
Приклад 6. Спортсмен стріляє зі спортивної рушниці по
одній і тій самій мішені. Імовірність влучити в мішень при
одному пострілі є величиною сталою і дорівнює 0,8. Стріль-
ба по мішені ведеться до першого влучення. Визначити М
219
(Х), D (X), (Х) випадкової величини Х — числа витрачених
спортсменом набоїв.
Розв’язання. Випадкова величина Х є цілочисловою, з геометрич-
ним законом розподілу ймовірностей. За умовою задачі: p = 0,8; q = 0,2.
Згідно з (245), (246) і (247) маємо:
1 1 5 q 0,2 5 5 5
M (X ) D (X ) 2 (X )
p 0,8 4 ; p 0,64 16 ; 16 4 .
220
0
=При х = 1 дістаємо невизначеність 0 , яку розкриваємо за прави-
1
lim
1 n 1x n 1 x x x n1
1 x 2
лом Лопіталя= п
x 1
1 (1 ( n 1) x n )(1 x ) x x n 1 1 1 ( n 1) x 4 x ( n 1) x n 1 x x n 1
lim lim
n x 1 (1 x ) 2
n x 1 (1 x ) 2
1 ( n 1) x n
( n 1 ) x n 1
x n 1
1 ( n 1) nx n 1
( n 1) 2 n
x ( n 1) x n
lim lim
n x 1 (1 x ) 2 n x 1 2 (1 x )
n 1 nx n 1 n 1 x n x n
lim
2n x 1 2 1 x При х = 1 знову дістаємо неви-
0
значеність 0 , яку розкриваємо за правилом Лопіталя =
n 1 n (n 1) x n2 n (n 1) x n1 nx n1 n 1
lim n (n 1) n (n 1) n
2n x1 1
2n
n 1 n 1
( n 2 n n 2 n n) ;
2n 2
n 1
M (X )
(250) 2 .
2. Виконуючи аналогічні, але більш громіздкі перетворення,
дістаємо:
n2 1
D X ;
12 (251)
n2 1
X .
2 3 (252)
Приклад 7. Знайти М (Х), D (X), (Х), якщо цілочислова ви-
падкова величина Х має рівномірний закон розподілу і мож-
ливі значення її такі:
X k k 1, 2, 3, ..., 100 .
221
n 2 1 1000 1 9999
D( X ) 832,25
12 2 12 .
n2 1
( X ) 832,25 28,87
2 3 .
X xk k 0 1 2 ... m
C nm Cnm C nm Cnm С пт
При цьому m n.
m 1 m k mk
Pk Cn Cnn1 1
Умова нормування k 0 Cnm k 0 1 .
Залежно від умови задачі найменше значення може становити m
= 0, 1, 2, 3, ..., m – 1.
Числові характеристики цього закону обчислюються за наведе-
ними далі формулами:
222
1 т
М Х kC k C m k
1. С пт k 0 n1 n n1 . (254)
1 m
D X k 2Cnk1 Cnmnk1 M 2 X
2. Cnm k 0 . (255)
1 m
X k 2Cnm1 Cnmnk1 M 2 X
3. Cnm k 0 . (256)
Приклад 8. В ящику міститься 10 однотипних деталей, із
них 7 стандартних, а решта є бракованими. Навмання із
ящика беруть m деталей. Побудувати закони розподілу ці-
лочислової випадкової величини Х — появу числа стандарт-
них деталей серед m навмання взятих і обчислити М (Х), D
(X), (Х), якщо: 1) m = 3; 2) m = 4; 3) m = 5; 4) m = 7.
Розв’язання. Використовуючи формулу (253) побудуємо гіпергео-
метричні закони розподілу:
1. m = 3; n1 = 7; n n1 = 3; k = 0, 1, 2, 3.
У табличній формі гіпергеометричний закон подається так:
X xk k 0 1 2 3
Або
k 0 1 2 3
C7k C3k 1 21 63 35
Pk
120 120 120 120 120
1 21 63 35 120
Pk 1
120 120 .
1 21 63 35 21 126 105 252
M ( X ) kpk 0 1 2 3 2,1
1) 120 120 120 120 120 120 ;
1 21 63 35 21 252 315
M ( X 2 ) k 2 pk 0 1 4 9
2) 120 120 120 120 120
223
588
4,9; D( X ) M ( X 2 ) M 2 ( X ) 4,9 (2,1) 2 4,9 4,41 0,49
120 ;
3) ( X ) 0,49 0,7 .
2. m = 4; n1 = 7; n n1 = 3; k = 1, 2, 3, 4.
У табличній формі закон розподілу подається так:
X xk k 1 2 3 4
або
k 1 2 3 4
7 63 105 35 210
Pk 1
210 210 .
7 63 105 35
M ( X ) kpk 1 2 3 4
1) 210 210 210 210
7 126 315 140 588
2,8
210 210 ;
7 63 105 35
M ( X 2 ) k 2 pk 1 4 9 16
2) 210 210 210 210
7 252 945 560 1764
8,4
210 210 ;
3) ( X ) 0,56 0,75 .
3. m = 5; n1 = 7; n = 3; k = 2, 3, 4, 5.
У табличній формі закон подається так:
X xk k 2 3 4 5
224
або
k 2 3 4 5
21 105 105 21
M ( X ) kpk 2 3 4 5
1) 252 252 252 252
42 315 420 105 882
3,5
252 252 ;
21 105 105 21
M ( X 2 ) k 2 pk 4 9 16 25
2) 252 252 252 252
84 945 1680 525 3234
12,83
252 2252 ;
D( X ) M ( X 2 ) M 2 ( X ) 12,83 (3,5) 2 12,83 12,25 0,58 .
3) ( X ) 0,58 0,76 .
4. m = 7; n1 = 7; n n1 = 3; k = 4, 5, 6, 7.
У табличній формі закон подається так:
X xk k 4 5 6 7
або
k 4 5 6 7
C7k C37 k 35 63 21 1
Pk 7
C10 120 120 120 120
225
35 63 21 1
M ( X ) kpk 4 5 6 7
1) 120 120 120 120
140 315 126 7 588
4,5
120 120 ;
35 63 21 1 2942
M ( X 2 ) k 2 pk 16 25 36 49 24,52
2) 12 120 120 120 120 ;
D ( X ) M ( X 2 ) M 2 ( X ) 24,52 ( 4,5) 2 24,52 20,25 4,27;
3) ( X ) 4,27 2,1 .
226
11. Вивести аналітичний вираз ймовірної твірної функції
для пуассонівського закону розподілу.
12. Числові характеристики пуассонівського закону розпо-
ділу (М (Х), D (X), (Х)).
13. Що називають геометричним законом розподілу ймовір-
ностей?
14. Вивести аналітичний вираз ймовірнісної твірної функції
для геометричного закону розподілу.
15. Числові характеристики геометричного закону розподі-
лу (М (Х), D (X), (Х)).
16. Що називають рівномірним законом розподілу ймовір-
ностей?
17. Вивести аналітичний вираз ймовірнісної твірної функції
для рівномірного закону розподілу.
18. Числові характеристики для рівномірного закону розпо-
ділу (М (Х), D (X), (Х)).
19. Дати означення гіпергеометричного закону розподілу.
20. Числові характеристики для гіпергеометричного закону
розподілу (М (Х), D (X), (Х)).
Приклади до теми
227
10 40 30 4
Pk
84 84 84 84
228
7. Для космічного корабля ймовірність зіткнення його з метеори-
том малої маси дорівнює 0,001 протягом одного оберту навкіл землі.
Космічний корабель здійснив 900 обертів. Знайти М (Х), (Х) для
дискретної випадкової величини Х — числа зіткнень космічного ко-
рабля із метеоритами малої маси.
Відповідь. М (Х) = 0,9, (Х) 0,95.
8. Монета підкидається доти, доки вона випаде гербом. Знайти М
(Х), (Х) дискретної випадкової величини Х — числа здійснених
підкидань.
Відповідь. М (Х) = 2, (Х) 1,41.
9. Робітник за зміну обслуговує 14 однотипних верстатів-
автоматів. Імовірність того, що верстат за зміну потребує уваги ро-
бітника становить 1/7. Знайти М (Х), (Х) дискретної випадкової ве-
личини Х — числа верстатів-автоматів, що потребують уваги робіт-
ника за зміну.
3
2
Відповідь. М (Х) = 2, (Х) = 7 .
229
ТЕМА 10. ОСНОВНІ ЗАКОНИ НЕПЕРЕРВНИХ
ВИПАДКОВИХ ВЕЛИЧИН
x
a< 0 0 a>0 a< 0 0 a> 0 x
Рис. 91 Рис. 92
Із рис. 91 бачимо, що графік f (x) розміщений симетрично віднос-
но умовно проведеного перпендикуляра в точку Х = а. Зі зміною зна-
чень параметра а крива f (x) зміщується праворуч, якщо а > 0 або лі-
воруч, якщо a < 0, не змінюючи при цьому своєї форми; f (a) = max,
отже, Мо = а.
228
Із рис. 92 бачимо, що графік F(x) є неспадною функцією, оскіль-
ки f (x) = F (x) > 0 і, як буде доведено далі, F(a) = 0,5.
Отже, Ме = а.
Зі зміною значень параметра а крива F(x) зміщується праворуч для
а > 0 або ліворуч при а < 0, не змінюючи при цьому форми кривої.
Отже, для нормального закону Мо = Ме = а.
Зі зміною значень при а = const змінюється крутизна кривих у
околі значень X = а, що унаочнюють рис. 93 і 94.
1
2
0 a х
Рис. 93 Рис. 94
0 x 0 х
Рис. 95 Рис. 96
229
1.1. Визначення Ме, Аs, Es
( x a) 2
1 Me
2 2
е
По визначенню медіани маємо F(Me)= 2 dx = 0,5
xa Me a
z x Me, z dx dz F (Me)
Me a Me a
Me a
z2 z2 0 z
2
z2
1 1 1
e 2 dz 0,5 e 2 dz 0,5 e dz
2
e 2 dz
2 2 2 0
Me a Me a
z2 z2
1 1 Me a
0,5 0,5 e 2 dz 0,5 e 2 dz 0
2 0 2 0
Me a
0 0 Me a.
Для визначення As необхідно знайти 3.
( xa)2 xa
1 z , dx dz
3 ( x M ( x)) f ( x) dx
3
( x a) e3 2 2 dx
2
x a z
z2 z2
1 3
z e
3 3 2 dz z e 3 2 dz 0
2 2 ,
оскільки підінтегральна функція є непарною, а межі інтегрування є
симетричними відносно нуля. Таким чином, 3 = 0, а отже, і As = 0.
Для визначення Еs необхідно знайти 4.
