Теория вероятностей и математическая статистика
7.
n1=20,
n2=16;
![]()
![]()
8.
n1=12,
n2=8;
![]()
![]()
![]()
9.
n1=9,
n2=14;
![]()
![]()
![]()
![]()
10.
n1=8,
n2=20;
![]()
ЗАДАНИЕ 12.Критерий Пирсона
1-3. Ниже приведены данные о фактических объемах сбыта (в у.е.) в пяти районах. Согласуются ли эти результаты с предположением о том, что сбыт продукции в этих районах одинаков. Уровень значимости выбрать самостоятельно.
| 1. | Район | 1 | 2 | 3 | 4 | 5 |
| Объем сбыта | 75 | 90 | 85 | 70 | 80 |
| 2. | Район | 1 | 2 | 3 | 4 | 5 |
| Объем сбыта | 85 | 120 | 140 | 70 | 85 |
| 3. | Район | 1 | 2 | 3 | 4 | 5 |
| Объем сбыта | 50 | 65 | 70 | 80 | 35 |
4-10. В следующих задачах для приведенных сгруппированных данных проверить гипотезу о том, что они получены из нормальной генеральной совокупности. Уровень значимости выбрать самостоятельно.
| 4. | Границы интервала | 0-6 | 6-12 | 12-18 | 18-24 | 24-30 | 30-36 | 36-42 |
| Частота | 2 | 9 | 19 | 35 | 24 | 13 | 6 |
| 5. | Граница интервала |
0-4 |
4-8 | 8-12 | 12-16 | 16-20 | 20-24 |
| Частота | 7 | 16 | 55 | 22 | 4 | 2 |
| 6. | Граница интервала |
10-14 |
14-18 | 18-22 | 22-26 | 26-30 | 30-34 |
| Частота | 10 | 31 | 65 | 25 | 8 | 3 |
| 7. | Граница интервала |
1-5 |
5-9 | 9-13 | 13-17 | 17-21 | 21-25 | 25-29 |
| Частота | 3 | 29 | 56 | 81 | 67 | 19 | 8 |
| 8. | Граница интервала |
14-16 |
16-18 | 18-20 | 20-22 | 22-24 | 24-26 |
| Частота | 12 | 20 | 78 | 45 | 10 | 3 |
| 9. | Граница интервала |
7-9 |
9-11 | 11-13 | 13-15 | 15-17 | 17-19 | 19-21 |
| Частота | 2 | 35 | 97 | 86 | 45 | 26 | 4 |
| 10. | Граница интервала |
30-32 |
32-34 | 34-36 | 36-38 | 38-40 | 40-42 | 42-44 |
| Частота | 19 | 43 | 101 | 95 | 40 | 13 | 3 |
ЗАДАНИЕ 13. ИсслЕДОВАНИЕ ЗАВИСИМОСТЕЙ
В
следующих
задачах следует
построить
уравнение
регрессии вида
Сделать вывод
о возможности
использования
линию регрессии
в дальнейших
прогнозах.
1. Данные о выпуске продукции (Y) и энерговооруженности (X) на 6 предприятиях.
| Xi | 2 | 3 | 5 | 6 | 6 | 7 |
| Yi | 2,5 | 5,5 | 10 | 10 | 11,5 | 13,5 |
2. Данные об удельной величине спроса товаров (Y) и среднедушевого дохода (Х).
| Xi | 1 | 2 | 3 | 4 | 6 | 6 |
| Yi | 3,5 | 6,1 | 7,5 | 7,8 | 8,2 | 8,1 |
3. Данные об объеме валового продукта (Y) и затратами на капитальные вложения (Х) по 6 предприятиям.
| Xi | 1 | 1 | 2 | 4 | 6 | 8 |
| Yi | 4,5 | 5,1 | 10,3 | 18,1 | 19,2 | 19,8 |
4. Данные об объеме выпуска продукции (Y) и ее себестоимости.
| Xi | 2 | 2 | 3 | 4 | 5 | 6 |
| Yi | 8,5 | 9,1 | 11,2 | 12,8 | 15,1 | 17,3 |
5. Данные о долговечности элемента (Y) и величине эксплуатационного напряжения (Х).
