Статистическое определение вероятности. Зависимые события
Определение числа исходов, благоприятствующих появлению заданного события. Проведение независимых испытаний. Применение теоремы Пуассона. Нахождение математического ожидания, дисперсии, среднего квадратического отклонения и функции распределения.
Рубрика | Математика |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 20.12.2015 |
Размер файла | 328,2 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Федеральное государственное образовательное бюджетное учреждение
высшего профессионального образования
"Финансовый университет при Правительстве Российской Федерации"
Кфедра "Менеджмент и маркетинг"
Заочный факультет экономики
Направление подготовки: экономика
Контрольная работа
по дисциплине "Теория вероятности и математическая статистика"
Выполнил студент:
Охотникова Анна Андреевна
Курс: 2
Форма обучения: 3с
Зачетная книжка №10убб01846
Преподаватель: Черномордик В.Д.
Ярославль 2014
Контрольная работа №1
1. Ребенок играет кубиками, на которых написаны буквы: О, А, К, И, А, Р, Ш. Найти вероятность того, что произвольно поставленные в ряд пять букв образуют слово "ШАРИК".
Решение:
Испытание (опыт) заключается в выборе по одному пяти кубиков с буквами в случайном порядке без возврата.
Элементарным событием (исходом испытания) является полученная последовательность из пяти букв. Элементарные события являются размещениями из 7 букв (, , , , , , ) по 5 букв.
Число всех возможных исходов испытания:
.
Пусть событие заключается в том, что буквы выбраны в порядке заданного слова "ШАРИК".
Число исходов, благоприятствующих появлению события , соответствует числу всех возможных использований букв Ш, А, Р, И и К, входящих в слово "ШАРИК":
.
Воспользовавшись классическим определением вероятности, получаем:
.
Ответ:.
2. При тестировании качества радиодеталей установлено, что на каждые 10000 радиодеталей в среднем приходится четыре бракованных.
Определить вероятность того, что при проверке 5000 радиодеталей будет обнаружено:
а) не менее трех бракованных деталей;
б) не менее одной и не более трех бракованных деталей.
Решение:
Здесь мы имеем дело с независимыми испытаниями, каждое из которых заключается в тестировании качества радиодетали. Число испытаний в нашем случае .
В нашем случае событие состоит в том, что деталь является бракованной.
а) Вероятность обнаружения при проверке 5000 радиодеталей не менее трёх бракованных деталей равна
.
Вычислить искомые вероятности , , появления события в 5000 испытаниях по формуле Бернулли затруднительно из-за громоздкости вычислений. Искомые вероятности , , можно вычислить, используя асимптотические (приближённые) формулы Пуассона и Муавра - Лапласа.
Воспользуемся теоремой Пуассона:
если вероятность наступления события в каждом испытании постоянна мала , число испытаний - велико и число - незначительно , то вероятность того, что событие появится раз в независимых испытаниях вычисляется по приближённой формуле
,
где - функция Пуассона.
В нашем случае вероятность появления события постоянна и мала, число независимых испытаний велико, число .
Значит вероятность появления события не менее 3 раз в 5000 испытаниях:
.
По таблице значений функции Пуассона находим:
, , .
Следовательно, вероятность обнаружения при проверке 5000 радиодеталей не менее трёх бракованных деталей равна
.
б) Вероятность обнаружения при проверке 5000 радиодеталей не менее одной и не более трёх бракованных деталей равна
.
Снова воспользуемся теоремой Пуассона:
если вероятность наступления события в каждом испытании постоянна и мала , число испытаний - велико и число - незначительно , то вероятность того, что событие появится раз в независимых испытаниях вычисляется по приближённой формуле
,
где - функция Пуассона.
В нашем случае вероятность появления события постоянна и мала, число независимых испытаний велико, число.
Значит вероятность появления события не менее 1 и не более 3 раз в 5000 испытаниях:
.
По таблице значений функции Пуассона находим:
, , .
Следовательно, вероятность обнаружения при проверке 5000 радиодеталей не менее одной и не более трёх бракованных деталей равна
.
Ответ: а) ; б) .
3. Вероятность гибели саженца составляет 0,4. Составить закон распределения числа прижившихся саженцев из имеющихся четырех.
Найти математическое ожидание, дисперсию, среднее квадратическое отклонение и функцию распределения этой случайной величины.