230
( xa)2 xa
1 z , dx dz
4 ( x M ( x)) 4 f ( x) ( x a) 4 e 2 2 dx
2
x a z
z2 z2 z2
1 4 2 4
z e
4 4 2 dz z e 4 2 dz z e 4 2 dz
2 2 2 0
u z 3 ; du 3 z 2 dz z2
z2
2 4 3
z2 z2 z e 2 3 z e 2 2 dz
dz dv v
e 2 2 0
ze 2 0
z2 u z; du dz
6 4
2
z e 2 dz z2 z2
2 0
ze
2 dz dv v e
2
z2
z
2 z2
6 4
6 4 2 6 4 2
ze 2 e 2 dz e dz 3 4 .
2 0 2 0 2 2
0
Отже, 4 =3 .
4
4 3 4
4
3 4 3 0.
Тоді Еs =
Отже, доведено, що для нормального закону Аs = Es = 0 при
будь-яких обмежених значеннях параметрів а і .
231
1.2. Формули для обчислення ймовірностей по-
дій: б x в; x a д.
( x a ) 2
1
Р x f ( x) dx e 2 2
dx
1) 2
xa a
z x z a, dx dz z2
1
e 2 dz
a a 2 a
x z
a a
z2 0 z2 z2
1 1 1
e 2 dz e 2 dz e 2 dz
2 a 2 a 2 0
a a
z2 z2
1 1 а а
e 2 dz e 2 dz Ф Ф .
2 0 2 0
Отже,
a а
P( x ) = . (261)
2) P( x a ) P(a x a ) a , a
232
1.3. Правило трьох сигм для нормального зако-
ну
М(Y) = ka + b, ( y) k .
Приклад 1. Відомо, що випадкова величина Х має закон
розподілу N(– 4; 2).
Записати вирази для f (x), F(x) і накреслити їх графіки. Обчи-
слити Р(– 6 < x < 3), P( x 4 < 4). Чому дорівнюють Мo, Ме,
Аs, Es?
233
Розв’язання.
( x4 )2
1
f ( x) e 3
, x ;
2 2
( x4 )2
1 x
F ( x)
e dx. 3
2 2
Графіки f (x), F(x) наведені на рис. 97 і 98.
1 F ( x)
– 4;
2 2 f (x )
1
0,5
–4 0 х –4 0 х
Рис. 97 Рис. 98
Використовуючи формули (261), (262), обчислюємо ймовірності:
3 ( 4) 6 ( 4) 3 4 6 4
P ( 6 x 3)
1) 2 2 3 2
(3,5) (1) (3,5) (1) 0,49966 0,3413 0,84096;
Р( 6 x 3) 0,84096.
4
P x 4 4 2 2 0,4772 0,9544.
2) 2
Р х 4 4 0,9544.
Mo = Me = a = – 4; As = Es = 0.
Приклад 2. Випадкова величина Х має закон розподілу N (2; 5).
Знайти f (y), якщо у = – 2х + 1. Обчислити Р(–2 < y < 5).
Розв’язання. Оскільки М(Y) = М (kx + b) = kM(x) + b = – 2 2 + 1 = –
3, D (Y) = D (kx + b) = k2D (x) = 4 25 = 100, (y) = 10, то щільність імо-
вірностей випадкової величини Y
( y 3) 2
1
f ( y) e 200 , y .
10 2
Імовірність події –2 < у < 5 така:
234
5 (3) 2 (3)
P(2 y 5) (4) (0,5) 0,5 0,1915 0,3085.
2 2
( x 12 )
1
f ( x) e 2 , x .
Приклад 3. Задано2 2 Знайти
М(у), kxy, якщо у = 2х – 3x + 5.
Розв’язання. Оскільки М(Y) = М(2х2 – 3x + 5) = 2M(x2) – 3M(x) + 5;
M(XY) = M(x (2x2 – 3x + 5)) = M(2x3 – 3x2 + 5x) = 2M(x3) – 3M(x2) + 5M(x)
і при цьому М(х) = –1, М(x2) = D(x) + M2(x) = 1 + (–1)2 = 2, то нам необ-
хідно лише знайти М(х3).
( x 1) 2
1 x 1 z dx dz
M ( x 3 ) x 3 f ( x) dx x 3e 2 dx
2 x z 1
z2 z2
1 1
(z 1) 3 e 2 dz ( z 3 3 z 2 3z 1) e 2 dz
2 2
1 3 2
z2 z2 z2 z
2
z e 3 z e dz 3 ze dz e dz
2 2 2 2
2
1 2 2
z 2
u z, du dz
6 z e dz 2 z 2
z2
2 0 ze 2 dz dv v e 2
1 2
z2 z
2 z2
1
6 ze 2 e dz 2
2 6 e dz 2
2 0 2 0
0
1 2 1
6 2 ( 4 2 ) 4.
2 2 2
Отже, М(х3) = – 4.
M(Y) = 2 2 – 3 (–1) + 5 = 12;
M(XY) = 2 (–4) – 3 2 + 5 (–1) = –19;
Kxy = M(XY) – M(X) M(Y) = –19 – (–1) 12 = 7.
Отже, одержали: M(Y) = 12, kxy = 7.
Приклад 4. Відомо, що діаметр кульки підшипника D є ви-
падковою величиною, що має нормальний закон розподілу.
Бракування кульок здійснюється за таким алгоритмом: якщо
кулька не проходить через отвір із діаметром 5,5 мм, але
проходить через отвір із діаметром 5,58 мм, то її розмір від-
повідає стандарту. Якщо будь-яка із наведених умов не ви-
235
конується, то кулька бракується. Визначити d, якщо брак
становить 10%.
Розв’язання. Середній діаметр кульки
5,5 5,58 11,08
5,54
md = 2 2 мм.
Якщо позначимо d1 = 5,5мм, d2 = 5,58 мм, то ймовірність того, що
кулька буде забракована, визначається як:
d md d md
P 1 P(d1 d d 2 ) 1 2 1
d d .
d1 d 2
md
Оскільки 2 — математичне сподівання, то виконуються
рівності:
d1 d 2 d 1 d 2
d2 2
d1
2
P 1 P ( d 1 d d 2 ) 1
d
d
d d1 d 1 d 2 d 2 d1 d 2 d 1
1 2 2 1 2 2
2 d d d d
d d1
1 2 2 .
2 d
Далі маємо:
d d1 d d1 d d1
2 2 0,9 2 0,45 2
2 d 2 d 2 d =
d d 5,58 5,5
1,65 d 2 1 0,024 мм;
3,3 3,3 d 0,024 мм.
236
x , y . (264)
Тут exp (z) = e – z, де
1 (x a x ) 2 ( x a x )( y a y ) ( y a y ) 2
z 2 r
2(1 rxy2 ) 2x
xy
x y 2y ;
k xy
x x ( X ), a y M (Y ), y (Y ), rxy .
ax = M(Х), x y
Якщо rxy = 0, то щільність імовірностей набере такого вигляду:
1 1 ( x a )2 ( y a y )2
f ( x, y ) exp x
,
2 x y 2 2x
2 y
x , y . (265)
У цьому випадку
( x ax )2 ( y a y )2
1 2 2x 1 2 2y
f ( x, y ) f ( x ) f ( y ) e e .
x 2 y 2
Якщо ах = ау = 0, то
1 x2 y2
1 2 2x 2y
f ( x, y ) e
, x , y .
x y 2 (266)
У результаті перетину поверхні (264) площинами, паралельними
координатній площині хОу, і проектування перерізів на цю площину
утворюється множина подібних і однаково розташованих еліпсів зі
спільним центром на початку координат. Кожний такий еліпс —
геометричне місце точок, де f (x, y) є величиною сталою. Тому еліп-
си називають еліпсами рівних щільностей. Перетинаючи поверхні
(265), (266) такими площинами і проектуючи ці перерізи на коорди-
натну площину хОу, дістаємо множину кіл.
Імовірність потрапляння (Х, Y) у прямокутну область а < x < b, c
< y < d, коли Kxy = 0, буде така:
237
2
1 ( xa x )2 ( y a y )
2
bd 1 bd 2 2
P(a x b, c y d ) f ( x, y)dx dy
e x y dx dy
ac x y 2 a c
( y a y )2
( x a x )2
2 2 y 2
1 b d
2 x
e dy
dx e
x 2 a c
x ax y ay
z, dx xdz, t , dy y dt
x y
a ax b ax c ay d ay
a xb z ,c yd t
x x y y
d a y ba y d a y
ba x
x z2 y t2 y z2 y t2
1 1 1 1
e x dz
2
e y dy
2
e dz 2
e 2 dt
x 2 a a x y 2 c a y 2 a a x 2 c a y
x y x y
d a y
bax
1
2 t2 2 t2
0 z x 0 z y
1 1 1
e dz
2
e dz
2
e dt
2
e 2 dt
2 a a x 2 0 2 c a y 2 0
x y
d a y ca y
bax aax
z2
1 x 2
z2
1 x 2 1 y
t2
1 y
t2
e dz e dz e 2 dt e 2 dt
2 0 2 0 2 0 2 0
b ax a ax d ay c ay
.
x x y y
Отже,
b ax a a x d ay c a y
P(a x b, c y d )
x x y y . (267)
238
(50 – 0,1) мм < х < (50 + 0,1) мм, (20 – 0,05) мм < y < (20 +
0,05) мм.
Розв’язання. Імовірність того, що валик не буде забракованим, ви-
значається імовірністю влучення розмірів (х, у) у прямокутну область,
зображену на рис. 100.
у
20 + 0,05
20 – 0,05
50 – 0,1 50 + 0,1 х
Рис. 100
0,1 0,05
P x 50 0,1 y 20 0,05 4
0,1 0,005
4 (1) (10) 4 0,3413 0,5 0,6826.
Імовірність браку така:
1 P x 50 0,1 y 20 0,5 1 0,6826 0,3174,
що становить 31,74%.
239
0, x 0;
(ln x a y ) 2
f ( x) 1
2 y 2
e , x 0.
x y 2 (268)
Закон розподілу випадкової величини Х із щільністю (268) нази-
вають логарифмічним нормальним законом.
ln x a y
z ln x y z a y x e y z a y
y
y za y
dx y e dz , 0 x z
z2 z2
1 y za y e ay y z
e 2 ye dz e 2 dz
y 2 2
z2 y2 (z y ) 2
yz
2 2 2
y2
2 2 ay 2
e ay y ( z y ) e 2 ( z y )
e 2 2 dz e 2 dz
2 2
y2 y2
ay t2 ay y2
z y t e 2 e 2 ay
e 2 dt 2 e 2 .
dz dt 2 2
2у
ау
М Х е 2
. (269)
(ln x a y )2 (ln x a y ) 2
1
1 2 y2 1
2 y2
M ( X 2 ) x 2 f ( x) dx x
2
e dx xe dx.
