МАТЕМАТИЧЕСКАЯ СТАТИСТИКА.
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ
ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТУРИЗМА И СЕРВИСА»
ФГОУВПО «РГУТиС»
Кафедра МАТЕМАТИКА И ИНФОРМАТИКА
(название кафедры)
УТВЕРЖДАЮ
Проректор по учебной работе,
д.э.н., профессор
_________________________Новикова Н.Г.
«_____»_______________________200__г.
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
ПО ВЫПОЛНЕНИЮ КОНТРОЛЬНЫХ РАБОТ
(ЧАСТЬ 5)
для студентов очной, заочной формы обучения и по форме экстернат
Дисциплина
ТЕОРИЯ ВЕРОЯТНОСТЕЙ, МАТЕМАТИЧЕСКАЯ СТАТИСТИКА, ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
(название дисциплины)
Для всех специальностей
Москва 2008 г.
Методические указания по выполнению контрольных работ составлены на основании рабочих программ дисциплины
ТЕОРИЯ ВЕРОЯТНОСТЕЙ, МАТЕМАТИЧЕСКАЯ СТАТИСТИКА, ТЕОРИЯ ВЕРОЯТНОСТЕЙ И МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
(название дисциплины)
Методические указания по выполнению контрольных работ рассмотрены и утверждены на заседании кафедры МАТЕМАТИКА И ИНФОРМАТИКА
(название кафедры)
Протокол № 9 «22» апреля 2008г.
Зав кафедрой к.т.н. доцент, Щиканов А.Ю.
Методические указания по выполнению контрольных работ одобрены Учебно-методическим советом ФГОУВПО «РГУТиС»
Протокол № ________ «____»_______________200_г.
Методические указания по выполнению контрольных работ разработаны:
Преподаватели кафедры
Математика и информатика
(название кафедры)
доцент Белов Б.А.,
Согласовано:
Зам. проректора - начальник
Учебно-методического управления к.э.н., доцент Дуборкина И.А
Начальник
Методического отдела Рыженок Н.В.
ТЕОРИЯ ВЕРОЯТНОСТЕЙ.
Справочный материал.
Случайные события:
- вероятность события P(A) = , n – число всех единственно возможных и равновозможных исходов испытания, а m – число исходов благоприятствующих появлению события А;
Pn= n! - число перестановок n различных элементов
( n! = 1 2 3 n, при этом 0! = 1 );
число размещений m различных элементов в n местах
(m n);
число сочетаний по m элементов из n различных
элементов ( m n, );
А + В – это событие, состоящее в появлении А или В или А и В вместе;
А В – это событие, состоящее в появлении А и В вместе;
– это событие противоположное А;
Р(А+В) = Р(А) + Р(В) для несовместных событий А и В;
Р(А+В) = Р(А) + Р(В) Р(АВ) для совместных событий А и В;
Р(АВ) = Р(А) Р(В) для независимых событий А и В;
Р(АВ) = Р(А)Р для зависимых событий А и В, где Р
– условная вероятность появления события В при условии, что событие А
уже появилось;
формула Бернулли для вычисления вероятности появления события А ровно
раз в серии из n испытаний, при этом
Р(A) = p в каждом испытании, Р( ) = q, p + q = 1;
Р(А) = - формула полной вероятности, при этом гипотезы Hiобразуют полную группу событий, то есть они попарно
независимы и , а событие А происходит только с одной из гипотез Hi;
- формула Байеса для вычисления вероятности гипотезы Нк при условии, что событие А произошло.
Случайные величины.
Дискретная случайная величина (ДСВ):
X принимает изолированные числовые значения x1, x2 , .... ;
- ряд распределения ДСВ – это таблица вида:
xi | x1 | x2 | .... |
Pi | P1 | P2 | ... |
при этом
- многоугольник распределения – это ломаная, соединяющая точки ( );
- интегральная функция F(x) = P(X < x) = F(a) + P(a X < x) представляет собой ступенчатую кривую;
- математическое ожидание ДСВ определяется формулой ;
- свойства: M(С) = C, M(hX + C) = h M(X) + C;
- дисперсия D(X) = M(X M(X))² = M(X²) M²(X);
- расчетные формулы: D(X) ;
- свойства: D(X) 0, D(0) = 0, D(hX + c) = h² D(X);
- среднее квадратическое отклонение ;
Основные виды распределений ДСВ.
