Определение вероятности события
Рассмотрение классического определения вероятности некоего события. Расчет вероятности получения детали с каждого завода в отдельности при условии получения однотипных изделий с трех заводов. Применение закона распределения дискретной случайной величины.
Рубрика | Математика |
Вид | контрольная работа |
Язык | русский |
Дата добавления | 26.01.2016 |
Размер файла | 278,9 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/
Задание №1
Бросаются две игральные кости. Определить вероятность того, что а) сумма числа очков не превосходит 4; б) произведение числа очков не превосходит 6; в) произведение числа очков делится на 5.
Решение:
Запишем классическое определение вероятности некоего события
Р = m/n,
где n - количество всевозможных исходов, m - количество благоприятных исходов.
Распишем в виде таблицы всевозможные исходы эксперимента:
1, 1 |
2, 1 |
3, 1 |
4, 1 |
5, 1 |
6, 1 |
|
1, 2 |
2, 2 |
3, 2 |
4, 2 |
5, 2 |
6, 2 |
|
1, 3 |
2, 3 |
3, 3 |
4, 3 |
5, 3 |
6, 3 |
|
1, 4 |
2, 4 |
3, 4 |
4, 4 |
5, 4 |
6, 4 |
|
1, 5 |
2, 5 |
3, 5 |
4, 5 |
5, 5 |
6, 5 |
|
1, 6 |
2, 6 |
3, 6 |
4, 6 |
5, 6 |
6, 6 |
Всего 36 вариантов, т.е. n = 36.
а) сумма числа очков не превосходит числа 4 в шести исходах:
1, 1 |
2, 1 |
3, 1 |
|
1, 2 |
2, 2 |
||
1, 3 |
Следовательно,
P = 6/36 = 1/6.
б) произведение числа очков не превосходит числа 4 в 8 исходах:
1, 1 |
2, 1 |
3, 1 |
4, 1 |
|
1, 2 |
2, 2 |
|||
1, 3 |
||||
1, 4 |
Следовательно,
P = 8/36 = 2/9.
в) произведение числа очков делится на 4 (т.е. кратно 4) в случаях, когда оно равно 4, 8, 12, 16, 20, 24, 28, 32, 36 (максимальное значение произведения значений очков равно 6Ч6 = 36); в нашем случае это 15 исходов:
4, 1 |
||||||
2, 2 |
4, 2 |
6, 2 |
||||
4, 3 |
||||||
1, 4 |
2, 4 |
3, 4 |
4, 4 |
5, 4 |
6, 4 |
|
4, 5 |
||||||
2, 6 |
4, 6 |
6, 6 |
Следовательно,
P = 15/36 = 5/12.
Ответ: а) 1/6; б) 2/9; в) 5/12.
Задание №2
В двух партиях 82 и 88 - процент доброкачественных изделий соответственно. Наудачу выбирают по одному изделию из каждой партии. Какова вероятность обнаружить среди них: а) хотя бы одно бракованное; б) два бракованных; в) одно доброкачественное и одно бракованное.
Решение:
Запишем вероятность извлечь доброкачественное изделие для каждой партии:
p1 = 82/100 = 0,82;
p2 = 88/100 = 0,88.
Тогда вероятность извлечь бракованное изделие для каждой партии равна
q1 = 1 - p1 = 1 - 0,82 = 0,18;
q2 = 1 - p2 = 1 - 0,88 = 0,12.
А. Вероятность обнаружить хотя бы одно бракованное изделие определяется по формуле
Р = p1q2 + p2q1 + q1q2.
Подставляя исходные данные, получаем
Р = 0,82·0,12 + 0,88·0,18 + 0,18·0,12 = 0,2784.
Б. Вероятность обнаружить два бракованных изделия определяется по формуле
Р = q1q2 = 0,18·0,12 = 0,0216.
Т. Вероятность обнаружить одно доброкачественное и одно бракованное изделие определяется по формуле
Р = p1q2 + p2q1 = 0,82·0,12 + 0,88·0,18 = 0,2568.
Ответ: а) 0,2784; б) 0,0216; в) 0,2568.
Задание №3
В магазин поступают однотипные изделия с трех заводов, причем первый завод поставляет 32%, второй - 38% и третий - 30% изделий. Среди изделий первого завода изделия I сорта составляют 93%, второго - 82%, третьего - 77%. Куплено одно изделие, причем оно оказалось I сорта. Определите завод, с которого наиболее вероятно поступило изделие.
Решение:
Пусть событие А - купленное изделие оказалось первосортным.
Тогда можно выдвинуть 3 гипотезы:
-- Н1 - деталь поступила с первого завода,
-- Н2 - деталь поступила со второго завода,
-- Н2 - деталь поступила с третьего завода.
Вероятности получить деталь с каждого завода в отдельности составляют соответственно, согласно условию:
P(Н1) = 32/100 = 0,32; P(Н2) = 38/100 = 0,38; P(Н3) = 30/100 = 0,3.
Тогда условные вероятности того, что деталь, доставленная с завода, является первосортной, составляют, согласно условию:
P(А|Н1) = 93/100 = 0,93; P(А|Н2) = 82/100 = 0,82; P(А|Н3) = 77/100 = 0,77.
Для определения завода, с которого поступило изделие с наибольшей вероятностью, воспользуемся формулой Байеса, имеющей вид
где - полная вероятность события А:
- вероятность того, что первосортное изделие поступило с i-го завода.
Подставляя исходные данные, получаем следующие результаты:
Нетрудно видеть, что max, то есть наиболее вероятно, что купленное изделие I сорта изготовлено на втором заводе.
Ответ: второй завод.
Задание №4
В партии из 13 изделий 9 изделий высокого качества. Случайно отбирается 3 изделия. Составить закон распределения случайной величины X - числа изделий высокого качества среди отобранных. Найти математическое ожидание X.
Решение:
Дискретная случайная величина Х - число изделий высокого качества среди отобранных - имеет следующие возможные значения:
X1 = 0, X2 = 1, X3 = 2, X4 = 3.
Найдём вероятности P(X1), P(X2), P(X3), P(X4) этих возможных значений.
Искомый закон распределения дискретной случайной величины Х, соответственно, будет иметь вид:
X |
X1 |
X2 |
X3 |
X4 |
|
Р |
P(X1) |
P(X2) |
P(X3) |
P(X4) |
Пусть A - событие, которое заключается в том, что отобранное изделие - высокого качества. Так как число испытаний невелико, то для вычисления искомых вероятностей воспользуемся формулой Бернулли
,
где - число сочетаний из n элементов по k; p - вероятность появления события A в каждом из испытаний (по условию p = P(A) = 9/13); q - вероятность непоявления события A (некачественное изделие) в каждом из испытаний:
q = 1 - p = 1 - (9/13) = 4/13.
Число изделий высокого качества X1 = 0 возможно только в случае появления события A ровно 0 раз в n = 3 испытаниях (т.е. его отсутствия). Поэтому
Число изделий высокого качества X2 = 1 возможно только в случае появления события A ровно 1 раз в n = 3 испытаниях. Поэтому
Число изделий высокого качества X3 = 2 возможно только в случае появления события A ровно 2 раза в n = 3 испытаниях. Поэтому
Число изделий высокого качества X4 = 3 возможно только в случае появления события A ровно 3 раза в n = 3 испытаниях. Поэтому
Сумма вероятностей
вероятность событие дискретный случайный
Таким образом, искомый закон распределения дискретной случайной величины Х имеет вид:
X |
0 |
1 |
2 |
3 |
|
Р |
0,0292 |
0,1966 |
0,4424 |
0,3318 |
Математическое ожидание
Задание №5
Вероятность «сбоя» в работе телефонной станции при каждом вызове равна p = 0,008. Определить вероятность того, что: а) из поступивших 13 вызовов ровно 5 «сбоев»; б) число «сбоев» m удовлетворяет неравенству .
Решение:
Вероятность того, что в работе телефонной станции при вызове не будет «сбоя», составляет
q = 1 - p = 1 - 0,008 = 0,992.
Тогда вероятность того, что из поступивших n = 13 вызовов ровно k = 5 «сбоев», высчитывается по формуле Бернулли:
Подставляя исходные данные, получаем
Вероятность того, что число «сбоев» m удовлетворяет неравенству (следовательно, согласно условию, не менее 160 и не более 400), определяется согласно интегральной теоремы Лапласа:
где - функция Лапласа,
В нашем случае:
Ответ: а) 4·10-8; б) 0.