Решение:
Случайная величина Х ? число прижившихся саженцев из имеющихся четырех.
Случайная величина Х может принимать следующие значения:
Вероятность гибели саженца составляет q=0,4. Значит вероятность того, что саженец приживется
Случайная величина Х распределена по биноминальному закону с параметрами и .
Закон распределения Х:
X |
0 |
1 |
3 |
4 |
5 |
|
P |
0,0256 |
0,153 |
0,3456 |
0,3456 |
0,1296 |
Математическое ожидание случайной величины Х:
Дисперсия случайной величины Х:
Среднее квадратическое отклонение случайной величины Х:
Функция распределения
При
При
При
При
При
При
Ответ:
X |
0 |
1 |
3 |
4 |
5 |
|
P |
0,0256 |
0,153 |
0,3456 |
0,3456 |
0,1296 |
4. Независимые случайные величины X и Y заданы законами распределения:
Найти вероятности и .
Составить закон распределения случайной величины и проверить свойство математического ожидания
.
Решение:
1) Воспользуемся тем, что сумма вероятностей всех возможных исходов равна 1.
Для случайной величины:; ; ;
Вероятность того, что случайная величина примет значение, равное 4, составляет .
Закон распределения случайной величины имеет вид:
-1 |
4 |
||
0,3 |
0,7 |
Для случайной величины: ; ;
; ; .
Вероятность того, что случайная величина примет значение, равное 3, составляет
.
Закон распределения случайной величины имеет вид:
-2 |
0 |
3 |
||
0,1 |
0,4 |
0,5 |
2) Найдём закон распределения случайной величины .
Разностью (соответственно суммой, произведением) случайных величин и называется случайная величина, которая принимает все возможные значения вида (соответственно , ), где ,, с вероятностями того, что случайная величина примет значение , а - значение : . Если случайные величины и независимы, то по теореме умножения вероятностей независимых событий
Для удобства нахождения всех значений случайной величины и их вероятностей составим вспомогательную таблицу, в каждой клетке которой поместим в левом верхнем углу значения случайной величины , а в правом нижнем углу - вероятности этих значений, полученные в результате перемножения вероятностей соответствующих значений случайных величин и (в нашем случае случайные величины и независимы).
0 |
3 |
||||
0,1 |
0,4 |
0,5 |
|||
0,3 |
0,03 |
0,12 |
0,15 |
||
4 |
0,7 |
8 0,07 |
24 0,28 |
48 0,35 |
Таким образом, закон распределения случайной величины имеет вид:
8 |
24 |
48 |
|||||
0,15 |
0,12 |
0,03 |
0,07 |
0,28 |
0,35 |
Убеждаемся в том, что сумма вероятностей всех возможных исходов равна 1.
Действительно, .
3) Проверим свойство математического ожидания
.
Вычислим математическое ожидание случайной величины .
Математическое ожидание дискретной случайной величины , закон распределения которой имеет вид, вычисляется по формуле .
… |
|||||
… |
В нашем случае
.
Аналогично,
;
.
Значит
, то есть выполнено равенство .
8 |
24 |
48 |
|||||
0,15 |
0,12 |
0,03 |
0,07 |
0,28 |
0,35 |
Ответ:; ;
.
5. Плотность вероятности случайной величины Х имеет вид:
Найти:
а) функцию распределения F(x);
б) математическое ожидание M(Х) и дисперсию D(Х);
в) вероятность .
Построить графики функций и .
С помощью неравенства Маркова оценить вероятности того, что случайная величина Х примет значения:
а) больше 6;
б) не больше 5/3.
Найти те же вероятности с помощью функции распределения и объяснить различие результатов.
Решение:
а)
При
При
При
б)
в)
Неравенство Маркова:
Вероятность того, что случайная величина Х примет значение больше 6, не более 2/9.
Результат, полученный с помощью функции распределения не противоречит результату, полученному с помощью неравенства Маркова. Так как с помощью неравенства Маркова установлена верхняя граница вероятности того, что случайная величина Х примет значение больше 6.
Вероятность того, что случайная величина Х примет значение не больше 5/3, не менее 1/5.
Результат, полученный с помощью функции распределения не противоречит результату, полученному с помощью неравенства Маркова. Так как с помощью неравенства Маркова установлена нижняя граница вероятности того, что случайная величина Х примет значение не больше 5/3.