2. 0 y 2 0 y 2 0 x
Виконуючи таку саму заміну, як і для знаходження М(Х), дістаємо:
240
z2 2 z 2 a z
2
2 z z
2
1
y z a y 2 y z ay 1 y y e2 a y y
e e ye dz e 2 dz e 2 dz
y 2 2 2
2 2
2 2 ( z 2 y ) ( z 2 y )
2 2
e2 a y e2 a y 2 y e 2 a y 2 y 2
2 e2a y 2 y ;
y
e 2 dz
e 2 dz
2 2 2
2 a y 2 2y
M (X ) e
2
.
2y
2a y 2 2y ay 2 2
D(X ) M (X ) M (X ) e 2 2
e 2 e2 a y 2 y e2 a y y
2 2
e2a y y (e y 1).
2 a y 2y 2y
3. D( X ) e (e 1) . (270)
Приклад 6. Випадкова величина Х має закон розподілу N (2;
4). Знайти математичне сподівання і дисперсію для логари-
фмічного нормального закону випадкової величини Y.
y2
ax
Розв’язання. М(Y) = e 2
e10 .
2 2
D (Y ) e 2 ax x (e x 1) e 2 216 (e16 1) e 20 (e16 1).
0 a x
Pис. 101
241
Щільність імовірностей цього закону буде така:
0, x0
2
f (x ) C
( x a
2
)
e 2 , x 0.
2
Сталу С знаходимо з умови нормування:
2 2
C ( x a) 1 1 ( x a)
f ( x)dx 1 e 22 dx 1 C 2
; e 22 dx
0 2 0 1 ( x a) 2 0
e 22 dx
2 0
xa
z, dx dz z2 z2
1 2 1 2
e dz e dz
a 2 a 2 a
0 x z
a
2 2 2 2
1 0 z 1 z 1 z 1 z
e 2 dz
e 2 dz e 2 dz e 2 dz
2 a 2 0 2 0 2 0
а а
0,5 0,5 .
1
С
0,5 а
Звідси .
Отже,
0, x 0;
1
( xa) 2
f ( x) e 2 2 , x 0;
0,5 а 2
(271)
0, x 0;
( x a )2
x 2 2
F ( x) 1
e , x 0.
а
0,5 2
0
(272)
242
4.1. Числові характеристики
( x a) 2
C 2 2
M ( X ) xf ( x )dx xe dx
1. 0 2 0
xa
z x z a, dx dz z2
C
( z a ) e 2 dz
a 2 a
0 x z
z2 z2 z2
C C Ca
( z a ) e 2 dz ze 2 dz e 2 dz
2
a 2
a 2
a
z2 z2
C C
( z a ) e
2 2
dz ( z 2 az a )e
2 2 2 2
dz
2
a 2
a
z2 z2 z
2
C C C
z e
2 2 2
dz 2 a ze 2
dz a e 2 2
dz .
2
a 2
a 2
a
z2 u z, du dz
C
2 z 2e 2 dz z2
z2
2 a
ze 2 dz dv v e 2
1)
243
C
z2
C a2 z2
2 a
e 2 0,5 a
ze 2
2
e dz 2 2
2 2
a
a
a
a2 2 0,5 a2
C 2 Ca 2 2
a e 2
2
e .
2 2 0,5 a 2 2
C
z 2
C z2 C
a2
2 a ze dz 2 2 a e 2
a
2 ae 2 .2
2
a 2
2
2) 3)
а
z2 2 0,5 Ф
C C a а2
a2 e 2 dz a 2 0,5 Ф
a .
2 a 2 2 0,5 Ф а 2
a2 a2 a2
2 2 Ca
22 2Ca
22 a2 2 Ca
22 a2
M (X ) e e e .
2 2 2 2 2 2 2
3. D ( X ) M ( X ) M ( X )
2 2
2
a2
a2 a2
2 a
e 2 2 a e 2 2
2 0,5 a 2 0,5 a
(274)
Приклад 7. За заданим N (2; 4) записати f (x), F(x) для уріза-
ного нормального закону (ліворуч) і знайти М(Х), D(X).
Розв’язання. Використовуючи (273) — (276), одержимо:
0, x 0; 0, x 0;
( x2 ) ( x2 )
f ( x) 1 F ( x) 1 x
e 32 , x 0; e 32 dx , x 0.
2,766 2 2,766 2 0
1 1 1
1, 446 16 11,57
M (X ) 2 e 8; D(X ) e 8
( 2 5,79e 8 ) 2 .
2 2 2
244
5. Гамма-розподіл
245
(1) е z dz e z
0 1;
1. 0
1 e z 1
1 t2
1 z 2 e z dz z 2 e z dz dz z , dz tdt
2. 2 0 0 0 z 2
t2
t2
e 2 tdt 2
2e 2 dt 2 .
0 t2 0 2
2
1 .
2 (278)
3. Установимо зв’язок між гамма-функціями ( 1) і ().
( 1) z e z dz,
0
() z 1 e z dz.
0
Зінтегруємо ( 1).
u z , du z 1 dz
( 1) z e z dz z
0 e dz dv v e z
z e z 0
z 1 e z dz z 1 e z dz ( ).
0 0
Отже,
( 1) ( ) . (279)
Якщо, наприклад, = n, де n — ціле невід’ємне число, то:
Г(n + 1) = nГ(n).
Використовуючи рівність (278) для Г(n), дістаємо:
Г(n) = (n – 1)Г(n – 1),
для Г(n – 1) рівність (278) набуде такого вигляду:
Г(n – 1) = (n – 2)Г(n – 2)
і так для кожного цілого значення аргументу гамма-функції.
Таким чином,
Г(n + 1) = n Г (n) = n(n – 1) Г (n – 1) = n (n – 1) (n – 2)Г(n – 2) = … =
n(n – 1)(n – 2) … Г(1) = n(n – 1)(n – 2) … 1 = n!
Отже,
246
Г(n + 1) = n! (280)
Так, наприклад, Г(6) = 5! = 5 4 3 2 1 = 120.
D(X )
2 . (282)
( X ) .
3. (283)
247
0, x 0;
f ( x)
(n 1)! (x) e , x 0,
k 1 x
k 1, 2, 3,... .
(283а)
Функція розподілу ймовірностей
0, x 0;
F ( x) x
n 1 x
(k 1)! (x) e , x 0.
0 (283б)
Закону розподілу Ерланга k-го порядку підлягає сума незалежних
випадкових величин х = х1 + х2 + … + хк, кожна з яких має експонен-
ціальний закон із параметром .
k
1. M ( X ) ;
k
2. D ( X ) 2 ;
k
3. ( X ) .
(283в)
0, x 0;
f ( x) 1
x
Cx 5e 2 , x 0.
Приклад 8. Задано
Знайти С і F(x). Обчислити М (Х), D (Х), (Х).
1
6, .
Розв’язання. Із умови задачі маємо: 2
Використовуючи формули (275), (276), (277), (281), (282), (283), за-
писуємо:
6
1
2 1 1 1
C
( ) ( 6) 64 51 64 120 7680 .
Тоді
248
0, x 0;
f ( x) 1 1
x
x 5e 2 , x 0;
7680
0, x 0;
F ( x) 1 x 5 x 1
x e 2 dx , x 0.
7680 0
6
M ( X ) 12;
1
2
6
D ( X ) 2 24;
1
4
( X ) 24 4,9.
1
0 x 0 x
Рис. 102 Рис. 103
249
7.1. Числові характеристики
f (t)
t t0
e
0 t0 t
Рис. 104
t
На рис. 104 зображено щільність експоненціального закону e .
Коли збіжить час t0, який вигляд матиме щільність експоненціально-
го закону на проміжку[t0, ]?
Розглянемо заштриховану область. Щоб звести заштриховану
область до стандартного для щільності вигляду, маємо виконати та-
250
ке нормування, щоб площа, обмежена f (t) на проміжку [t0, ], дорі-
внювала одиниці. Дістанемо нову щільність імовірностей, визначену
для t [t0, ], яка буде точною копією початкової функції.
Приклад 9. Задано
0, x 0;
F ( x) 5x
1 e , x 0.
8. Бета-розподіл
251
z 1 dz
1 x ; 1 x ; dx
х 1 1 х
1
dx 1 z 1 z 1 z 2
0
0 x 1 0 z
z 1
dz
0 1 z . (290а)
( P ) t p1e t dt .
Як відомо, 0
Якщо t = my, то
1 1 р1 ту
Р т р у р1 е ту dy у е dy.
0 m p
Р 0
Позначимо m (1 z ), p .
Тоді
1 1
p 1 (1 z ) y
y e dy
(1 z ) ( ) 0 . (291)
Підставляючи вираз (291) у (290а), дістаємо
поміняємо
1 z 1 1 1 (1 z ) y 1
dz y e dy z dz порядок
0 (1 z ) ( ) 0 0
інтегрування
1
z 1e yz dz y 1e y dy
Г ( ) 0 0
()
оскільки внутрішній інтеграл z 1 e yz dz , дістаємо
0 y
() 1 Г() 1 у ()( )
у 1 е у dy у е dy
( ) 0 у Г( ) 0 ( ) .
Остаточно маємо:
1 () ( ) ( )
B (, ) x 1 (1 x ) 1 dx , С
0 ( ) тоді ( ) ( ) . (292)
Отже,
0, x 0;
( ) 1
f ( x) x (1 x ) 1 , 0 x 1;
( ) ( )
0, x 1. (293)
252
0, x 0;
( ) х 1
F ( x) х (1 х) 1 dx, 0 x 1;
( ) Г ( ) 0
1, x 1. (294)
М Х2 1 1
;
( 1) 2
D (X ) M (X 2) M 2(X ) .
3. ( ) ( 1) ( ) 2
( ) ( 1)
2
D X .
1
2
(296)
1
( X )
4. 1 . (297)
Приклад 10. Задано
253
0, x 0;
f ( x) Cx 5 (1 x) 6 , 0 x 1;
0, x 1.
Знайти С, М (Х), D (Х), (Х).
1 1 42 3
( X ) .
1 13 14 13
9. Розподіл Вейбулла
254
1
x
x
z x z 1 1
z
x1e dx 1z z
e z
dz e dz
0
1
0 0
dx z
dz
e z 0 .
C .
(298)
Щільність імовірностей для розподілу Вейбулла:
0, x 0;
p
f x x 1 x
e
, x 0.
(299)
Функція розподілу ймовірностей
x
1 x x x x
x x x
x
x
F ( x ) f ( x ) dx e dx e d e 1 e .
0 0 0
0
Звідси
0, x 0;
F ( x) x
1 e , x 0
(300)
Отже, розподіл Вейбулла визначається двома параметрами , .
255
1
M X 1 .
(301)
1 x 1 x
x x
M ( X 2 ) x 2 f ( x)dx x 2 e dx e dx
2. 0 0 0
2
М Х 2 Г 1
.