1. Геометрическое: X = k = 1, 2, 3...
,
2. Распределение Бернулли (биноминальное): X = k = 0, 1, 2, ..... , n
M(X) = n p, D(X) = n p q, ;
3. Распределение Пуассона: X = k = 0, 1, 2, ... , n
M(X) = a, D(X) = a,
Непрерывная случайная величина (НСВ):
X принимает числовые значения ;
- плотность (дифференциальная функция) распределения вероятностей:
- интегральная функция распределения:
F(x) = P(X < x) = , при этом
;
- вероятность попадания НСВ в интервал
P( < X < ) = F() – F() =
- математическое ожидание M(X) =
- дисперсия D(X)
- среднее квадратическое отклонение .
Основные виды распределений НСВ:
1. Равномерное распределение в интервале (a, b)
при
при
при
при
при a x
b,
при ,
M(X) = D(X) =
,
;
1. Показательное распределение
при
при
при
при
M(X) = , D(X) =
,
2. Нормальное распределение
F(x) = 0.5 + Ф( ), где Ф(z) =
– функция Лапласа (ее значения имеются в приложениях учебников по теории вероятностей);
M(X) = a, D(X) = ,
,
P( < X < ) = Ф – Ф
.
Примеры.
1. Из разрезной азбуки сложено слово МАМА, затем рассыпано и сложено случайным образом. Найти вероятность того, что снова получится слово МАМА.
P = , n = P4= 4! = 24, m = 2! 2! = 4 => P =
=
= 0.17.
2. Четыре человека, среди которых двое знакомых, случайным образом рассаживаются в ряд, состоящий из шести стульев. Какова вероятность того, что знакомые окажутся рядом сидящими?
n = , m = (42 + 2)
=
P =
=
. 3. Из группы, состоящей из 4 студенток и 7 студентов, случайным образом отбираются 5 человек. Какова вероятность того, что среди отобранных окажется ровно 2 студентки?
,
.
4. Из урны, в которой находятся 5 красных, 2 синих и 4 желтых шара наудачу без возвращения в урну извлекаются:
1. 7 шаров. Найти вероятность того, что среди этих шаров окажется ровно 3 красных;
2. 2 шара. Найти вероятность того, что:
а) это будут желтые шары;
б) эти шары будут одного цвета;
в) эти шары будут разного цвета;
г) среди этих шаров будут хотя бы один красный;
3. 3 шара. Найти вероятность того, что:
а) эти шары будут одного цвета;
б) эти шары будут разных цветов;
в) взятый из них наудачу один шар окажется желтым;
4. 2 шара и они оказались одного цвета. Найти вероятность того, что это красные шары.
Решение.
1. В урне 5 красных и 6 некрасных шаров
.
2. a) P(ж и ж) = = 0.11.
б) P(к и к или с и с или ж и ж) =
в) Для двух шаров событие «шары разного цвета» противоположно
событию «шары одного цвета» => P(в) = 1 P(б) = 1 – 0.31 = 0.69.
г) Считаем, что в урне 5 красных и 6 некрасных шаров и найдем
P(A) = 1 – P( ) = 1 – P(н и н) =
.
3. а) Р(к и к и к или с и с и с или ж и ж и ж) = = 0.085.
б) P(к, ж, с) = = 0.24
Примечание. Множитель 3! Соответствует числу перестановок 3-х элементов.
в) Решим задачу по формуле полной вероятности. В урне находятся 4 желтых и 7 нежелтых шаров. Событие А – желтый шар из 3-х.
Гипотезы: H1– 3 желтых шара;
H2 – 2 желтых и 1 нежелтый;
H3 1 желтый и 2 нежелтых;
H4 – 3 нежелтых.
Контроль
4. Считаем, что в урне 5 красных и 6 некрасных шаров. Событие А – шары одного цвета.
Гипотезы:
Н1 – 2 красных шара;
Н2 – 2 некрасных шара;
Н3 – 1 красный и 1 некрасный.
Надо найти . По формуле Байеса
.
Контроль
5. В урне находятся 5 красных и 8 синих шаров. Шар извлекается и возвращается в урну 4 раза. Найти вероятность того, что красный шар появится:
а) ровно 3 раза; б) не менее 2-х раз.