| Xi | 6 | 7 | 7 | 8 | 9 | 9 |
| Yi | 40,1 | 45,4 | 46,2 | 53,2 | 59,5 | 60,2 |
6. Данные об урожайности (Y) и количестве весенних осадках (Х).
| Xi | 1 | 2 | 2 | 3 | 4 | 5 |
| Yi | 0,8 | 3,5 | 4,2 | 7,1 | 9,8 | 13,1 |
7. Данные об урожайности (Y) и механовооруженности (Х)
| Xi | 1 | 1 | 2 | 2 | 3 | 5 |
| Yi | 4,2 | 3,9 | 4,8 | 5,1 | 6,2 | 7,7 |
8. Данные о зависимости стоимости сооружения (Y) и срока ее эксплуатации (Х).
| Xi | 1 | 2 | 3 | 3 | 4 | 6 |
| Yi | 0,7 | 4,2 | 7,3 | 7,1 | 10,3 | 15,6 |
9. Данные об изменении массы просят (Y) и возраста (Х).
| Xi | 4 | 5 | 7 | 7 | 8 | 10 |
| Yi | 12,6 | 14,2 | 16,3 | 15,9 | 17,4 | 18,8 |
10. Данные о производительности труда (Y) и фондовооруженности (Х).
| Xi | 2 | 4 | 6 | 6 | 7 | 8 |
| Yi | 0,8 | 5,2 | 8,7 | 9,2 | 11 | 13,2 |
IV. РЕШЕНИЕ ТИПОВЫХ ЗАДАЧ
Пример_1. Студент знает 15 вопросов из 25. Наудачу ему задается вопрос. Найти вероятность того, что он его знает.
Решение: Мы находимся в классической схеме. Действительно, если представить эксперимент
в виде урновой схемы - в урне 25 пронумерованных шаров из которой достается один шар- то ясно, что все исходы равновозможные и их конечное число. Далее A={студент знает предложенный вопрос}, m=15- число исходов благоприятствующих А, n=25- общее число исходов. Тогда
.
Пример 2. Из колоды в 36 карт, достается одна. Найти вероятность того, что она "красная".
Решение: Обозначим А={наудачу вынутая карта- "красная"}; m=18- число исходов благоприятствующих А, т.к. в колоде из 36 карт, 18 "красных" карт; n=36- общее число исходов. Тогда по классическому определению вероятности
.
Пример 3.Стрелок произвел 100 выстрелов по мишени, причем поразил мишень в 45 случаях. Найти вероятность того, что стрелок поразит мишень.
Решение: Подсчитаем относительною частоту события А={стрелок поразит мишень при одном выстреле}.
.
Таким образом искомая вероятность Р(А)=0,45.
Пример 4. Вероятность того, что событие А произойдет в опыте равна 0,75; вероятность того, что событие В произойдет в опыте- 0,4. Вероятность того, что оба события произойдут в опыте равна 0,25. Найти вероятность того, что хотя бы одно событие произойдет в опыте.
Решение: Обозначим А={событие А произошло в опыте}, В={событие В произошло в опыте}
Тогда АЧВ={события А и В произошли в опыте одновременно}.
Р(А)=0,75; Р(В)=0,4; Р(АЧВ)=0,25.
Используя теорему о сумме двух совместных событий получим
Р(А+В)=Р(А)+Р(В)-Р(АЧВ)=0,75+0,4-0,25=0,9.
Пример 5. Деталь проходит три операции обработки. Вероятность появления брака во время первой операции равна 0,02, второй- 0,01, третьей- 0,03. Найти вероятность: а) выхода стандартной детали, считая появление брака во время отдельных операций независимыми событиями; б) выхода бракованной детали.
Решение: а) введем события А={на выходе появилась стандартная деталь}, Аi={i-я операция обработки прошла без брака}, i=1,2,3. Тогда А=А1ЧА2ЧА3. По условию задачи Р(А1)=0,98; Р(А2)=0,99; Р(А3)=0,97.Используя теорему умножения для независимых событий, получаем.
Р(А)=Р(А1ЧА2ЧА3)=Р(А1)ЧР(А2)ЧР(А3)=0,98Ч0,99Ч0,97=0,9411.