2 1
D ( X ) 2 Г 1 Г 2 1
3. . (302)
2 2 1
(X ) 1
4. . (303)
Приклад 11.За заданими параметрами = 2, = 4 записати
математичний вираз для f (x), F (x) і обчислити числові харак-
теристики М (X), D (X), (X).
Розв’язання. Використовуючи (302) — (306),
0, x 0;
f ( x) 1 x
1
xe 16 , x 0.
8
1 1 1 1
1 4 1 4 2
1. M ( X ) 2 2 2 ;
1
,
2 що було нами доведено;
2 1 1
D ( X ) 2 1 2 1 16 Г (2) 2 1
2. 2
256
1
16 2 4 (8 ).
4
3. ( X ) 2 8 .
1
C k
k
22
Тоді 2 (304)
257
0, x 0;
k x
1 1
f ( x) k x 2 e 2 , x 0.
2 2 k
Отже, 2 (305)
Функція розподілу ймовірностей
0, x 0;
k x
1 x 1
F (x) k x 2
e 2
dx , x 0.
22 k 0
2 (306)
k x k x
1 1 1
M X x k
x2 e 2 dx k x2e 2 dx
0 k k 0
22 22
1. 2 2
k
k 1 k
1 22
x z
z x 2 z; (2 z ) 2 e 2dz z 2 e z dz
2 k2 k 0 k
k 0
2 22
dx 2 dz 2 2
k k k
2 1 2
2 2 2 k
2 k
k
k 2
Г
= 2 2 ;
M (X ) k . (307)
k x k x
1 1 1 1
M ( X 2 ) x 2 f ( x ) dx x 2 k
x 2 e 2 dx k x 2 e 2 dx
0 0 k k0
2
2
2 2
2. 2 2
k
k 2 k
x 1 1
z 22 z
1
z x 2 z; k (2 z ) 2
e 2 dz k z 2 e dz
2 2 k0 k 0
2 2
2
dx 2 dz 2 2
258
k k k k
4 2 4 1
2 2 2 2
k ( k 2)
k k
2 2 ;
M ( X 2 ) k ( k 2) ;
3. D ( X ) M ( X ) M ( X ) k ( k 2) k k 2k k 2k ;
2 2 2 2 2
D ( X ) 2k . (308)
4. ( X ) 2k . (309)
Приклад 12.Кожна з 10 незалежних випадкових величин хі
має закон розподілу N (0; 1). Записати вирази для f (x), F(x) і
обчислити M (X), D (X), (X).
Розв’язання. Використовуючи (308)—(312), дістаємо:
k x x x
1 1 1 1
f ( x) x2 e 2 x 4e 2 x 4e 2
k
k 2 5
5
32 4!
22
2
x x
1 1 4 2
x 4e 2 x e .
32 24 768
Таким чином,
0, x 0; 0, x 0;
x
f (x) 1
x F ( x) 1
x 4e 2 , x 0; x 4 e 2 dx, x 0;
768 768 0
M ( X ) k 10;
D ( X ) 2 k 20;
( X ) 2 k 20 4, 47.
2
10.2. Розподіл k
259
0, y 0;
k y
1 1
f ( y) k y 2 e 2 , y 0.
2 2 k
2
Y
X
Знайти f (x), якщо k . Оскільки Y = kХ і при цьому y x k , то
згідно зі (196) дістанемо
kx
1 k
k
kx 2 1 e 2 k
k
22
f ( x ) f ( x ) ( x ) 2
k k
1 k kx k kx
k2 k 1 k2 1
k
x2 e 2 k
x2 e 2.
k k
22 22
2 2
2
Отже, щільність імовірностей розподілу k
0, x 0;
k
k kx
f ( x) k
2 1
x 2
e 2
, x 0.
k2 k
2
2 (310)
10.3. Розподіл
Нехай випадкова величина Y має розподіл 2 із k ступенями свободи:
0, y 0;
k y
1 1
f ( y) k y 2 e 2 , y 0.
22 k
2
Знайдемо f (x), якщо X Y . Оскільки Y = x2 = (х), то ( y ) 2 x .
Використовуючи (196), дістаємо
260
k x2 x2
1 2
x 2 2 1 e
k
2 2x k
x k 1 e 2 .
k k
22 22
f ( x ) f ( x ) ( x ) 2 2
Випадкова величина Х має розподіл , якщо
0, x 0;
x2
1
f ( x) x k 1
e 2
, x 0.
k
2 1 k
2 2
(311)
Функція розподілу ймовірностей
0, x 0;
x2
1 x
F ( x) k 1
x e 2 dx, x 0.
k
2 1 k 0
2 2
(312)
x2 x2
1 k 1
1
M ( X ) xf ( x)dx k x x e 2 dx k x e k 2 dx
0 1 k 0 1 k 0
22 22
1. 2 2
1 2 x2 k 1 k 1
x2 1 1
x k 1 e xdx e z dz
k 1 k 0 2
z x 22 z 2 2 2
z 2
2 k
1 k 0
2 2 2 2
xdx dz 2 2
1
k 1 1 k 1
k 1 k 1 22
2 2 22 1 2 ;
z 2 e z dz z 2 e z dz
k
1 k k k
22
0
0
= 2 2 2
261
1
k 1
22
2
M ( x)
k
2 . (313)
x2 x2
1 1
M ( X 2 ) x 2 f ( x)dx k x2 x k 1e 2 dx k xk 1e 2 dx
0 1 k0 1 k0
22 22
2. 2 2
зробивши таку саму заміну, k
1
як і при визначенні М ( X ), k (2 z ) 2 e z 2dz
1 k 0
дістанемо 22
2
k k k k
k k 2 1 2
22 2 2 11 z 2 2 2 2k k
k
z 2 e z dz
z e dz
1 k 0 k k k 2
22 0
2 2 2 2 ;
M (X 2) k ; (314)
k 1
2 2
2
D (X ) M (X 2 ) M 2 (X ) k .
2 k
2
k 1
2 2
2
D (X ) k
k
2
3. 2 . (315)
k 1
2 2
2
( X ) k
k
2
4. 2 . (316)
Приклад 13.Випадкова величина Х має розподіл із k = 8
ступенями свободи. Записати вираз для f (x), F(x) і обчисли-
ти M(X), D(X), (X).
262
Розв’язання. Обчислимо гамма-функції для k = 8:
k 8
4 3! 6 .
2
2
k 1 8 1 9 1 7 7 7 7 5
4 1 1
2 2 2 2 2 2 2 2 2
7 5 5 7 5 3 7 5 3 3 753 1
1 1
= 2 2 2 2 2 2 2 2 2 2 8 2
7 5 3 1 7 5 3 1 7 !!
.
16
2 16 16
Тут 7!! — добуток натурального ряду непарних чисел, починаючи
від 1 до 7.
У загальному вигляді
(2n – 1)!! (317)
Отже,
0, x 0; 0, x 0;
F ( x) 1
2
f (x) 1
2 x
x
x e dx , x 0.
7 2
x 7 e 2 , x 0.
48 48 0
k 1
2
2 7 !! 2
M (X ) ;
k k
2 2
k 1
2 2
2
D(X ) k 8 2,393;
k
2
2
( X ) 8 2,393 .
10.4. Розподіл k
263
0, y 0;
y2
1
f ( y) k y k 1 e 2 , y 0.
1 k
2 2
2
Y
X
Необхідно знайти f (x), якщо k . Оскільки Y = k Х = (х) і
k x
kx 2 kx 2
1 k 1
k2 k 1
k
e 2
k k
x e 2
1 k 1 k
2 2
2 2
f ( x) f ( x) ( x) 2 2 .
Отже,
0, x 0;
k
k2
kx 2
f ( x) k 1
x e 2 , x 0.
k2 1 k
2
2 (318)
264
0, x 0;
k 1
kx 2
f ( x) 2k k 2 x k 1 e 2 , x 0.
k 2
Г 2
Використовуючи формулу (217), дістаємо:
k 1
kx 2 x2z2
1 2k k 2
k 1
f ( z ) f ( x ) f ( zx ) xdx x e 2
e 2
dx
0 2 k 2 0
2
1
k 1 x2 2t 2
k 1 k 2
x 2
( kz 2 )
(k z 2 ) t x
kz
2
k 1
x e 2 x dx 2
k 2
0
x dx
dt
2 k z2
k 1 k 1 k 1 k 1
k k 2
k 1
k 1 k 2 2 2 t 2
t dt 1
k 1
e k 1 t 2 et dt
k 2 kz 2
k
0
k z 2 2 k z 2 2 0
2 2
k 1
k 1
k k 2 k 1 1 k 1
1 k 2 z2 2
k 1 t 2 e t
dt 1
k 0 k k
k 1 z2 2 k
2 k 2 1 2
k
k 1
k 1
2 z2 2
1 .
k k
k
2
Отже, якщо Y має розподіл N (0, 1), а випадкова величина Х – k ,
Y
Z
то випадкова величина X характеризуватиметься розподілом
Стьюдента зі щільністю ймовірностей
265
k 1
k 1
2 z2 2
f ( z) 1 , z .
k k
k
2 (319a)
Тоді функція розподілу ймовірностей
k 1
k 1
2 z z 2
2
F ( z) 1 k dz
k
k
2
. (319б)
2 z2 2
z 1 k dz 0
k
k
2 .
Оскільки підінтегральна функція є непарною, а межі інтегруван-
ня симетричні відносно нуля:
M (Z ) 0 . (320)
k 1 k 1
2 z2 2
z 2
1 dz
k k
M ( Z 2 ) z 2 f ( z ) dz k
2. 2
k 1 k 1
2 2
k 1
k 1
2 z 2 2 z2 2
z 1
2
dz 2 z 1 dz
k k k k
k k
2 2
266
1
kt 2 1 1 t kdt
z 1 t , dz 2 (1 t) 2
kt
0 z 0 t 1
k 1
k 1
2 1 kt 1 kt 2 1 1 t kdt
2 1
k 0 1 t k 1 t 2 kt (1 t ) 2
k
2
k 1 k 1
k 1 k k 1 1 k
2 1 1 k kt t 2 1 kdt 2 1 2 2
2 1 2 t (1 t ) 2 dt
2
k 5
1 t 20
k
k 0 1 t 2 kt t k
2 2
k 1 k 1
k 1 k k 1 3 k
2 11 2 1 1 2 1 1 1
2 t (1 t ) 2 dt t (1 t ) 2 dt
2
k 20 k
0
2 2
1 3 k
1 3 k
1 1
Зі співвідношення t 2 В ; 1 i згідно з
(1 t ) 2 dt
0 2 2
( р ) ( q )
властивістю бета-функції В ( р; q ) , дістаємо
( р q)
k 1 k 1 3 k
k k 1
2 3 k 2 2 2
В ; 1
2 2
k
k 3 k
1
2 2 2 2
k 1 3 k
1
k 2 2 2
k k 1
2 2
3 1 1 1 1
1 ;
2
2 2 2 2
k k k k
1 1 1 1
2 2 2 2
267
1 k k
1
k 2 2 k
2 .
k k k 2 k 2
1
1
2 2 2
k
D (Z )
3. k 2 . (321)
k
( Z )
4. k 2 . (322)
Приклад 14.Випадкова величина Х має розподіл Стьюден-
та із k = 7 ступенями свободи. Записати вираз для f (x), F(x)
і обчислити M(X), D(X), (X).