Задание №6
Случайная величина X равномерно распределена в интервале (-2; 8). Требуется найти: 1) дифференциальную (плотность вероятности) и интегральную функцию распределения случайной величины X; 2) найти математическое ожидание, дисперсию и среднеквадратическое отклонение; 3) найти вероятность попадания случайной величины в интервал (-1; 4).
Решение:
1. Если случайная непрерывная величина X на промежутке (а; b) имеет равномерное распределение, то её плотность распределения вероятностей (дифференциальная функция распределения) имеет вид
Интегральная функция распределения в этом случае имеет вид:
.
В нашем случае
.
2. Математическое ожидание
Дисперсия D(X):
Среднеквадратическое отклонение
.
3. Вероятность попадания случайной величины в интервал (-1; 4):
.
Ответ:
1) ; ;
2) М(Х) = 1; D(X) = 2; ;
3) .
Задание №7
Случайная величина задана интегральной функцией распределения:
.
Требуется: 1) найти дифференциальную функцию (плотность вероятности); 2) найти математическое ожидание и дисперсию Х; 3) построить графики интегральной и дифференциальной функций; 4) найти вероятность попадания случайной величины в интервал (2; 6).
Решение:
1. По определению, плотность случайной величины
,
Следовательно
.
2. Математическое ожидание и дисперсия непрерывной случайной величины определяется равенствами:
, .
Имеем:
.
3. Графики интегральной и дифференциальной функции приведены на рисунке 1.
Рисунок 1
4. Вероятность попадания случайной величины Х в заданный интервал p(2 < X < 6) с учетом того, что при x > 9/8 f(x) = 0:
Ответ:
; М(X) = 1; D(X) = 17/128;
Задание №8
Применяя неравенство Чебышева, оцените вероятность того, что случайная величина X отклонится от своего математического ожидания менее чем на 8, где .
Решение:
Воспользуемся неравенством Чебышева в форме
где е = 8, D(X) = 2.
Подставляя полученные данные, имеем
Ответ: 0,9844.
Задание №9
За 2003 г. получены группировки доходов работников одного из акционерных обществ:
№ п/п |
Группы доходов (руб.) |
Количество работников |
|
1 |
От 12500 до 17500 |
40 |
|
2 |
От 17500 до 22500 |
64 |
|
3 |
От 22500 до 27500 |
80 |
|
4 |
От 27500 до 32500 |
96 |
|
5 |
От 32500 до 37500 |
160 |
|
6 |
От 37500 до 42500 |
120 |
|
7 |
От 42500 до 47500 |
96 |
|
8 |
От 47500 до 52500 |
64 |
|
9 |
От 52500 до 57500 |
48 |
|
10 |
От 57500 до 62500 |
32 |
Определить частоты, частости, накопленные частоты и накопленные частости для заданных статистических данных.
Изобразить ряд графически в виде гистограммы, полигона и кумулятивной кривой.
Вычислить:
1) среднее арифметическое,
2) медиану,
3) моду,
4) вариационный размах,
5) эмпирическую дисперсию,
6) эмпирическое среднее квадратичное отклонение,
7) эмпирические начальные и центральные моменты до третьего порядка включительно,
8) эмпирический коэффициент асимметрии,
9) эмпирический эксцесс.
Решение:
1. Частоты - это числа, показывающие, как часто встречаются те или варианты в данной совокупности. Сумма всех частот называется объемом совокупности и показывает число единиц совокупности, обозначается N.
В нашем случае частоты указаны в столбце «Количество работников», при этом общее число единиц совокупности
Частости wi - это частоты, выраженные в виде относительных величин: долях единицы или в процентах, рассчитываются как отношение частоты к объему совокупности:
wi = ni/N;
fi |
40 |
64 |
80 |
96 |
160 |
120 |
96 |
64 |
48 |
32 |
|
wi |
0,05 |
0,08 |
0,1 |
0,12 |
0,2 |
0,15 |
0,12 |
0,08 |
0,06 |
0,04 |
Накопленная частота (Sf) показывает число единиц совокупности, у которых значение варианты не больше данной, определяется суммированием частот всех предшествующих интервалов, включая данный:
Sf1 = f1; Sf2 = f1 + f2; Sf3 = f1 + f2 + f3; … Sfn = Уfn.