б)
={на
выходе появилась
бракованная
деталь}.Тогда
![]()
Пример_6. Партия деталей содержит 70% деталей первого завода и 30% деталей второго завода. Вероятность того, что деталь с первого завода проработает без отказа более 1000 часов (надежность) равна 0,95 , а для деталей со второго завода эта вероятность равна 0,9.
а) Найти вероятность того, что случайно взятая из партии деталь проработает без отказа более 1000 часов.
б) Деталь прошла испытание и проработала безотказно 1000 часов. Найти вероятность того, что она с первого завода.
Решение: Введем события А={деталь проработает без отказа более 1000 часов}.Hi={взятая деталь с завода i} , i=1,2 по условию задачи P(H1)=0,7 ; P(H2)=0,3 ; P(A/H1)=0,95 ; P(A/H2)=0,9.
По формуле полной вероятности
P(A)= P(H1)Ч P(A/H1)+ P(H2)Ч P(A/H2)=0,7Ч0,95+0,3Ч0,9=0,935.
Таким образом, партия деталей (большое количество) будет содержать где-то 93,5% деталей с заданной надежностью. б) Сохраним обозначения п. а). по формуле Бейеса
.
Пример 7. Найти числовые характеристики с.в. Х , построить функцию распределения если:
| Х | -4 | 0 | 8 |
| Р | 0,2 | р | 0,6 |
Решение: р=1-(0,2+0,6)=0,2. График ф.р.

МХ=-4Ч0,2+0Ч0,2+8Ч0,6=4, DX=MX2-(MX)2=(-4)2Ч0,2+02Ч0,2+82Ч0,6-(4)2=25,6.
Среднее квадратическое отклонение
,
коэффициент вариации
.
Мода(Х)=8, т.к. 8 имеет наибольшую вероятность, равную 0,6. Коэффициент асимметрии
.
Пример 8. Вероятность того, что в данный день торговая база уложится в норму расходов на транспорт, равна 0,8. Какова вероятность того, что за три рабочих дня база уложится в норму 2 раза. Найти числовые характеристики с.в. Х- число дней, когда база укладывается в норму транспортных расходов в течение трех рассматриваемых дней.
Решение: Можно считать, что мы находимся в схеме Бернулли, а следовательно с.в. Х имеет биномиальное распределение. По условию задачи n=3 , p=0,8.
Тогда
Основные
числовые
характеристики
с.в. Х равны: а)
математическое
ожидание MX=
nЧp=3Ч0,8=2,4;
б) дисперсия
DX=
nЧpЧq=3Ч0,8Ч0,2=0,48;
q=1-p=0,2,
»0,7;
в) коэффициент вариации
;
г) коэффициент асимметрии
;
д) коэффициент эксцесса
;
е) Мода (наивероятнейшее число) находится из неравенства
np-qЈМода(Х)<np+p , т.е. 3Ч0,8-0,2ЈМода(Х)<3Ч0,8+0,8
2,2ЈМода(Х)<3,2ЮМода(Х)=3.
Пример 9. В условиях предыдущего примера, найти вероятность того, что из 100 рабочих дней торговая база уложится в норму транспортных расходов:
а) ровно 80 раз; б) от 75 до 85 дней включительно.
Решение: а) в нашем случае n=100; p=0,8; q=0,2.
Воспользоваться точной формулой для вычисления Р(Х=80) практически невозможно, поэтому воспользуемся приближенной. Так как npq=100Ч0,8Ч0,2=16>9,то применим локальную теорему Муавра- Лапласа.
,
j(0)- найдено по таблице 3 приложения-плотности нормального распределения N(0,1);
б) воспользуемся интегральной теоремой Муавра- Лапласа.

=2Ф(1,25)=2Ч0,39435=0,7887
здесь Ф(Х)- функция Лапласа, значение которой найдено по таблице.
Пример 10. Вероятность того, что наборщик ошибется при наборе знака равна 0,0001. Найти вероятность того, что набирая 30000 знаков, наборщик допустит:
а) ровно 3 ошибки; б) от 2 до 4 ошибок включительно.
Решение: Можно считать, что мы находимся в схеме Бернулли с параметрами n=30000, p=0,0001. Тогда npq=30000Ч0,0001Ч0,9999»3<9, поэтому для вычисления отдельных вероятностей воспользуемся теоремой Пуассона:
,
l=np, k=0,1,2,...