Розв’язання. За заданим числом ступеней свободи k = 7 обчислимо
гамма-функції:
k 7 5 5 5 5 3 5 3 3
1 1
2 2 2 2 2 2 2 2 2 2
5 3 1 5 3 1 1 15
1 ;
2 2 2 2 2 2 2 8
k 7
1 1 4 3! 6
2 2 ;
4 4
6 x2 48 x2
f ( x) 1 1 , x
15 7 7
7 7 15
8 ;
4
48 x2
F ( x) 1 7 dx
7 15 ;
M ( X ) 0;
k 7 7
D(X ) 1, 4
k 2 72 5 ;
( X ) 1,4. 1,18 .
268
10.6. Розподіл Фішера—Снедекора
f ( y ) k 2
2
k2 k y
1 2
k
y 2
e 2
, y 0.
22 k 2
2
2
Y
Знайти f (z), якщо Z = X . Оскільки Y = ZХ і при цьому 0 < x < ;
0 < y < ; 0 < z < , то згідно з (217), дістаємо:
k1 k2
k 1 2 k 2 2 k1 kx
1 1 k2
k 2 zx
f ( z ) f ( x) f ( zx ) dx k1 k 2 x 2 e 2 zx 2 1 e 2 x dx
0 k k 0
2 2 1 2
2 2
k1 k2 k1 k 2 z
k 1 2 k 2 2 2t 2 x
k k dx
k k 0 k1 k 2 z
1 2
1 2
2 2
2 2
k1 k 2 z 2t 2dt
xt x dx
2 k1 k 2 z k1 k 2 z
0 x , 0 z
k1 k2 k2 k1 k 2
1 1
k 1 2 k 2 2 z 2 2t 2 2dt
k1 k 2 e t
k1 k 2 0 k1 k 2 z k1 k 2 z
2 2
2 2
269
k1 k2 k2 k1 k 2
1
k 1 2 k 2 2 z 2 2 2 k1 k 2 1
k1 k 2 t 2 e t dt
k1 k 2
k k
1 2 k 1 k 2 z 2
0
2 2
2 2
k1 k 2 1
k k2
оскільки t 2 e t dt 1 , то
0 2
k1
k k2
k2
k 2 2
k1 2 1 k2 k k
2 2 1 1 2
z (k1 k 2 z ) 2
k k
1 2
2 2
k1 2 k 2 2 1 2 k2
k1 k2 k k
k k k k
2 2 1 1 2 k 1 2
z k1 2 (1 2 z ) 2
k k k1
1 2
2 2
k2
k
1 k2
k2 k k
2 k 2 k1 2 1 k 1 2
z (1 2 z ) 2 .
k k k k1
1 2 1
2 2
2 2
Отже, якщо випадкова величина Х має розподіл k1 ,аY— k2 , де
k1 — число ступенів свободи випадкової величини Х, k2 — число
Y
ступенів свободи Y, і при цьому Х і Y не корельовані, то Z = X має
розподіл Фішера—Снедекора зі щільністю ймовірностей
0, z 0;
k1 k 2
k2
k k k
f ( x) 2 k 2 k1 22 1 k 1 2
z (1 2 z ) 2 , z 0.
k1 k 2 k1 k1
2 2 (323)
Функція розподілу ймовірностей
270
0, z0
k1 k 2
k 2
k k k
F ( x ) 2 k 2 k1 z 22 1 k 1 2
z (1 2 z ) 2 dz , z 0.
k1 k 2 k1 0 k1
2 2 (324)
2 2
k t k k k t t 1
z 1 1 2 z 1 2 1 1
k2 1 t k1 k1 k 2 1 t 1 t 1 t
k dt
dz 1 0 z 0 t 1
k 2 (1 t ) 2
k k2
1 k2 k2
k1 k 2
2 k 2 k1 1 k1 t 2 k1 dt
(1 t ) 2
1 2 1 0 2
k k k k 1 t k 2 (1 t )
2
2 2
k k2
1 k2 k2 k2
k1 k 2
2 k2 k1 1 k1 2 t 2 k1 dt
(1 t ) 2
k k k 0 k2
k2
k 2 (1 t ) 2
1 2 1 1 t 2
2 2
k k2
1 k2 k2
k2
2 k2 k1 k1 k1 k1 1 k1
t 2 1 t 2 2 dt
k1 k 2 k1 k2 k2 0
2 2
271
1 k2 k1 1 k 2 1 1 k1
2 1 1
t 2 (1 t ) 2 dt t 2 (1 t ) 2 dt
0 0
k k
1 1 2 1
k k 2 2
B 2 1; 1 1
2 2 k1 k 2
2
k k2 k2 k k k
1 1 1 1 2 1 1 1
k1 2 2 2 k1 2 2
k2 1 2
k k 1
k k 2 k 1 2
k k
2
2 2 2 2 2
k 2 k 2 k1 k2
1
k1 2 2 2 k1 2 k1 .
k2 k1 k 1 k 2 k 2 1 1 k1 2
k
1 1
2 2 2 2
k
M (Z ) 1 .
k1 2 (325)
M ( Z 2 ) z 2 f ( z ) dz
2.
k k2
1 k2
k2 k k
2 k 2 k1 z 2 2 1 k 1 2
z z (1 2 z ) 2 dz
k k k k1
1 2 1 0
= 2 2
k k2
1 k2
k2 k k
2 k 2 k1 z 2 1 k 1 2
z (1 2 z ) 2 dz
k k k k1
1 2 1 0
2 2
Здіснивши таку саму заміну, як і
при визначенні М ( z ), дістанемо
k k2
1 k2 k2
1 k1 k 2
2 k 2 k1 1 k1 t 2 k1 dt
(1 t ) 2
k1 k 2 k1 0 k 2 1 t k 2 (1 t ) 2
Г
2 2
272
k k2
1 k2 л2
2 k2 k1
2 k 2 k1 k1 2 k1 1 2 1 3
t (1 t ) 2 dt
k k k k k
1 2 1 2 2 0
2 2
k k2
1 2 k2 k1
2 k1 1 2 1 3
t (1 t ) 2 dt
k k k
1 Г 2 2 0
2 2
1 k2
1 k1 1 k 2 2 1 k1
2 1
t 2 1 t 2 3 dt t 2 1 t 2 dt
0 0
k k
2 2 1 2
k k 2 2
B 2 2; 1 2
2 2 k k2
1
2
k k2 k2 k k k
1 2 1 2 2 2 1 2
k12 2 2 2 k 2
2 2
12
k 22 k1 k 2 k1 k 2 k2 k1 k 2
= 2 2 2 2 2
k k k k k k k
2 2 2 1 1 2 1 2 2 2 1 2 2
2 2 2 2 2 2 2
k1 k1 k1 k 1 k1 k 1
1 1 1 1 1 2 1
2 2 2 2 2 2
k1 k1 k1
1 2 2
2 2 2
k2 k2 k2 k1
1 2
k12 2 2 2 2
2
k2 k1 k1 k1 k2 k12 (k 2 2)k 2 k12 (k 2 2)
1 2 2 .
2 2 2 2 k 22 (k1 2) (k1 4) k 2 (k1 2) (k1 4)
Отже,
k12 (k 2 2)
M (Z 2 ) .
k 2 ( k 1 2) ( k 1 4)
k12 ( k 2 2) k12
D (Z ) M (Z 2 ) M 2 (Z )
3. k 2 ( k1 2) ( k1 4) ( k1 2) 2
273
k12
(k 2 2) (k1 2) k 2 (k1 4)
k 2 ( k 1 2) 2 ( k 1 4)
k12 2k12 k 2 k1 2
k 2 k1 2k 2 2 k1 4 k 2 k1 4k 2
k 2 ( k1 2) ( k1 4)
2
k 2 ( k 1 2) 2 ( k 1 4) ;
2 k12 k 2 k1 2
D (Z )
k 2 ( k1 2) 2 ( k1 4) . (326)
k1 2k 2 k1 2
(Z )
4. k1 2 k 2 (k1 4) . (327)
274
1 b 2 b 2 ab a 2
M (X 2) x dx .
де ba a 3
Тоді
b 2 ab a 2 (b a ) 2 (b a ) 2
D( X ) .
3 4 12
(b a ) 2
D(X )
3. 12 ;
ba
( X )
4. 2 3 ;
ba
Me M ( X ) .
5. 2
Приклад 15.Випадкова величина Х має розподіл Фішера із
k1 = 6, k2 = 8 ступенями свободи. Записати вирази для f (x), F
(x) і обчислити M(X), D(X), (X).
Розв’язання. Обчислимо значення гамма-функцій:
k 6
1 3 2! 2;
2 2
k 8
2 4
2 2 = 3! = 6;
k k2 68
1 7
2 2 = 6! = 6 5 4 3 2 1 = 720.
Тоді
0, x 0;
f (x ) 2560 3 4
7
x 1 x , x 0.
9 3
0, x 0;
F ( x ) 2560 x 3 4
7
x 1 x dx , x 0.
9 0 3
k1 6 6 3
M (X ) 1,5.
k1 2 6 2 4 2
275
2 k12 ( k 2 k1 2) 2 36 ( 6 8 2) 72 12
D(X ) 3,375.
k 2 ( k1 2) ( k1 4)
2
8 ( 6 2) (6 4)
2
8 16 2
( X ) 3,375 1,84.
Із розглянутих законів: 2, , розподіл Стьюдента, розподіл Фіше-
ра—Снедекора можна зробити висновок, що вони не залежать від па-
раметрів тих законів розподілу, які лежать в основі їх побудови, а зале-
жать лише від числа ступенів свободи.
Теоретичні запитання до
теми ?
1. Визначення нормального закону розподілу.
вати … .
ділу P ( x ) = … .
276
10. Довести, що для загального нормального закону
P ( x a ) = … .
P ( x ) = … .
умови, що Kху = 0.
P (a x b, c y d ) =… .
(k 1)
19. Чому дорівнює (k ) ?
k
1
2
k
20. Чому дорівнює 2 ?
277
(k 3)
22. Чому дорівнює (k ) ?
1
25. Довести, що Г 2 = …?
M(X) =… .
D(X) =… .
розподілу M(X) =… .
розподілу D (X) =… .
278
36. Довести, що для бета-розподілу M(X) = … .
закону розподілу?