Для решения задачи применяем формулу Бернулли ,
а)
б)
6. Из урны, содержащей 7 синих и 8 желтых шаров наудачу извлекаются 4 шара. Построить ряд распределения и найти математическое ожидание случайной величины равной числу синих шаров среди извлеченных 4-х шаров.
Значение случайной величины
Найдем их вероятности:
Проверим свойство ряда: .
Xk | |||||
Pk | ![]() | ![]() | ![]() | ![]() | ![]() |
Итак, ряд распределения Х :
Математическое ожидание
7. Дискретная случайная величина Х с известным математическим ожиданием М(Х) = 3.7 задана рядом распределения:
Xi | ![]() | ![]() | |||
Pi | 0.1 | р2 | 0.2 | р4 | 0.2 |
Требуется:
а) найти p2 и p4;
б) построить многоугольник распределения;
в) построить интегральную функцию F(x) и ее график;
г) вычислить дисперсию и среднее квадратическое отклонение.
Решение:
а) найдем из условий и
Получим систему уравнений:
Xi | 6 | 1 | |||
Pi | 0.1 | 0.1 | 0.2 | 0.4 | 0.2 |
.
б) для ряда распределения:
строим многоугольник распределения:
в) интегральную функцию строим с помощью свойства
:
при ![]() | ![]() |
при ![]() | ![]() |
при ![]() | ![]() |
при ![]() | ![]() |
при ![]() | ![]() |
при ![]() | ![]() |
г) дисперсия .
(по условию)
и
среднее квадратическое отклонение .
8. Задана дифференциальная функция (плотность) распределения
Найти:
а) параметр ;
б) интегральную функцию ;
в) математическое ожидание и дисперсию
;
г) вероятность события .
Решение:
а) из условия
тогда
б)
При построении воспользуемся свойством
.
При ![]() | ![]() |
при ![]() | ![]() |
при ![]() | ![]() |
в) .
г) .
9. На запуск двигателя тратится в среднем 2.5 попытки. Считая, что вероятность запуска в каждой попытке одинакова, найти вероятность запуска двигателя не более, чем за 3 попытки.
Здесь имеет место геометрическое распределение случайной величины Х равной числу попыток до запуска двигателя, причем . Тогда из
и
.
10. Случайная величина Х имеет биномальное распределение (распределение Бернулли) с математическим ожиданием и дисперсией
. Найти вероятность события
.
Для биномального распределения ,
получим систему уравнений:
, тогда
и
.
Искомую вероятность находим с помощью формулы Бернулли.
11. Для случайной величины Х, имеющей распределение Пуассона вероятность события равна 0.4. Найти вероятность события
.
Из формулы для
,
Тогда
12. Случайная величина Х имеет равномерное распределение в интервале , причем
и
. Найти вероятность события
.
Для равномерного распределения ,
.
По условию
. Для
и
интегральная функция имеет вид:
13. Случайная величина Х имеет показательное распределение и при этом численно . Найти вероятность события
.
Из формул ,
или
.
Тогда и интегральная функция будет:
14. Методами математической статистики установлено, что для данного региона роста призывников в ряды вооруженных сил имеют нормальное распределение с параметрами
. Найти ожидаемое число призывников 3-го роста из 1000 человек.
Отметим, что третий рост соответствует интервалу (167, 173).
По формуле получим
Тогда ожидаемое число призывников третьего роста
человек.
Примечание: значения и
взяты из таблицы значений функции Лапласа
.
МАТЕМАТИЧЕСКАЯ СТАТИСТИКА.
Справочный материал.
Одномерная выборка.
Способы формирования выборки:
- интервальный вариационный ряд – это таблица
![]() | ![]() | ![]() | . . . | ![]() |
![]() | ![]() | ![]() | . . . | ![]() |
;
- шаг вариации,
- частоты попадания признака Х в диапазон
,
- объем выборки;
- гистограмма плотностей относительных частот
- это графическое представление интервального вариационного ряда вида:
, где
;
![]() | ![]() | ![]() | . . . | ![]() |
![]() | ![]() | ![]() | . . . | ![]() |
- дискретный вариационный ряд – это таблица:
где ,
;
- полигон относительных частот - это графическое представление дискретного вариационного ряда вида:
, где
.