а)пользуясь таблицей, получим
,
l=np=3.
б)![]()
=0,22404+0,22404+0,16803=0,61611.
Пример 11. С.в. Х имеет распределение Пуассона со средним равным 1,5. Найти числовые характеристики Х. Вычислить вероятности: а) Р(Х=0); б) Р(Хі1); в) Р(Х>7).
Решение: Для с.в. имеющей распределение Пуассона с параметром l известно, что МХ=l. Следовательно, из условия задачи (МХ=1,5) находим, что l=1,5.Числовые характеристики Х равны
МХ=l=1,5 ; DХ=l=1,5; среднее квадратическое отклонение
.
Коэффициент вариации
.
Коэффициент асимметрии
.
Коэффициент эксцесса
.
Моду с.в. Х найдем по таблице: Мода(Х)=1, т.к. Х=1 имеет наибольшую вероятность.а) По таблице находим Р(Х=0)=0,22313; б)
Р(Хі1)=1-Р(Х=0)=0,77687;
в) Р(Х>7)=0,00017.Эта вероятность найдена по таблице 2 приложения, она настолько мала, что можно считать, что больше 7 событий практически не происходят.
Пример 12. Из урны содержащей четыре белых и шесть черных шаров, наудачу извлекают три шара. Какова вероятность, что среди них два черных шара. Найдите числовые характеристики с.в. Х- число черных шаров из вынутых трех шаров.
Решение: Мы находимся в схеме формирования с.в. Х имеющей гипергеометрическое распределение с параметрами (N,p,n):
,
k=0,1,2,..., q=1-p. В нашем случае: N=6+4=10 - общее число шаров в урне; n=3 - число шаров, которые достаются из урны; Np=6 - количество черных шаров, Ю p=6/N=6/10=0,6 (p связано с черными шарами, т.к. Х- тоже связано с черными шарами);
Nq=4 - число белых шаров,Ю q=0,4. Итак:
.
Числовые характеристики с.в. Х равны MX=nЧp=3Ч0,6=1,8 ;
![]()
Среднее квадратическое отклонение
Коэффициент вариации

Коэффициент асимметрии
.
Пример 13. С.в. Х имеет показательное распределение с параметром l=2. Найти числовые характеристики с.в. Х и вычислить Р(1<X<3).
Решение: Числовые характеристики с.в. Х вычисляются по формулам:
![]()
-математическое ожидание;
-дисперсия;
-
среднее квадратическое отклонение;
V(X)=100% -коэффициент вариации
всегда равен 100% ; Медиана
(Х)=
.
График плотности с.в. Х имеет вид изображенный на рис.1. Из этого графика видно, что локальный максимум плотности находится в точке О.
Следовательно Мода(Х)=0.
Коэффициент асимметрии a(Х)=2 (всегда 2).
Коэффициент эксцесса е(Х)=6 (всегда 6).

рис.1

Пример
14.
С.в.
Х имеет нормальное
распределение
с параметрами
а=150, s2=36.
а) Выпишите плотность с.в. Х и изобразите эскиз графика плотности.
б) Найти числовые характеристики с.в. Х.
в) Найти границы за которые практически не выходит с.в. Х.
г) Вычислить Р(135<X<165).
Решение: а) Выпишем плотность с.в. Х:

,

б) Найдем числовые характеристики Х.
МХ=Мода(
)=Медиана(
)=а=150
D(X)=s2=36Юs(x)=
=s=6
Коэффициенты асимметрии и эксцесса равны 0. Коэффициент вариации
,
в) используя правило 3 сигм, можно утверждать, что с.в. Х практически (с вероятностью 0,9973) не выйдет за границы интервала а-
3s<X<a+3s, т.е. 150-3Ч6<X<150+ 3Ч6sЮ132<X<168;
г)
Р(135<X<165)=Ф
=
,
здесь Ф(Ч)-функция Лапласа, значение которой найдено по таблице. Отметим свойство функции Ф(х):Ф(-х)=-Ф(х) поэтому Ф(-2,5)=- Ф(2,5)=-0,49379.
Пример 15. Найдите выборочные числовые характеристики по выборке: 3,5,6,3,3,6,3,7,5,5,3.