279
Задачі до теми
x 3 2
1
f ( x) e 2
, x
1. Задано 2 .
Визначити Mo, Me, As, Es. Обчислити P ( 4 x 2), P( x 3 2) .
Відповідь. 0,1587; 0,9544.
2. Відомо, що випадкові величини Х і Y є незалежними і мають
нормальний закон розподілу зі значеннями параметрів: ах = – 2, х =
4, ау = 2, у = 2.
Знайти коефіцієнт кореляції випадкових величин: z = 2x + 3y i t =
2x – 3y.
Відповідь. rzt = – 0,12.
3. Відомо, що випадкові величини Х і Y є незалежними і мають
нормальний закон розподілу із значеннями парамтрів: ах = – 1, х =
4, ау = 5; у = 3.
Знайти кореляційний момент і rzt для випадкових величин
z = 3x – 2y + 5 i t= – 4x – y + 2.
Відповідь. Kzt = – 220; rzt = – 0,981.
4. Завод виготовляє кульки для підшипників. Номінальний діа-
метр кульки dn = 5,55 мм. Внаслідок неточностей при виготовленні
кульок діаметр підшипника є випадковою величиною, що має нор-
мальний закон розподілу із математичним сподіванням а = dn і серед-
нім квадратичним відхиленням d = 0,08 мм. Під час контролю всі
кульки бракуються, якщо їх діаметр відрізняється від dn більш ніж
на 0,04 мм.
Визначити, який відсоток кульок бракується під час контролю.
Відповідь. 4,56%.
x 2 2
1
f ( x) e 32 , x
5. Задано 4 2 .
Знайти ймовірність того, що випадкова величина відхилиться від
свого математичного сподівання на величину більшу, ніж 36.
Відповідь. 0,0027.
6. Випадкова величина Х має закон розподілу N (– 4; 5). Знайти
точки перегину кривої розподілу f (x).
Відповідь. х1 = – 9; х2 = 1.
280
7. Випадкова величина Х має закон розподілу N (– 0; 6). При
якому значенні імовірність P(2 x 4) буде найбільшою?
6
Відповідь. = ln 2 .
8. Випадкова величина Х має закон розподілу N (4; 6). Знайти та-
ке значення , щоб P (0 x 8) = 0,9906
Відповідь. 1,54.
9. Випадкове відхилення розміру деталі від номіналу при її виго-
товленні на верстаті має нульове математичне сподівання і середнє
квадратичне відхилення, що дорівнює 8 мк. Скільки необхідно виго-
товити цих деталей, щоб із імовірністю 0,99 серед них була хоча б
одна деталь, що відповідала вимогам стандарту, якщо для такої де-
талі допустиме відхилення її розміру від номіналу було б не більше,
ніж на 4 мк.
ln 0,01
Відповідь. n = ln 0,617 .
10. Заряд мисливського пороху зважують на терезах, що мають
середню квадратичну похибку зважування 0,5 мг. Номінальна маса
порохового заряду 4,5 г. Визначити ймовірність пошкодження мис-
ливської рушниці при пострілі, якщо максимально допустима вага
порохового заряду 4,9 г.
Відповідь. Р = 0,4238.
11. Вимір відстані до об’єкта супроводжується систематичною і
випадковою помилками. Систематична помилка становить 25 м у
бік зниження відстані, а випадкова помилка має нормальний закон
розподілу із значенням = 50 м. Знайти: 1) ймовірність вимірюван-
ня дальності з похибкою, що за абсолютною величиною не переви-
щує 100 м; 2) імовірність того, що виміряна відстань не перевищить
справжньої.
Відповідь. 1) P(100 x 100) 0,927;
2) Р х 0 P x 0, 4013.
12. Виріб вважається найвищої якості, якщо відхилення його
розмірів від номіналу за абсолютною величиною не перевищує 2,28
мм. Відхилення розміру виробу від номіналу має нормальний закон
розподілу зі значенням = 2,4 мм, а систематична похибка відсутня.
281
Визначити середнє число виробів вищої якості, якщо виготовле-
но 8 деталей.
Відповідь. р = 0,6778; М(х) = np = 8 0,6778 5.
13. Якої ширини має бути поле допуску розміру деталі, щоб із
імовірністю, не більшою за 0,0027, виготовлена деталь із контрольо-
ваним розміром виявилась за межами поля допуску, коли відомо, що
відхилення розміру є випадковою величиною, з нормальним зако-
ном розподілу з параметрами а = 0; = 12,5 мк?
Відповідь. Не менш як 37,5 мк.
14. За заданою щільністю ймовірностей
x 2 2 ( x y )( y 2 ) ( y 2 ) 2
1, 5
1 16 20 25
f ( x, y ) e
, x , y .
40 0,75
Визначити M ( z ), D ( z ) , якщо z 4 x 5 y 3 .
Відповідь. M ( z ) 1, D( z ) 589.
15. Задано
x 4 2 ( y 2 ) 2
0 ,5
1 36 25
f ( x, y ) e , x , y
60 .
Обчислити P ( 4 x 2, 1 y 5) .
Відповідь. 0,1541.
16. Система (Х, Y) має нормальний закон на площині, кореля-
9 0,12
K
ційна матриця якої 16 .
Записати аналітичний вираз щільності ймовірностей для цієї сис-
теми, коли відомі значення ах = 0, ау = – 2.
Обчислити D (z ) , якщо z 3x 2 y 5 .
Відповідь. D (z ) =143,56.
4 0
K
17. За заданою кореляційною матрицею 1 нормального
закону на площині і значеннями ах = – 4, ау = 2 записати аналітичний
вираз для f ( x, y ) і обчислити P 4 x 1, 2 y 4 .
Відповідь. 0,4924.
282
18. Випадкова величина Х має закон розподілу N(– а; ). Визна-
чити k.
Відповідь. k 0 , якщо k 2n 1 .
2n 2n 2n 1
k , k 2 n.
2
19.За заданим законом розподілу випадкової величини Х N(2; 4) за-
писати логарифмічний закон розподілу для Y і визначити М (Y); D (Y).
0, y 0;
ln y 2 2
f ( y) 1
e 32 , y 0;
Відповідь. 4 y 2
e 8 , y 0.
Відповідь. 1,9544 2
M (Y ) 2
1,023 2
e ; D (Y )
1
20 8,187 e 2 4 2,047 e 2
2
2 2 .
21.Випадкова величина Х має закон розподілу
0, x 0;
f ( x) 2 5 x
32 x e , x 0.
Визначити F(x) і обчислити M ( X ), D ( X ), ( X ).
9 3 3
M (X ) , D (X ) , (X ) .
Відповідь. 4 16 4
22.Задано
0, x 0;
f (x ) 125 2 5 x
24 x e , x 0.
283
23.Неперервна випадкова величина Х має гамма-розподіл зі значен-
2
нями параметрів 4, 4. Визначити K xy , якщо y 2 x 3x 5 .
Відповідь. K xy = –1,25.
24.За заданою щільністю ймовірностей
0, x 0;
f ( x ) 8 x
8e , x 0.
Знайти M ( X ), ( X ), Me.
ln 2
M ( X ) ( X ) 0,125; Me .
Відповідь. 8
25.Неперервна випадкова величина Х має експоненціальний за-
кон розподілу ймовірностей зі значенням 10. Визначити K xy ,
2
якщо y x 3x 5 .
Відповідь. K xy = 0,004.
26.Неперервна випадкова величина Х має бета-розподіл зі зна-
ченнями параметрів 8, 10. Знайти аналітичний вираз для f (x) i
F(x) i обчислити M (X); D (X).
Відповідь.
0, x 0;
0, x 0;
x
f (x) 2431 (1 ) , 0 x 1;
x 7
x 9 F ( x) 2431 x 7 (1 x) 9 dx, 0 x 1;
0, 0
x 1; 0, x 1;
4 20
M (X ) ; D (X ) .
9 1539
27.Неперервна випадкова величина Х має розподіл Вейбулла із
1
5; .
значеннями параметрів 4 Записати аналітичний вираз для f
(x) i F(x) i обчислити M (X); D (X).
Відповідь.
0, x 0, 0, x 0;
1
f ( x) 1
x
3 4 F ( x) 1
x 4
5 4 125 x 4 e 6 , x 0 5
4 1 e , x 0;
284
M (X ) 100; D( X ) 993550.
285
9
35 x2 2
f x 1
, x ;
Відповідь. 4 2 8
9
35 x x2 2
F ( x) 1 dx , x ; M ( X ) 0; D ( X ) 4 .
4 2 8 3
33. Випадкова величина Х має розподіл Стьюдента із k = 10 сту-
пенями свободи. Знайти K xy , якщо y 9 x 2 .
Відповідь. K xy = 3,75.
34.Випадкова величина Х має розподіл Фішера із k1 = 6, k2 = 10
ступенями свободи. Записати формули для f (x) i F(x) i обчислити M
(X); D (X); (х).
Відповідь.
0, x 0; 0, x 0;
f (x ) 109375 4 5 3
F ( x ) 109375 4 5
x
3
x 1 x , x 0. x 1 x , x 0.
243 3 243 0 3
3 63
M (X ) ; D (X ) .
2 20
286
РОЗДІЛ IV ГРАНИЧНІ ТЕОРЕМИ
2. Нерівність Чебишова
279
Доведення нерівності. Нехай випадкова величина Х є неперервна,
закон розподілу ймовірностей якої f (х); M (Х), D (Х) — обмежені
величини. Випадкові події X M (X ) і X M (X ) будуть
протилежними (рис. 105).
P X M X P X M X PM X X
M X М(Х) M X
Рис. 105
А тому
P X M ( x) P X M (x) 1 (329)
P X M (x) 1 P X M ( x) . (а)
Отже, знаючи оцінку для P( X M ( X ) ) , ми згідно з (а), знай-
демо оцінку і для P( X M ( X ) ) .
Розглянемо нерівність:
2
X M (X ) X M (X ) 2
1 2
X M (X ) 1
. 2 (б)
Помноживши ліву і праву частини нерівності (б) на f (x) (f (x) >
0), дістанемо:
1 2
X M (X ) f ( x) f ( x)
2 . (в)
Зінтегруємо праву і ліву частини нерівності (в) на проміжках
[ ; М Х ] [ X ; ] :
1 M ( X ) 1
X M ( X ) f ( x)dx 2 X M ( X ) f ( x)dx
2 2
2
M ( X )
M ( X )
f ( x)dx f ( x)dx
M ( X ) (г)
1
X M ( X ) 2 f ( x)dx f ( x) dx
або 2 X M ( X ) X M ( X ) . (д)
280
f ( x ) dx P ( X M ( X )
Згідно з рис. 105 запишемо: X M ( X )
,
оскільки
P ( X M ( X ) ) P ( X M ( X ) ) P ( M ( X ) X ) .
