- •1. Сокращения.
- •2. Математические символы.
- •3. Обозначения.
- •4. Ссылки.
- •§ 1. Основные понятия
- •1.1. Пространство элементарных событий
- •§ 1. Основные понятия
- •1.2. Алгебра событий
- •1.3. Вероятность события
- •§ 1. Основные понятия
- •§ 2. Основные свойства вероятности
- •2.1. Аксиоматические свойства
- •§ 2. Основные свойства вероятности
- •2.2. Свойства вероятности для полной группы событий
- •§ 2. Основные свойства вероятности
- •2.3. Типовые задачи
- •§ 3. Основные формулы вычисления вероятностей
- •3.1. Формула умножения вероятностей
- •§ 3. Основные формулы вычисления вероятностей
- •3.2. Формула сложения вероятностей
- •§ 3. Основные формулы вычисления вероятностей
- •3.3. Формула полной вероятности
- •§ 3. Основные формулы вычисления вероятностей
- •3.4. Формула Байеса
- •§ 3. Основные формулы вычисления вероятностей
- •3.5. Формула Бернулли
- •§ 3. Основные формулы вычисления вероятностей
- •3.6. Типовые задачи
- •§ 4. Задачи для самостоятельного решения
- •§ 5. Основные понятия
- •5.1. Функция распределения
- •§ 5. Основные понятия
- •5.2. Дискретные случайные величины
- •§ 5. Основные понятия
- •5.3. Непрерывные случайные величины
- •§ 5. Основные понятия
- •5.4. Числовые характеристики случайных величин
- •§ 5. Основные понятия
- •5.5. Характеристическая функция
- •§ 5. Основные понятия
- •5.6. Квантиль
- •§ 5. Основные понятия
- •5.7. Типовые задачи
- •§ 6. Основные дискретные распределения
- •6.1. Биномиальное распределение
- •§ 6. Основные дискретные распределения
- •6.2. Распределение Бернулли
- •§ 6. Основные дискретные распределения
- •6.3. Распределение Пуассона
- •§ 6. Основные дискретные распределения
- •6.4. Типовые задачи
- •§ 7. Основные непрерывные распределения
- •7.1. Равномерное распределение
- •§ 7. Основные непрерывные распределения
- •7.2. Экспоненциальное распределение
- •§ 7. Основные непрерывные распределения
- •7.3. Нормальное распределение
- •§ 7. Основные непрерывные распределения
- •7.4. Распределение Вейбулла
- •§ 7. Основные непрерывные распределения
- •7.5. Логарифмически нормальное распределение
- •§ 7. Основные непрерывные распределения
- •7.6. Типовые задачи
- •§ 8. Задачи для самостоятельного решения
- •§ 9. Двумерные случайные велчичины
- •9.1. Функция распределения
- •§ 9. Двумерные случайные велчичины
- •9.2. Плотность распределения
- •§ 9. Двумерные случайные велчичины
- •9.3. Типовые задачи
- •§ 10. Условные распределения
- •10.1. Условная функция распределения
- •§ 10. Условные распределения
- •10.2. Условная плотность распределения
- •§ 10. Условные распределения
- •10.3. Условное математическое ожидание
- •§ 10. Условные распределения
- •10.4. Корреляционная зависимость
- •§ 10. Условные распределения
- •10.5. Двумерное нормальное распределение
- •§ 10. Условные распределения
- •10.6. Типовые задачи
- •§ 11. Многомерные случайные величины
- •11.1. Основные характеристики многомерных св
- •§ 11. Многомерные случайные величины
- •11.2. Многомерное нормальное распределение
- •§ 11. Многомерные случайные величины
- •11.3. Биржевой парадокс
- •§ 11. Многомерные случайные величины
- •11.4. Типовые задачи
- •§ 12. Задачи для самостоятельного решения
- •§ 13. Закон больших чисел
- •13.1. Виды сходимости последовательностей св
- •§ 13. Закон больших чисел
- •13.2. Сходимость усредненной суммы независимых св
- •§ 13. Закон больших чисел
- •13.3. Типовые задачи
- •§ 14. Центральная предельная теорема
- •14.1. Сходимость нормированной суммы независимых св
- •§ 14. Центральная предельная теорема
- •14.2. Сходимость частоты
- •§ 14. Центральная предельная теорема
- •14.3. Типовые задачи
§ 9. Двумерные случайные велчичины
9.3. Типовые задачи
Задача 9.1.