Ответ:
а)
б)
в)
Вероятность того, что случайная величина Х примет значение больше 6, не более 2/9.
Вероятность того, что случайная величина Х примет значение не больше 5/3, не менее 1/5.
Контрольная работа №2
1. В филиале заочного вуза обучается 2000 студентов.
Для изучения стажа работы студентов по специальности по схеме собственно-случайной бесповторной выборки отобрано 100 студентов.
Полученные данные о стаже работы студентов по специальности представлены в таблице.
Найти:
а) вероятность того, что доля всех студентов филиала, имеющих стаж работы менее шести лет, отличается от выборочной доли таких студентов не более чем на 5% (по абсолютной величине);
б) границы, в которых с вероятностью 0,997 заключен средний стаж работы по специальности всех студентов филиала;
в) объем бесповторной выборки, при котором те же границы для среднего стажа работы по специальности (см. п. б) можно гарантировать с вероятностью 0,9898.
Решение:
а) Выборочная доля студентов, имеющих стаж работы менее 6 лет, составляет . Имеем . Тогда средняя ошибка выборки для доли составляет (учитывая, что отбор бесповторный):
.
Т. к. предельная ошибка выборки , то:
.
Вероятность, гарантирующую данную предельную ошибку, ищем по таблицам:
б) Найдём точечные оценки математического ожидания и дисперсии случайной величины X. Обозначим - номер интервала, -середина соответствующего интервала.
Вычислим выборочное среднее:
.
Вычислим выборочную дисперсию:
.
Тогда средняя ошибка выборки для средней составляет (учитывая, что отбор бесповторный):
.
Предельная ошибка выборки для средней:
,
где ищем по таблицам из соотношения:
,
,
,
.
Тогда:
.
Границы для средней:
,
,
.
в) ищем по таблицам из соотношения:
,
,
,
.
Тогда:
.
Численность выборки составляет (учитывая, что отбор бесповторный):
.
Формально искомый объём выборки чуть меньше, чем первоначальный (100 человек), но на практике тот же самый, т. к. число элементов выборки целое.
Ответ: а) 0,697;
б) ;
в) 100.
2. По данным задачи 1, используя -критерий Пирсона, на уровне значимости проверить гипотезу о том, что случайная величина Х - стаж работы студентов по специальности - распределена по нормальному закону.
Построить на одном чертеже гистограмму эмпирического распределения и соответствующую нормальную кривую.
Решение:
В предположении нормальности распределения рассчитаем теоретические частоты. Обозначим эмпирические значения частот , а вычисленные теоретические частоты . Значения функции находим по таблицам. - шаг. Все расчёты сведены в таблицу 1.
Таблица 1
1 |
1 |
10 |
-1,64 |
0,1040 |
7,146 |
|
2 |
3 |
19 |
-0,96 |
0,2516 |
17,288 |
|
3 |
5 |
24 |
-0,27 |
0,3847 |
26,434 |
|
4 |
7 |
27 |
0,42 |
0,3653 |
25,101 |
|
5 |
9 |
12 |
1,11 |
0,2155 |
14,808 |
|
6 |
11 |
5 |
1,79 |
0,0804 |
5,525 |
|
7 |
13 |
3 |
2,48 |
0,0184 |
1,264 |
Составим таблицу 2 для применения критерия Пирсона с целью проверки гипотезы о нормальном распределении генеральной совокупности.
Таблица 2
1 |
1 |
10 |
7,146 |
1,140 |
|
2 |
3 |
19 |
17,288 |
0,170 |
|
3 |
5 |
24 |
26,434 |
0,224 |
|
4 |
7 |
27 |
25,101 |
0,144 |
|
5 |
9 |
12 |
14,808 |
0,532 |
|
6 |
11 |
5 |
5,525 |
0,050 |
|
7 |
13 |
3 |
1,264 |
2,384 |
|
100 |
4,644 |
В результате расчетов получено значение критерия Пирсона.
Найдем число степеней свободы, учитывая, что групп выборок , число параметров нормального распределения , тогда .
По таблице критических точек распределения по полученному значению и числу степеней свободы находим вероятность .
Так как P> (0,3>0,05), то на данном уровне значимости нет оснований отвергать нулевую гипотезу о нормальном распределении, расхождение эмпирических и теоретических частот случайно.
Т.е. при этом уровне значимости наблюдаемые данные согласуются с гипотезой о нормальном распределении генеральной совокупности.
На рис. 1 изображена гистограмма эмпирического распределения и теоретическая кривая распределения (данные взяты из табл. 1).
Рис. 1
Ответ: гипотеза не отвергается;
3. Распределение 100 предприятий по количеству работников Y (чел.) и величине средней месячной надбавки к заработной плате X(%) представлено в таблице.
Необходимо:
1. Вычислить групповые средние и , построить эмпирические линии регрессии.
2. Предполагая, что между переменными Х и Y существует линейная корреляционная зависимость:
а) найти уравнения прямых регрессии, построить их графики на одном чертеже с эмпирическими линиями регрессии и дать экономическую интерпретацию полученных уравнений;
б) вычислить коэффициент корреляции; на уровне значимости оценить его значимость и сделать вывод о тесноте и направлении связи между переменными Х и Y;
в) используя соответствующее уравнение регрессии, оценить среднюю месячную надбавку к заработной плате при числе работников предприятия 46 человек.
Решение:
1) Найдём средние значения :
При х1 = 10 ;
При х2 = 15 ;
При х3 = 20 ;
При х4 = 25 ;
При х5 = 30 ;
При х6 = 35 .
Построим график ломаной по полученным точкам - эмпирическую линию регрессии у на х (рис. 2, синяя линия).
Аналогично найдём средние значения :
При у1 = 15 ;
При у2 = 25 ;
При у3 = 35 ;
При у4 = 45 ;
При у5 = 55 ;
Построим график ломаной по полученным точкам - эмпирическую линию регрессии х на у (рис. 3, синяя линия).
2) а) Построим корреляционную таблицу в условных вариантах, взяв в качестве ложныхнулей С2=35и С1=30 (эти варианты имеют наибольшую частоту). Для перехода к условным вариантам используем формулы
, ;
где h1 - шаг (разность между двумя соседними вариантами Х); h2 - шаг (разность между двумя соседними вариантами Y), у нас h1=5, h2 = 10.
u |
-2 |
-1 |
0 |
1 |
2 |
nu |
|
-4 |
- |
- |
- |
6 |
4 |
10 |
|
-3 |
- |
- |
6 |
6 |
2 |
14 |
|
-2 |
- |
- |
10 |
2 |
- |
12 |
|
-1 |
3 |
6 |
8 |
2 |
- |
19 |
|
0 |
4 |
11 |
10 |
- |
- |
25 |
|
1 |
10 |
6 |
4 |
- |
- |
20 |
|
nv |
17 |
23 |
38 |
16 |
6 |
n=100 |
Найдём u и:
,
.
Найдём вспомогательные величины и:
,
.
Найдёми.
,
.
Найдём, для чего построим расчётную таблицу.
u |
-2 |
-1 |
0 |
1 |
2 |
uV |
||
-4 |
- |
- |
- |
6 6 -24 |
8 4 -16 |
14 |
-56 |
|
-3 |
- |
- |
0 6 -18 |
6 6 -18 |
4 2 -6 |
10 |
-30 |
|
-2 |
- |
- |
0 10 -20 |
2 2 -4 |
- |
2 |
-4 |
|
-1 |
-6 3 -3 |
-6 6 -6 |
0 8 -8 |
2 2 -2 |
- |
-10 |
10 |
|
0 |
-8 4 0 |
-11 11 0 |
0 10 0 |
- |
- |
-19 |
0 |
|
1 |
-20 10 10 |
-6 6 6 |
0 4 4 |
- |
- |
-26 |
-26 |
|
7 |
0 |
-42 |
-48 |
-22 |
- |
- |
||
Uv |
-14 |
0 |
0 |
-48 |
-44 |
- |
-106 |
Найдём коэффициент корреляции:
.
Найдём, , , (h1=5, h2 = 10; С2=35, С1=30):
;
;
;
.
Подставляя найденные величины в уравнение регрессии , получаем:
,
Или
.
Построим эту прямую на начальном графике (рис. 2, красная линия). Сравнивая результат сданными испытаний (эмпирической линией регрессии), можно сделать вывод о достаточно тесной корреляционной связи между величиной средней месячной надбавки к заработной плате (величина Х) и количеством работников на предприятии (величина У). Эта связь обратная: чем больше величина средней месячной надбавки к заработной плате, тем меньше количество работников на предприятии, и наоборот, чем меньше величина средней месячной надбавки к заработной плате, тем крупнее предприятие.
Рис. 2
Выпишем уравнение регрессииХ наУ , получаем:
,
Или
.
Построим эту прямую на начальном графике (рис. 3, красная линия). Сравнивая результат сданными испытаний (эмпирической линией регрессии), можно сделать вывод о достаточно тесной корреляционной связи между количеством работников на предприятии (величина У) и величиной средней месячной надбавки к заработной плате (величина Х).
Эта связь обратная: чем крупнее предприятие, тем меньше величина средней месячной надбавки к заработной плате, и наоборот, чем меньше количество работников на предприятии, тем больше величина средней месячной надбавки к заработной плате.
пуассон математический дисперсия квадратический
Рис. 3
б) Коэффициент корреляции:
(см. п. а)). Оценим его значимость. Найдём величину:
.
Для заданного уровня значимости по таблицам находим коэффициент Стьюдента:
.
Поскольку , то на данном уровне значимости можно сделать вывод о том, что между Х и У действительно существует достаточно тесная корреляционная зависимость.
Поскольку коэффициент корреляции отрицателен, то связь между Х и Уобратная. Поскольку коэффициент корреляции по абсолютной величине ближе к единице, чем к нулю, то можно сделать вывод о достаточно тесной корреляционной связи между Х и У.
в) Для оценки средней месячной надбавки к заработной плате х при числе работников предприятия у=46 человек используем уравнение регрессии Х на У:
(%).
Ответ: 1) рис. 2; рис. 3;
2) а) ; ;
б) ;
в) 17,36%.
Размещено на Allbest.ru
Подобные документы
Алгоритм определения вероятности события и выполнения статистических ожиданий. Оценка возможных значений случайной величины и их вероятности. Расчет математического ожидания, дисперсии и среднего квадратического отклонения. Анализ характеристик признака.
контрольная работа [263,8 K], добавлен 13.01.2014Определение вероятности появления события в каждом из независимых испытаний. Случайные величины, заданные функцией распределения (интегральной функцией), нахождение дифференциальной функции (плотности вероятности), математического ожидания и дисперсии.
контрольная работа [59,7 K], добавлен 26.07.2010Определение вероятности того, что из урны взят белый шар. Нахождение математического ожидания, среднего квадратического отклонения и дисперсии случайной величины Х, построение гистограммы распределения. Определение параметров распределения Релея.
контрольная работа [91,7 K], добавлен 15.11.2011Определение вероятности для двух несовместных и достоверного событий. Закон распределения случайной величины; построение графика функции распределения. Нахождение математического ожидания, дисперсии, среднего квадратичного отклонения случайной величины.
контрольная работа [97,1 K], добавлен 26.02.2012Определение вероятности наступления заданного события. Расчет математических величин по формуле Бернулли и закону Пуассона. Построение эмпирической функции распределения, вычисление оценки математического ожидания и доверительных интегралов для него.
курсовая работа [101,9 K], добавлен 26.03.2012Вычисление математического ожидания, дисперсии, функции распределения и среднеквадратического отклонения случайной величины. Закон распределения случайной величины. Классическое определение вероятности события. Нахождение плотности распределения.
контрольная работа [38,5 K], добавлен 25.03.2015Определение вероятности наступления определенного события по законам теории вероятности. Вычисление математического ожидания, дисперсии и среднего квадратичного отклонения. Нахождение выборочного уравнения регрессии по данным корреляционной таблицы.
контрольная работа [212,0 K], добавлен 01.05.2010Решение системы уравнений по методу Крамера, Гаусса и с помощью обратной матрицы. Общее число возможных элементарных исходов для заданных испытаний. Расчет математического ожидания, дисперсии и среднего квадратического отклонения, график функции.
контрольная работа [210,4 K], добавлен 23.04.2013Определение вероятности случайного события; вероятности выиграшных лотерейных билетов; пересечения двух независимых событий; непоражения цели при одном выстреле. Расчет математического ожидания, дисперсии, функции распределения случайной величины.
контрольная работа [480,0 K], добавлен 29.06.2010Определение вероятности наступления события, используя формулу Бернулли. Вычисление математического ожидания и дисперсии величины. Расчет и построение графика функции распределения. Построение графика случайной величины, определение плотности вероятности.
контрольная работа [390,7 K], добавлен 29.05.2014