D( X ) ( X M ( X )) 2 f ( x)dx,
З огляду на те, що маємо:
X M ( X ) 2 f ( x ) dx ( X M ( X )) 2 f ( x ) dx
X M ( X )
X M ( X ) 2 f ( x ) dx D ( X ).
X M ( X )
Розв’язання.
Оскільки a = – 2, x = 4, D (Х) = 16, то згідно з (328) маємо:
16
P ( x 2 16) 1 1 0,0625 0,9375
256 .
Приклад 2. Імовірність появи випадкової події в кожній із
400 незалежних експериментів є величиною сталою і дорів-
нює 0,9. Використовуючи нерівність
281
Розв’язання: За умовою задачі маємо: n = 400, p = 0,9; q = 0,1; =
10.
M (Х) = np = 4000,9 = 360; D (Х) = npq = 360 0,1 = 36.
36
P ( x 360 10) 1 0,64
100 .
3. Теорема Чебишова
X 1 X 2 ... X n xi
X 1
n n
від середнього арифметичного їх математичних сподівань
n
M ( X 1 ) M ( X 2 ) ... M ( X n ) M (Xi )
M (X ) 1
n , n
взятого за абсолютним значенням на величину , прямуватиме до
одиниці зі збільшенням числа n:
X X 2 ... X n M ( X 1 ) M ( X 2 ) ... M ( X n )
lim P 1 1
n
n n
або
n n
Xi M (Xi )
lim P i1 i 1 1
n n n
. (331)
Доведення. Оскільки Хі — випадкові величини, то і X буде випад-
ковою. Числові характеристики для X :
282
n n X
Xi i 1 n
1 M (Xi )
n
M ( X ) M i 1 D ( X ) D i1 D( X i )
n n i 1 n n 2 i 1
; .
Застосуємо нерівність Чебишова для випадкової величини X :
n
D( X i )
D( X ) P ( X M ( X ) ) 1 i 1
P ( X M ( X ) ) 1
або 2 ( n ) 2 .
Ураховуючи умову D(Хi) C, записуємо:
nc c
P ( X M ( X ) ) 1 P ( X M ( X ) ) 1 2
( n ) 2 n .
Тоді при n дістаємо
c
lim P ( X M ( X ) ) lim 1 2 1
n n
n .
Оскільки ймовірність не може бути більшою за одиницю, а нерів-
ність є не строгою, одержимо
lim P ( X M ( X ) ) 1
n
X X 2 ... X n M ( X 1 ) M ( X 2 ) ... M ( X n )
lim P 1 1,
або
n
n n
що й потрібно було довести.
Приклад 3. Дисперсія кожної із 4500 незалежних випадко-
вих величин, що мають один і той самий закон розподілу
ймовірностей, дорівнює 5. Оцінити ймовірність того, що від-
хилення середнього арифметичного цих величин від серед-
нього арифметичного їх математичних сподівань, взяте за
абсолютною величиною, не перевищить 0,4.
Розв’язання.
Використовуючи нерівність Чебишoва для теореми Чебишoва, оде-
ржимо:
4500 4500
Xi M (Xi )
5
P i 1 i 1 0, 4 1 0,003.
4500 4500 4500 0, 4
Приклад 4. Унаслідок медичного огляду 900 допризовників
було виявлено, що середня маса кожного з них на 1,2 кг бі-
283
льша від середньої маси попереднього призову. Чи можна
це констатувати як випадковість, якщо середнє відхилення
маси допризовника дорівнює 8 кг?
Розв’язання.
900 900
Xi M (X i )
8
P i 1
i 1
1,2 1 1 0,0062 0,9932 ;
900 900 900 (1, 2) 2
900 900
Xi M (Xi )
P i 1 i 1 1, 2 0,0068.
900 900
Оскільки ця ймовірність дуже мала, відхилення маси можна вважати
невипадковим.
4. Теорема Бернуллі
хі 0 1
рі q p
284
Числові характеристики Хі:
M(Xi)=0q+1p=p;
M(X2i)=p;
D(Xi)=M(X2i)–M2(Xi)=p–p2=p(1–p)=pq.
Нерівність Чебишова для теореми Бернуллі матиме такий вигляд:
npq pq
P ( W ( A) p ) 1 P (W ( A) p ) 1 2
n
2 2
n . (333)
lim P( W ( A) p ) 1.
Отже, доведено, що n
285
5. Центральна гранична теорема теорії ймовірно-
стей (теорема Ляпунова)
X (t ) i x e i tx f ( x ) dx
2. Якщо взяти похідну від x(t) по t, то .
Прирівнявши параметр t=0, одержимо
X (0) i x e i tx f ( x)dx i M ( X )
1
M (X ) X (0) i X (0)
i ,
(337)
оскільки і2=–1 .
3. Якщо взяти другу похідну від x(t) за параметром і при цьому
t=0, то одержимо:
X (0) x 2 e i tx f ( x ) dx x 2 f ( x ) dx M ( X 2 ) M ( X 2 ) X (0)
x 0 .
286
Отже,
D ( X ) X (0) X (0) .
2
(338)
4. Якщо випадкові величини Y і Х пов’язані співвідношенням
Y=ах+b, де а і b є сталими, то їх характеристичні функції пов’язані
між собою так:
Y (t ) M ei tY M e i t ( ax b) eitb M ei t a x ei t b X (at ) .
Отже,
Y (t ) ei t b X (at ) .
(339)
5. Якщо випадкові величини Х1,Х2,…Хn є незалежними і відомі їх
X i (t )
характеристичні функції , то для випадкової величини
n
X Xi
i 1 характеристична функція:
n
i t Xi n n
X (t ) M e it X
M e i 1 M e i t xi X i (t )
. (340) i 1 i 1
2 2 ,
( x i t ) 2 z2
e dx e dx 2
2 2
через те, що , де z x i t , dx dz .
Отже, для нормованого нормального закону розподілу випадкової
величини Х характеристична функція
t2
X (t ) e 2
. (342)
287
5.2. Центральна гранична теорема
Розглядається один із найпростіших варіантів цієї теореми.
Теорема. Нехай задано n незалежних випадкових величин Х1,
Х2,…Хn, кожна із яких має один і той самий закон розподілу ймовір-
ностей із M(Хi)=0, (Х)= і при цьому існує за абсолютною величи-
ною початковий момент третього порядку 3 , тоді зі зростанням чис-
n
Y Xi
ла n закон розподілу i 1 наближатиметься до нормального.
Доведення. Оскільки випадкові величини Хі мають один і той самий
закон розподілу, то кожна із них має одну і ту ж характеристичну
функцію x(t). Згідно з (341) маємо:
Y (t ) nX (t ) .
Розвинувши Y(t) в ряд Маклорена в околі точки t=0 і обмежив-
шись при цьому трьома членами й залишковим членом в формі Лаг-
ранжа, запишемо:
n
( 0) ( 0) 2
Y (t ) X ( 0 ) X t X t R3 ( t )
1! 2! , (343)
X ( t ) 2
R 3 ( t ) t , (0 1)
де 3! .
Із властивостей характеристичної функції випливає:
x(0)=1; x(0)=iM(Х)=0, оскільки M(Х)=0;
x (0) =–M(Х 2)=–2.
Тоді вираз (342) набирає такого вигляду:
n
2 2
Y (t ) 1 t R3 ( t )
2 . (344)
X ( t ) i x 3e i t x f ( x)dx
Оскільки і при цьому
X ( t ) i x 3 e i t x f ( x ) dx 2 3
.
Це випливає з того, що
288
Y
Z
Уведемо випадкову величину n .
D (Y ) D X i D ( X i ) n 2 .
n n
289
Приклад8. Кожна із 100 незалежних випадкових величин Xі
має рівномірний закон розподілу на проміжку [0;0,12]. За-
писати наближено закон розподілу для випадкової величини
n
Y Xi
i 1
Розв’язання.
Знаходимо числові характеристики для Хі: M(Хі)=0,06; D(Х)=0,1.
Тоді
M (Y ) M X i M ( X i ) 100 0,06 6.
100 100
i1 i1
D (Y ) D X i D ( X i ) 100 0,1 10.
100 100
i1 i1
На підставі центральної граничної теореми маємо
( y 6 ) 2
1
f ( y) e 20 , y
20 .
Центральна гранична теорема була вперше використана для дове-
дення інтегральної теореми Муавра—Лапласа.
6. Теорема Муавра—Лапласа
У загальному випадку випадкові величини Х1,Х2,…Хn, що розгля-
даються в центральній граничній теоремі, можуть мати довільні за-
кони розподілу.
Якщо Хі є дискретними і мають лише два значення: P(Хі=0)=q,
P(Xі=1)=p, то приходимо до теореми Муавра—Лапласа, яка є най-
простішим випадком центральної граничної теореми.
Якщо здійснюється n незалежних експериментів, у кожному з
яких імовірність появи випадкової події А є величиною сталою і до-
рівнює p, то для інтервалу [; ) справедлива рівність:
np np
P( Y ) .
npq npq
(348)
Доведення. Нехай проводиться n незалежних експериментів, у
кожному з яких випадкова подія А може здійснитися зі сталою
290
n
Y Xi
ймовірністю р. Тоді i 1 — поява випадкової події в n експе-
риментах є випадковою величиною із числовими характеристи-
ками:
M(Y)=np, D(Y)=npq, (Y ) npq .
На підставі центральної граничної теореми розподіл випадкової ве-
личини Y зі зростанням n наближатиметься до нормального. Тому для
обчислення ймовірності події Y використовується формула (261):
np
P ( Y ) np ,
npq npq
що і треба було довести.
291
4. Сформулювати умови, які мають виконуватися для нері-
вності Чебишoва.
5. Де використовується нерівність Чебишoва?
6. Сформулювати теорему Чебишoва.
7. Які умови мають виконуватися для доведення теореми
Чебишoва?
8. Записати нерівність Чебишoва для теореми Чебишoва.
n n
Xi M (X i )
i 1 i 1
lim P 1
9. Довести, що n n n .
10. Сформулювати теорему Бернуллі.
11. Записати нерівність Чебишoва для теореми Бернуллі.
12. Довести, що n
lim P W ( A ) p 1 .
13. Дати визначення характеристичної функції для випадко-
вої величини.
14. Чому дорівнює x(0) ?
15. Чому дорівнює x(0) ?
16. Чому дорівнює x(0) ?
17. Чому дорівнює Y(t), якщо Y=ax+b?
n
Y Xi
18. Чому дорівнює Y(t), якщо i 1 ?
19. Сформулювати центральну граничну теорему.
20. Довести, що для нормованого нормального закону розподі-
лу х(t) = ... .
21. Доведення центральної граничної теореми.
292
22. Використання центральної граничної теореми для дове-
дення інтегральної теореми Муавра—Лапласа.
Приклади до теми
293
7. При відливанні відливок, із яких потім виготовляють на верс-
татах деталі, одержують у середньому 20% браку. Скільки необхід-
но запланувати відливок, щоб із імовірністю не меншою за 0,95 була
забезпечена програма випуску деталей, для виготовлення яких не-
обхідно 50 бездефектних відливок.
Відповідь. n=305.
8. Здійснюється вибіркове обстеження партії електроламп для ви-
значення тривалості їх горіння. Скільки необхідно перевірити елект-
ролампочок, щоб із імовірністю не меншою за 0,9876 можна було
стверджувати, що середня тривалість горіння лампочки для всіх n
штук перевірених відхилялось від її середньої величини не більше
ніж на 10 годин, якщо середнє квадратичне відхилення тривалості
горіння лампочок дорівнює 80 годин.
Відповідь. n=4776.
9. Випадкова величина X — середнє арифметичне 10000 неза-
лежних випадкових велечин, що мають один і той самий закон роз-
поділу, і середнє квадратичне відхилення кожної із них дорівнює 2.
Яке максимальне відхилення величини X від його математичного
сподівання можна очікувати із імовірністю 0,9544?
Відповідь. 0,04.
10. Верстат із програмним управлінням виготовляє за робочу
зміну 900 виробів, із яких в середньому 1% складає брак. Знайти на-
ближено ймовірність того, що за зміну буде виготовлено не менше
810 доброякісних виробів, якщо вони виявляються доброякісними
незалежно один від одного.
Відповідь. 0,99865.
11. Кожна із 40 незалежних випадкових величин має гамма-
розподіл із значенями параметрів = 2, = 10. На підставі центра-
льної граничної теореми теорії ймовірностей записати наближено
40
X Xi
закон розподілу для випадкової величини i 1 .
1 ( x 8) 2
f ( x) e 1, 62 , x
Відповідь.а=8;0,9; 0,9 2 .
12. У касі певного закладу в наявності є 4000 гривень. У черзі
знаходиться n=30 робітників. Сума X, яку потрібно виплатити кож-
ному, є випадковою величиною із математичним сподіванням, рів-
294
Відповідь. M (Y ) n M ( X ) 30 200 6000 грн.;
(Y ) 30 60 5, 48 60 328,8 грн.;
4000 6000
P ( X 4000 ) 0,5 1
328,8 . Не вистачить.
13. Зберігається умова задачі 12, тільки в черзі стоїть n=15 робі-
тників і сума Х, яку повинен одержати кожний із них, є випадковою
величиною із значеннями M(X)=150грн., (Х)=60 грн. Яка ймовір-
ність того, що суми вистачить усім людям?
Відповідь. M (Y ) 2250 грн.; (Y ) 15 60 232,4 грн.;
4000 2250
P ( X 4000) 0,5 0,5 0,5 0
232, 4 .
Усім робітникам вистачить суми, що є в касі.
14. Залізничний состав складається із 30 вагонів. Маса кожного з
них є випадковою величиною Х із математичним сподіванням
M(X)=400т і середнім квадратичним відхиленням (Х)=20т. Локомо-
тив може нести масу не більшу за 12100т. Якщо маса составу пере-
вищує допустиму, то необхідно причеплювати другий локомотив.
Знайти ймовірність того, що одного локомотива не досить для пере-
везення составу.
n
G Xi
Відповідь. i 1 — маса составу.
M G n M ( X ) 30 400 12000 т ; (Y ) 30 X 5,5 20 110 т ;
P (G 14500) 0,1814 .
295
100
T Ti
роботи комплексу дорівнює сумі Ti, а саме i 1 . Знайти на-
ближено ймовірність того, що комплекс безвідмовно пропрацює
не менш як 20 год.
Відповідь:
80 100
0,5 0,5 ( 2) 0,9772
20
P (T 20) 0,5
100 10 .
16. Провести апроксимацію нормального закону із параметрами
а, за допомогою суми n незалежних випадкових величин Х1,
Х2,...,Хn, кожна із яких має рівномірний закон розподілу на проміжку
0;1
n
n n
Y Xi M (Y ) D (Yn )
Відповідь. i 1 ; 2 ; 12 ; X kYn b
n
a k 2 b
2 k 2 n k 12
12 n ; b a 3 n.
17. Верстат-автомат виготовляє за робочу зміну n=1000 виро-
бів, із яких брак у середньому становить 5%. На скільки доброякі-
сних виробів k має бути розрахований бункер для доброякісних
виробів, щоб імовірність його переповнення за зміну не перевищу-
вала 0,001.
Відповідь.
k 956
P (Y k ) 1 0,001 0,999 0, 499 k 772.
6 ,9
ЛІТЕРАТУРА
296
ДОДАТКИ
Додаток 1
х2
1
х е 2
0.0 0.3989 3989 3989 3988 3986 3984 3982 3980 3977 3973
0.1 3970 3965 3961 3956 3951 3945 3939 3932 3925 3918
0.2 3910 3902 3894 3885 3876 3867 3857 3847 3836 3825
0.3 3814 3802 3790 3778 3765 3752 3739 3726 3712 3697
0.4 3683 3668 3653 3637 3621 3605 3589 3572 3555 3538
0.5 3521 3503 3485 3467 3478 3429 3410 3391 3372 3352
0.6 3332 3312 3292 3271 3251 3230 3209 3187 3166 3144
0.7 3123 3101 3079 3056 3034 3011 2989 2966 2943 2920
0.8 2897 2874 2850 2827 2803 2780 2756 2732 2709 2685
0.9 2661 2637 2813 2589 2565 2541 2516 2492 2468 2444
1.0 0.2420 2396 2371 2347 2323 2293 2275 2251 2227 2203
1.1 2179 2155 2131 2107 2083 2059 2036 2012 1989 1965
1.2 1942 1919 1895 1872 1849 1826 1804 1781 1758 1736
1.3 1714 1691 1669 1647 1646 1604 1582 1561 1539 1518
1.4 1497 1476 1456 1435 1415 1394 1374 1354 1334 1315
1.5 1295 1276 1257 1238 1219 1200 1182 1163 1145 1107
1.6 1109 1092 1074 1057 1040 1023 1006 0989 0973 0957
1.7 0940 0925 0909 0893 0978 0863 0848 0833 0818 0804
1.8 0790 0775 0761 0748 0734 0721 0707 0694 0681 0669
1.9 0656 0644 0632 0620 0608 0596 0584 0573 0562 0551
2.0 0.0540 0525 0519 0508 0498 0488 0478 0468 0459 0449
2.1 0440 0431 0422 0413 0404 0396 0387 0379 0371 0363
2.2 0355 0347 0339 0332 0325 0317 0310 0303 0279 0290
2.3 0283 0277 0270 0264 0258 0252 0246 0241 0235 0229
2.4 0224 0219 0213 0208 0203 0198 0194 0189 0184 0180
2.5 0175 0171 0164 0163 0158 0154 0151 0147 0143 0139
2.6 0136 0132 0129 0126 0122 0118 0116 0113 0110 0107
2.7 0104 0101 0099 0096 0093 0091 0088 0086 0084 0081
2.8 0079 0077 0075 0073 0071 0069 0067 0065 0063 0061
2.9 0060 0058 0056 0055 0053 0051 0050 0048 0047 0046
3.0 0040 0043 0042 0040 0039 0038 0037 0036 0035 0034
3.1 0033 0032 0031 0030 0029 0028 0027 0026 0025 0025
3.2 0024 0023 0022 0022 0021 0020 0020 0019 0018 0018
3.3 0017 0017 0016 0016 0015 0014 0014 0013 0013 0013
3.4 0012 0012 0012 0011 0011 0010 0010 0010 0009 0009
3.5 0009 0008 0008 0008 0008 0007 0007 0007 0007 0006
3.6 0006 0006 0006 0005 0005 0005 0005 0005 0005 0004
3.7 0004 0004 0004 0004 0004 0003 0003 0003 0003 0003
3.8 0003 0003 0003 0003 0003 0002 0002 0002 0002 0002
3.9 0002 0002 0002 0002 0002 0002 0002 0002 0002 000
297
Додаток 2
х х2
1
Ц х е 2 dx
ТАБЛИЦЯ ЗНАЧЕНЬ ФУНКЦІЇ ЛАПЛАСА 2р 0
298
26 0.1026 0.76 0.2764 1.26 0.3962 1.76 0.4608 2.54 0.4945
Закінчення дод. 2
X Ф (x) X Ф (x) X Ф (х) X Ф (x) X Ф (x)
299
5.00 0.499997
Додаток 3
k
a a
Р k , a e
ТАБЛИЦЯ ЗНАЧЕНЬ ФУНКЦІЇ k!
а
K 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0 0.904837 0.818731 0.740818 0.670320 0.065310 0.548812 0.496585 0.449329 0.406570
1 090484 163746 222245 268128 303265 329287 347610 359463 365913
2 004524 016375 033337 353626 065816 098786 121663 143785 164661
3 000151 001092 003334 007150 012636 019757 028388 038343 049398
4 000004 000055 000250 000715 001580 002764 004968 007669 011115
5 000002 000015 000057 000158 000356 000696 001227 002001
6 000001 000004 000013 000036 000081 000164 000300
7 000001 000003 000008 000019 000039
8 000001 000002 000004
a
K 1 2 3 4 5 6 7 8 9
0 0.367879 0.135335 0.49787 0.018316 0.006738 0.002479 0.000912 0.000335 0.000123
1 367879 270671 149361 073263 033690 014873 006383 002684 001111
2 183940 270671 224042 146525 084224 044618 022341 010735 004998
3 061313 180447 224042 195367 140374 089235 052129 028626 014994
4 015328 090224 168031 195367 175467 133853 091226 057252 033737
5 003066 036089 100819 156293 175467 160623 127717 091604 060727
6 000511 012030 050409 104196 146223 160623 149003 122138 091090
7 000073 003437 021604 059540 104445 137677 149003 139587 117126
8 000009 000859 008102 029770 065278 103258 130377 138587 131756
9 000001 000191 002701 013231 036266 068838 101405 124077 131756
10 000038 000810 005292 018138 041303 070983 099262 118580
11 000007 000221 001295 008242 022529 045171 072190 097020
12 000001 000055 000642 003434 011264 026350 048127 072765
13 000013 000197 001321 005199 014188 029616 050376
14 000003 000056 000472 002228 007094 016924 Q32384
15 000001 000015 000157 000891 003311 009026 019431
16 000004 000049 000334 001448 004513 010930
17 000001 000014 000118 000596 002124 005786
18 000004 000039 000232 000944 002893
19 000001 000012 000085 000397 001370
20 000004 000030 000159 000617
21 000001 000010 000061 000264
22 000003 000022 000108
23 000001 000008 000042
300
24 000003 000016
25 000001 000006
26 000002
27 000001
301
ЗМІСТ