Предприятие имеет две поточные линии по сборке некоторой продукции. Технологические процессы на линиях связаны между собой. Максимальное количество единиц собранной за день продукции для первой линии составляет 1, а для второй 2. Рассмотрим случайные величины: X — количество единиц продукции, собранной за день на первой линии, а Y — на второй линии. Совместное распределение этих величин задано табл. 9.2.
Таблица 9.2
|
Найти:
а) частные распределения случайных величин X и Y;
б) распределение, математическое ожидание и дисперсию случайной величины Z=X+Y — суммарного количества единиц продукции, выпускаемой предприятием за день.
Решение. а) Согласно правилам построения частных распределений компонент случайного вектора, получим
P{X=xi}=∑j=13P{X=xi,Y=yi}, i=1,2¯¯¯¯. (9.1)
Таблица 9.3
|
Таблица 9.4
|
Таким образом, получаем ряд распределения СВ X, представленный в табл. 9.3. Аналогичным образом строим ряд распределения для случайной величины Y (см. табл. 9.4).
б) Случайная величина Z может принимать целые значения от 0 до 3. Определим вероятности, с которыми Z принимает эти значения:
P{Z=0}=P{X=0,Y=0}=18,
P{Z=1}=P({X=1,Y=0}+{X=0,Y=1}).
Так как события {X=1,Y=0} и {X=0,Y=1} несовместны, то согласно формуле сложения вероятностей имеем
P{Z=1}=P{X=1,Y=0}+P{X=0,Y=1}=14.
Аналогично, для других возможных значений Z
P{Z=2}=P{{X=0,Y=2}+{X=1,Y=1}}=P{X=0,Y=1}+P{X=1,Y=1}=18+18=14,
P{Z=3}=P{X=1,Y=2}=38.
Таким образом, ряд распределения случайной величины Z может быть представлен табл. 9.5.
Таблица 9.5
|
Найдем математическое ожидание и дисперсию СВ Z:
M[Z]=∑i=14zipi=1⋅14+2⋅14+3⋅38=158=1,875,
D[Z]=∑i=14(zi−M[Z])2pi=(−158)218+(1−158)214+(2−158)214+(3−158)238=7164≈1,145.
Ответ.
а) Ряд распределения СВ X имеет вид табл. 9.3, а ряд распределения СВ Y имеет вид табл. 9.4;
б) ряд распределения СВ Z имеет вид табл. 9.5, M[Z]=1,875, D[Z]≈1,145.
■
Задача 9.2.
Пусть двухмесячные объемы продаж продукции некоторого предприятия удовлетворительно описываются двумерным случайным вектором Z=col(X,Y) с плотностью распределения вероятности
f(x,y)={c, 100≤x≤150, 50≤y≤100,0− в остальных случаях.
Найти:
а) константу c;
б) функцию распределения F(x,y);
в) исследовать случайные величины X и Y на независимость.
Решение.
а) Для нахождения константы
c
воспользуемся условием нормировки ∫−∞+∞⎛⎝⎜∫−∞+∞f(x,y)dx⎞⎠⎟dy=1. Вычисляя интеграл, получим
∫−∞+∞⎛⎝⎜∫−∞+∞f(x,y)dx⎞⎠⎟dy=∫50100⎛⎝⎜∫100150cdx⎞⎠⎟dy=∫5010050cdy=2500c.
Следовательно, c=12500=4⋅10−4.
б) По определению
F(x,y)=∫−∞y⎛⎝⎜∫−∞xf(t,τ)dt⎞⎠⎟dτ.
В нашем случае при x<100 или y<50 имеем f(x,y)=0, а, следовательно, и F(x,y)=0.
Если 100≤x<150 и 50≤y≤100, то, подставив найденную плотность вероятности в выражение для F(x,y), получим
∫50y⎛⎝⎜∫100x12500dτ⎞⎠⎟dt=∫50y12500(x−100)dτ=12500(x−100)(y−50).
Если 100≤x<150, а y≥100, то
F(x,y)=∫100x⎛⎝⎜∫50yf(t,τ)dτ⎞⎠⎟dt=∫100z⎛⎝⎜∫5010012500dτ⎞⎠⎟dt+∫100x⎛⎝⎜∫100y0dτ⎞⎠⎟dt=150(x−100).