Решение: Построим статистический ряд частот:
| Варианты хi | 3 | 5 | 6 | 7 |
| Частота ni | 5 | 3 | 2 | 1 |
Объем выборки
n=n1+n2+n3+n4=5+3+2+1=11.
;
S2=
,
Оценки
являются "хорошими"
для математического
ожидания и
дисперсии, т.к.
выборка является
малой, а
Мода(Х)=3,
т.к. значение
3 встречается
большее число
раз (пять). Построим
вариационный
ряд: 3,3,3,3,3,5,5,5,6,6,7.Т.к.
n-нечетно
(n=11),
то на месте
(n+1)/2=6
в вариационном
ряде стоит
медиана: Медиана(Х)=5.
Коэффициент асимметрии
a*(х)=![]()
.
Пример
16.
По выборочным
данным найти
моду,
медиану. Построить
гистограмму.
| Интервал | Частота ni |
| 5-11 | 18 |
| 11-17 | 25 |
| 17-23 | 14 |
| 23-29 | 8 |
| 29-35 | 2 |
Решение: Построим гистограмму частот

Для удобства
| Интервал | Середина интервала | Частота ni | Накопленная частота | |
| вычислений | 5-11 | 8 | 18 | 18 |
| составим | 11-17 | 14 | 25 | 43 |
| таблицу. | 17-23 | 20 | 14 | 57 |
| 23-29 | 26 | 8 | 65 | |
| 29-35 | 32 | 2 | 67 | |
| S=67 |
При вычислении
![]()
=![]()
![]()
Медиана
оценивается
по формуле
Медиана= L+i
Здесь L- нижняя граница интервала, в котором находится медиана (медианный интервал);
i- величина медианного интервала; n- объем выборки; f- частота медианного интервала;
F- накопленная частота интервала, предшествующему медианному.
В нашем случае n=67, следовательно, медиана равна члену, стоящему на (n+1)/2=34-м месте в вариационном ряду. По накопленным частотам заключаем, что этот член находится в интервале (11,17). Следовательно, медианный интервал (11,17). Тогда L=11, i=6, (n+1)/2=34, f=25, F=18 и, следовательно
Медиана
= 11+6Ч
.
Мода
находится по
формуле Мода=
L+i
где L- нижняя граница модального интервала, i- величина модального интервала
fмо, fмо-1, fмо+1 частота модального, предшествующего модальному и следующего за модальным интервала. В нашем случае модальный интервал [11,17], т.к. имеет наибольшую частоту. Тогда L=11, i=6,
fмо=25,
fмо-1=18,
fмо+1=14;
Мода =![]()
Пример
17. Найти
97,5% доверительный
интервал для
неизвестного
параметра а
нормально
распределенного
признака, если
известно s=7,3.
По выборке
объема n=64
найдено
.
Решение Требуемый доверительный интервал равен
,
где надежность g=0,975 позволяет найти Ug из уравнения 2Ф(Ug)=0,975. Из таблицы 4 приложения находим Ug=2,24. Тогда
;
120,3-2,044<a<120,3+2,044;118,256<a<122,344.
Пример 18. В условиях предыдущего примера, определите минимальный объем выборки, чтобы с надежностью g=0,975 точность оценки была не больше 0,5.
Решение: Точность оценки зависит от выражения
![]()
Подставляя Ug=2,24 ; s2=7,32=53,29 ; e2=0,52=0,25 ,получим
![]()
![]()
Таким образом, минимальный объем выборки должен составлять 1070 измерений.
Пример
19. По выборке
объема n=25
найдены
.
Считая, что
наблюдаемый
признак имеет
нормальное
распределение
найдите доверительный
интервал с
надежностью
0,9.
Решение. Искомый доверительный интервал равен
![]()
где
находится
по таблице 5
приложения:
Здесь a=1-g=0,1; К=n-1=25-1=24, тогда t0,1(24)=1,711. Итак,
e
;
16,3-0,71<a<16,3+0,71; 15,59<a<17,01.
Пример 20 Признак имеет нормальное распределение. По выборке объема n=30 найдена оценка дисперсии S2 =1,5. Найдите 95% доверительный интервал для дисперсии.
Решение: Доверительный интервал определяется так
,
Здесь
a=1-0,95=0,05;
тогда из таблицы
7 приложения
находим