fi |
40 |
64 |
80 |
96 |
160 |
120 |
96 |
64 |
48 |
32 |
|
Sfi |
40 |
104 |
184 |
280 |
440 |
560 |
656 |
720 |
768 |
800 |
Если вместо частот использовать частости, то аналогично получим накопленные частости (Sw):
Sw1 = w1; Sw2 = w1 + w2; Sw3 = w1 + w2 + w3; … SWn = Уwn.
wi |
0,05 |
0,08 |
0,1 |
0,12 |
0,2 |
0,15 |
0,12 |
0,08 |
0,06 |
0,04 |
|
Swi |
0,05 |
0,13 |
0,23 |
0,35 |
0,55 |
0,7 |
0,82 |
0,9 |
0,96 |
1 |
Графически ряды распределения можно представить в виде гистограммы, кумуляты, полигона.
Интервальный вариационный ряд изображают в виде гистограммы. Для ее построения в прямоугольной системе координат по оси абсцисс откладывают отрезки, равные длине интервала. Затем на этих отрезках, как на основаниях, строят прямоугольники, высота которых пропорциональна частоте или частости. Для интервального ряда с неравными интервалами по оси ординат откладывают плотность распределения, так как в этом случае именно она дает представление о заполненности интервала. Площадь всей гистограммы численно равна сумме частот.
Рисунок 2 Гистограмма
Рисунок 3 Полигон
Рисунок 4 Кумулята
Среднее арифметическое
руб.
Медиана. При вычислении медианы в интервальном ряду сначала находят медианный интервал, (т. е. содержащий медиану), для чего используют накопленные частоты или частости. Медианным является интервал, накопленная частота которого равна или превышает половину всего объема совокупности. В нашем случае это интервал 5 (Sf4 = 440)
Затем значение медианы рассчитывается по формуле:
где XMе - нижняя граница медианного интервала; hMе - величина медианного интервала; fMе - кумулятивная частота медианного интервала; SfMе-1 - накопленная частота предшествующего медианному интервала:
руб.
Мода. В интервальных рядах распределения для нахождения моды сначала по наибольшей частоте определяют модальный интервал, т.е. интервал, содержащий моду, а затем приблизительно рассчитывают ее по формуле:
где XMo - нижняя граница модального интервала; XMo+1 - верхняя граница модального интервала; hMo - величина модального интервала; fMo-1, fMo+1 - частоты соответственно в предыдущем и следующим за модальным интервалах.
В нашем случае модальным является интервал 5 (fMo = 160, XMo = 32500 XMo+1 = 37500, hMo = 5000), тогда
35576,92 руб.
Вариационный размах (или размах вариации) - это разница между максимальным и минимальным значениями признака:
R = Xmax - Xmin = 160 - 32 = 128.
Эмпирическая дисперсия:
Эмпирическое среднее квадратичное отклонение:
Эмпирические начальные и центральные моменты k-го порядка определяются по формулам:
1) начальный момент k-го порядка есть математическое ожидание k-й степени этой случайной величины.
следовательно,
2) центральный момент k-го порядка:
Эмпирический коэффициент асимметрии:
Эмпирический эксцесс:
Задание №10
Используя данные задания №9, проверить гипотезу о нормальном распределении доходов акционерного общества и найти доверительный интервал для среднего уровня дохода. Уровни значимости принять по 0,95.
Решение:
1. Проверим гипотезу о том, что Х распределено по нормальному закону с помощью критерия согласия Пирсона, для чего проведем вспомогательный расчет:
xi |
ni |
xini |
||
15000 |
40 |
600000 |
18576100000 |
|
20000 |
64 |
1280000 |
17529760000 |
|
25000 |
80 |
2000000 |
10672200000 |
|
30000 |
96 |
2880000 |
4118640000 |
|
35000 |
160 |
5600000 |
384400000 |
|
40000 |
120 |
4800000 |
1428300000 |
|
45000 |
96 |
4320000 |
6854640000 |
|
50000 |
64 |
3200000 |
11577760000 |
|
55000 |
48 |
2640000 |
16339320000 |
|
60000 |
32 |
1920000 |
17596880000 |
|
Сумма |
800 |
29240000 |
1,050781011 |
Выборочное среднее:
.
Выборочная исправленная дисперсия:
Выборочное исправленное среднее квадратическое отклонение:
Выдвинем гипотезу H0: распределение генеральной совокупности X подчинено нормальному закону с параметрами a = 36550 и у = 11467,86.
Проверим эту гипотезу по критерию Пирсона при уровне значимости б = 0,05; для этого рассчитываем теоретические частоты по формуле:
где h = 5000 - шаг между интервалами, - табличное значение локальной функции Лапласа.
Вычисления представим в виде таблицы:
xi |
ni |
|||||
15000 |
-1,88 |
0,0681 |
23,75 |
40 |
11,11 |
|
20000 |
-1,44 |
0,1415 |
49,36 |
64 |
4,35 |
|
25000 |
-1,01 |
0,2396 |
83,57 |
80 |
0,15 |
|
30000 |
-0,57 |
0,3391 |
118,28 |
96 |
4,20 |
|
35000 |
-0,14 |
0,3951 |
137,81 |
160 |
3,57 |
|
40000 |
0,30 |
0,3814 |
133,03 |
120 |
1,28 |
|
45000 |
0,74 |
0,3034 |
105,83 |
96 |
0,91 |
|
50000 |
1,17 |
0,2012 |
70,18 |
64 |
0,54 |
|
55000 |
1,61 |
0,1092 |
38,09 |
48 |
2,58 |
|
60000 |
2,04 |
0,0498 |
17,37 |
32 |
12,32 |
|
Сумма |
800 |
41,01 |
Наблюдаемое значение критерия Пирсона вычислим по формуле
По таблице критических значений при уровне значимости
б = 1 - 0,95 = 0,05
и числе степеней свободы k = 10 - 3 = 7 найдем
.
Поскольку , нулевую гипотезу о нормальном распределении при данном уровне значимости следует отвергнуть.
Список литературы
1. Шалабанов А.К., Роганов Д.А. Практикум по эконометрике с применением Microsoft Excel: Линейные модели парной и множественной регрессии. Казань: Академия управления «Тисби», 2008. 54 с.
2. Эконометрика/ Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2004. 344 с.
3. Гмурман В.Е. Теория вероятностей и математическая статистика: Учебное пособие для студентов вузов. М.: Высшая школа, 2006. 480 c.
4. Ивченко Г.И., Медведев Ю.И. Математическая статистика. М.: Высшая школа, 2005. 248 с.
5. Кремер Н.Ш. Высшая математика для экономистов: учебник для студентов вузов, обучающихся по экономическим специальностям. М.: ЮНИТИ-ДАНА, 2007. 479 с.
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 случайного события, с использованием формулы классической вероятности, схемы Бернулли. Составление закона распределения случайной величины. Гипотеза о виде закона распределения и ее проверка с помощью критерия хи-квадрата Пирсона.
контрольная работа [114,3 K], добавлен 11.02.2014Использование формулы Бернулли для нахождения вероятности происхождения события. Построение графика дискретной случайной величины. Математическое ожидание и свойства интегральной функции распределения. Функция распределения непрерывной случайной величины.
контрольная работа [87,2 K], добавлен 29.01.2014Определение 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 29.05.2014Нахождение вероятности события, используя формулу Бернулли. Составление закона распределения случайной величины и уравнения регрессии. Расчет математического ожидания и дисперсии, сравнение эмпирических и теоретических частот, используя критерий Пирсона.
контрольная работа [167,7 K], добавлен 29.04.2012Определение вероятности определенного события. Вычисление математического ожидания, дисперсии, среднеквадратического отклонения дискретной случайной величины Х по известному закону ее распределения, заданному таблично. Расчет корреляционных признаков.
контрольная работа [725,5 K], добавлен 12.02.2010Определение вероятности появления поломок. Расчет вероятности успеха, согласно последовательности испытаний по схеме Бернулли. Нахождение вероятности определенных событий по формуле гипергеометрической вероятности. Расчет дискретной случайной величины.
контрольная работа [69,3 K], добавлен 17.09.2013Расчет наступления определенного события с использованием положений теории вероятности. Определение функции распределения дискретной случайной величины, среднеквадратичного отклонения. Нахождение эмпирической функции и построение полигона по выборке.
контрольная работа [35,1 K], добавлен 14.11.2010Классическое определение вероятности события. Способы вычисления наступления предполагаемого события. Построение многоугольника распределения. Поиск случайных величин с заданной плотностью распределения. Решение задач, связанных с темой вероятности.
задача [104,1 K], добавлен 14.01.2011Определение 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 29.06.2010