Если x≥150, а 50<y≤100, имеем
F(x,y)=∫100x⎛⎝⎜∫50yf(t,τ)dτ⎞⎠⎟dt=∫100150⎛⎝⎜∫50y12500dτ⎞⎠⎟dt+∫150x⎛⎝⎜∫50y0dτ⎞⎠⎟dt=(y−50)150.
При x≥150, y≥100
F(x,y)=∫100150⎛⎝⎜∫5010012500dτ⎞⎠⎟dt+∫150x⎛⎝⎜∫100y0dτ⎞⎠⎟dt=1.
Таким образом,
|
в) Чтобы исследовать компоненты случайного вектора Z на независимость, найдем их частные распределения:
FX(x)=F(x,+∞)=⎧⎩⎨⎪⎪0, x<100,(x−100)/50, 100≤x<150,1, x≥150,
FY(y)=F(+∞,y)=⎧⎩⎨⎪⎪0, y<50,(y−50)/50, 50≤y<100,1, y≥100.
Очевидно, что F(x,y)=FX(x)⋅FY(y) для всех x,y∈R1. Следовательно, СВ X и Y независимы.
Ответ.
а) c=4⋅10−4;
б) см. формулу (9.2);
в) СВ X и Y независимы.
■
Задача 9.3.
Случайные величины X и Y независимы. Случайная величина X распределена по нормальному закону с параметрами mX=0, σ2X=1/2. Случайная величина Y равномерно распределена на отрезке [0,1]. Требуется найти:
а) плотность вероятности случайного вектора Z=col(X,Y);
б) функцию распределения случайного вектора Z;
в) вероятность попадания СВ Z в область D={−1≤X≤1,|Y|≤0,5}.
Решение. а) Плотности вероятностей СВ X и Y выглядят следующим образом:
fX(x)=1π√e−x2,
fY(y)={1, y∈[0,1],0, y∉[0,1].
Так как СВ X и Y независимы, то плотность вероятности случайного вектора Z представляется в виде fZ(x,y)=fX(x)fY(y). В данном случае
fZ(x,y)={1π√e−x2, y∈[0,1],0, y∉[0,1]. |
(9.3) |
б) Найдем функцию распределения. Двумерная функция распределения независимых случайных величин, по определению, имеет вид: FZ(x,y)=FX(x)FY(y). Выпишем одномерные функции распределения СВ X и Y
FX(x)=∫−∞x1π√e−t2dt, FY(y)=⎧⎩⎨0, y<0,y, 0≤y<1,1, y≥1.
Тогда
FZ(x,y)=⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪0, y<0,y∫−∞x1π√e−t2dt, 0≤y<1,∫−∞x1π√e−t2dt, y≥1. |
(9.4) |
Пользуясь представлением гауссовской функции распределения через функцию Лапласа, можно записать выражение (9.4) следующим образом:
FZ(x,y)=⎧⎩⎨⎪⎪⎪⎪⎪⎪0, y<0,y(Φ0(2√x)+12), 0≤y<1,Φ0(2√x)+12, y≥1. |
(9.5) |
в) Область D={−1≤x≤1,|y|≤0,5} представляет собой прямоугольник. Вероятность попадания в него вычисляется следующим образом:
P{Z∈D}=∫−11⎛⎝⎜∫−0,50,5fZ(x,y)dy⎞⎠⎟dx=∫−111π√e−x2dx∫00,51dy=12⋅2Φ0(2√⋅1)=Φ0(2√)≈0,42,
Вероятность попадания СВ Z в прямоугольник может быть найдена и другим способом:
P{−1≤X≤1,−0,5≤Y≤0,5}=P{X≤1,Y≤0,5}−
-P{X≤−1,Y≤0,5}−P{X≤1,Y≤−0,5}+P{X≤−1,Y≤−0,5}=
=FZ(1, 0,5)−FZ(−1, 0,5)−FZ(1, −0,5)+FZ(−1, −0,5)=
=12(Φ0(1⋅2√)+0,5)−12(0,5−Φ0(1⋅2√))=Φ0(2√)≈0,42.
Ответ.
а) Плотность распределения СВ Z имеет вид (9.3);
б) функция распределения СВ Z имеет вид (9.5);
в) P{Z∈D}≈0,42.
■