Числовые характеристики выборки:
- среднее выборочное , при этом
;
- выборочная дисперсия , при этом
;
- выборочное среднее квадратическое отклонение , при этом
;
- критерий Пирсона для проверки статистической гипотезы о виде закона распределения , где
- теоретические частоты, найденные с учетом выбранного закона распределения генеральной совокупности
.
Двумерная выборка:
- исходные данные формируются в виде корреляционной таблицы:
![]() ![]() | ![]() | ![]() | . . . | ![]() | ![]() |
![]() | ![]() | ![]() | . . . | ![]() | ![]() |
![]() | ![]() | ![]() | . . . | ![]() | ![]() |
. . . | . . . | . . . | . . . | . . . | . . . |
![]() | ![]() | ![]() | . . . | ![]() | ![]() |
![]() | ![]() | ![]() | . . . | ![]() | ![]() |
,
- шаги вариации,
- объем выборки;
- коэффициент корреляции
оценивает тесноту линейной корреляционной зависимости;
- линейное уравнение регрессии на
, а
на
.
Примечание: коэффициент корреляции не изменяется при линейных заменах переменных х и у.
Примеры.
1. Выборка объемом измерений задана интервальным вариационным рядом:
![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() |
Требуется:
а) построить гистограмму плотностей относительных частот ;
б) перейти к дискретному вариационному ряду и построить полигон относительных частот ;
в) вычислить среднее выборочное и среднее выборочное квадратическое отклонение
;
г) при уровне значимости проверить гипотезу о нормальном распределении генеральной совокупности Х.
Решение:
а) ,
- плотности относительных частот:
![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() | 0,14 | 0,23 | 0,38 | 0,26 | 0,19 | 0,06 |
Гистограмма плотностей относительных частот :
б) принимая середины интервалов за значения вариант , получим дискретный вариационный ряд:
![]() | 2.7 | 3.5 | 4.3 | 5.1 | 5.9 | 6.7 |
![]() | ||||||
![]() | 0.11 | 0.18 | 0.3 | 0.21 | 0.15 | 0.05 |
, .
Полигон относительных частот :
в) для расчета и
сделаем преобразование
, примем за ложный ноль
. Тогда
- условные варианты.
Найдем условные характеристики: ,
,
, затем с помощью обратного преобразования
найдем
и
. Для вычисления сумм
и
применим метод произведений и найдем эти сумм с помощью таблицы:
i | ![]() | ![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ||||
![]() | ![]() | ||||
![]() |
Контроль вычислений: с одной стороны , с другой
стороны
вычисления верны.
С помощью свойств и
получаем:
г) для расчета теоретических частот применим приближенную формулу
, где
, а
.
Примечание: точная формула теоретических частот для нормального распределения
, где
,
, предполагает использование таблиц значений функций Лапласа
Значения
и
берем из предыдущего пункта
,
.
![]() | ![]() | ![]() | ![]() |
2.7 | ![]() | 7.25 | |
3.5 | ![]() | 19.08 | |
4.3 | ![]() | 29.02 | |
5.1 | ![]() | 25.45 | |
5.9 | 1.29 | 12.91 | |
6.7 | 2.03 | 3.78 |
Наблюдаемое значение критерия найдем в таблице:
![]() | ![]() | ![]() | ![]() |
7.25 | 1.94 | ||
19.08 | 0.06 | ||
29.02 | 0.03 | ||
25.45 | 0.78 | ||
12.91 | 0.34 | ||
3.78 | 0.39 |
Суммируя последний столбец, получим , критическое значение
берем из таблицы приложений для уровня значимости
и числе степеней свободы
(здесь
- число вариант,
- число параметров нормального закона распределения).
.
Так как , то нет оснований отвергнуть гипотезу о нормальном распределении генеральной совокупности.
2. Двумерная выборка совместных измерений признаков X и Y объемом N = 100 задана корреляционной таблицей:
yj xi | 5.3 | 7.4 | 9.5 | 11.6 | 13.7 | mxi |
2.7 | - | - | - | |||
3.5 | - | - | ||||
4.3 | - | - | ||||
5.1 | - | - | - | |||
5.9 | - | - | ||||
6.7 | - | - | - | |||
myj | N = 100 |
Требуется: