Построить многоугольник распределения дискретной случайной величины онлайн. Случайные величины. Многоугольник распределения

Задача 14. В денежной лотерее разыгрывается 1 выигрыш в 1000000 руб., 10 выигрышей по 100000 руб. и 100 выигрышей по 1000 руб. при общем числе билетов 10000. Найти закон распределения случайного выигрыша Х для владельца одного лотерейного билета.

Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;

х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.

Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:

Построить многоугольник распределения.

Решение . Построим прямоугольную систему координат, причем по оси абсцисс будем откладывать возможные значения х i , а по оси ординат – соответствующие вероятности р i . Построим точки М 1 (1;0,2), М 2 (3;0,1), М 3 (6;0,4) и М 4 (8;0,3). Соединив эти точки отрезками прямых, получим искомый многоугольник распределения.

§2. Числовые характеристики случайных величин

Случайная величина полностью характеризуется своим законом распределения. Осредненное описание случайной величины можно получить при использовании ее числовых характеристик

2.1. Математическое ожидание. Дисперсия.

Пусть случайная величина может принимать значения с вероятностями соответственно .

Определение. Математическим ожиданием дискретной случайной величинаы называется сумма произведений всех ее возможных значений на соответствующие вероятности:

Свойства математического ожидания.

Рассеяние случайной величины около среднего значения характеризуют дисперсия и среднеквадратическое отклонение.

Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

Для вычислений используется следующая формула

Свойства дисперсии.

2. , где взаимно независимые случайные величины.

3. Среднеквадратическое отклонение .

Задача 16. Найти математическое ожидание случайной величины Z = X+ 2Y , если известны математические ожидания случайных величин X и Y : М (Х ) = 5, М (Y ) = 3.

Решение . Используем свойства математического ожидания. Тогда получаем:

М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.

Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.

Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:

а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;

б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.

Задача 18. Дана независимая случайная величина Y – число очков, выпавших при бросании игральной кости. Найти закон распределения, математическое ожидание, дисперсию и среднее квадратичное отклонение случайной величины Y .

Решение. Таблица распределения случайной величины Y имеет вид:

Y
р	1/6	1/6	1/6	1/6	1/6	1/6

Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;

D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.

Случайной величиной называется величина, которая в результате опыта может принять то или иное значение, не известное заранее. Случайные величины бывают прерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин заранее могут быть перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Пример дискретных случайных величин:

1) Число появления герба при трех бросаниях монеты. (возможны значения 0;1;2;3)

2) Частота появления герба в том же опыте. (возможные значения )

3) Число отказавших элементов в приборе, состоящем из пяти элементов. (Возможные значения величин 0;1;2;3;4;5)

Примеры непрерывных случайных величин:

1) Абсцисса (ордината) точки попадания при выстреле.

2) Расстояние от точки попадания до центра мишени.

3) Время безотказной работы прибора (радиолампы).

Случайны величины обозначаются большими буквами, а их возможные значения – соответствующими малыми буквами. Например, X – число попаданий при трех выстрелах; возможные значения: X 1 =0,Х 2 =1, Х 3 =2, Х 4 =3.

Рассмотрим прерывную случайную величину Х с возможными значениями Х 1 , Х 2 , … , Х n . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, то есть произойдет одно из полной группы несовместных событий.

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события образуют полную группу, то

то есть сумма вероятности всех возможных значений случайной величины равна 1. Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, то есть в точности укажем какой вероятностью обладает каждое из событий. (Этим мы установим так называемый закон распределения случайных величин.)

Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующей им вероятности. (Про случайную величину мы будем говорить, что она подчинена данному закону распределения)

Простейшей формой задания закона распределения случайной величины является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности.

Таблица 1.

X i	X 1	X 2	…	X n
P i	P 1	P 2	…	P n

Такую таблицу называют рядом распределения случайных величин.

Чтобы придать ряду распределения более наглядный вид прибегают к его графическому изображению: по оси абсцисс откладывают возможные значения случайной величины, а по оси ординат – вероятности этих значений. (Для наглядности полученные точки соединяют отрезками прямых.)

Рисунок 1 – многоугольник распределения

Такая фигура называется многоугольником распределения . Многоугольник распределения, так же как и ряд распределения, полностью характеризует случайную величину; он является одной из форм закона распределения.

Пример:

производится один опыт, в котором может появиться или не появиться событие А. Вероятность события А=0,3. Рассматривается случайная величина Х – число появлений события А в данном опыте. Необходимо построить ряд и многоугольник распределения величины Х.

Таблица 2.

X i
P i	0,7	0,3

Рисунок 2 - Функция распределения

Функция распределения является универсальной характеристикой случайной величины. Она существует для всех случайных величин: как прерывных, так и не прерывных. Функция распределения полностью характеризует случайную величину с вероятностной точки зрения, то есть является одной из форм закона распределения.

Для количественной характеристики этого распределения вероятностей удобно воспользоваться не вероятностью события X=x, а вероятностью события X

Функцию распределения F(x) иногда также называют также интегральной функцией распределения или интегральным законом распределения.

Свойства функции распределения случайной величины

1. Функция распределения F(x) есть неубывающая функция своего аргумента, то есть при ;

2. На минус бесконечности :

3. На плюс бесконечности :

Рисунок 3 – график функции распределения

График функции распределения в общем случае представляет собой график неубывающей функции, значения которой начинаются от 0 и доходят до 1.

Зная ряд распределения случайной величины, можно построить функцию распределения случайной величины.

Пример:

для условий предыдущего примера построить функцию распределения случайной величины.

Построим функцию распределения X:

Рисунок 4 – функция распределения Х

Функция распределения любой прерывной дискретной случайной величины всегда есть разрывная ступенчатая функция, скачки которой происходят в точках, соответствующих возможным значениям случайной величины и равны вероятностям этих значений. Сумма всех скачков функции распределения равна 1 .

По мере увеличения числа возможных значений случайной величины и уменьшения интервалов между ними, число скачков становится больше, а сами скачки – меньше:

Рисунок 5

Ступенчатая кривая становится более плавной:

Рисунок 6

Случайная величина постепенно приближается к непрерывной величине, а ее функция распределения к непрерывной функции. Также существуют случайные величины, возможные значения которых непрерывно заполняют некоторый промежуток, но для которых функция распределения не везде является непрерывной. И в отдельных точках терпит разрыв. Такие случайные величины называются смешенными.

Рисунок 7

Понятие случайной величины. Закон распределения случайной величины

Случайные величины (сокращенно: с. в.) обозначаются прописными латинскими буквами Х,У, Z,... (или строчными греческими буквами ξ (кси), η(эта), θ (тэта), ψ (пси) и т. д.), а принимаемые ими значения соответственно малыми буквами х 1 , х 2 ,…, у 1 , у 2 , у 3 …

Примерами с. в. могут служить: 1) X - число очков, появляющихся при бросании игральной кости; 2) У - число выстрелов до первого попадания в цель; 3) Z - время безотказной работы прибора и т. п. (рост человека, курс доллара, количество бракованных деталей в партии, температура воздуха, выигрыш игрока, координата точки при случайном выборе ее на , прибыль фирмы, ...).

Случайной величиной X Ώ w

X(w), т.е. X = X(w), w Î Ώ (или X = f (w)) (31)

Пример1. Опыт состоит в бросании монеты 2 раза. На ПЭС Ώ={ w 1 , w 2 , w 3 , w 4 }, где w 1 = ГГ, w 2 = ГР, w 3 = РГ, w 4 = РР, можно рассмотреть с. в. X - число появлений герба. С. в. X является функцией от элементарного события w i : X(w 1 ) = 2, X(w 2 ) = 1, X(w 3 ) = 1, X(w 4 )= 0; X - д. с. в. со значениями x 1 = 0, x 2 =1 , x 3 = 2.

X(w) S Р(А) = Р(Х < х).

X - д. с. в.,

x 1 , x 2 , x 3 ,…,x n ,…

p i , где i = 1,2,3, ...,n,… .

Закон распределения д. с. в. p i =Р{Х=x i }, i=1,2,3,... ,n,...,

с. в. X x i . :

X	x 1	x 2	….	x n	…
P	p 1	p 2	….	p n	…

Так как события {X = x 1 }, {X = x 2 },…,{X = x n }, т.е. .

(x 1 , p 1 ), (x 2 , p 2),…, (x n , p n) называют многоугольником (или полигоном) распределения (см. рис. 17).

Случайная величина X дискретна, если существует конечное или счетное множество чисел x 1 , x 2 , ..., x n таких, что Р{Х = x i } = p i > 0 (i = 1,2,...) p 1 + p 2 + p 3 +…= 1 (32)

Суммой д. с. в. X, принимающей значения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, принимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X + Y , принимающая значения z ij = x i + y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых сумм x i + y j соответствующие вероятности складываются.

Разностью д. с. в. X, принимающей значения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, принимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X - Y, принимающая значения z ij = x i – y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых разностей x i – y j соответствующие вероятности складываются.

Произведением д. с. в. X, принимающей значения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, принимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X × Y, принимающая значения z ij = x i × y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых произведений x i × y j соответствующие вероятности складываются.

д. с. в. сХ, с x i р i = Р{Х = x i }.

X и Y события {X = x i } = А i и {Y = y j } = В j независимы для любых i= 1,2,... ,n; j = l,2,...,m, т.е.

P{X = x i ;Y = y j } =P{X = x i } ×P {Y = y j } (33)

Пример 2. В урне 8 шаров, из которых 5 белых, остальные - черные. Из нее вынимают наудачу 3 шара. Найти закон распределения числа белых шаров в выборке.

Ответ: Рассмотрим прерывную случайную величину Х с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т. е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами р с соответствующими индексами:

Т. е. распределение вероятностей различных значений может быть задано таблицей распределения, в которой в верхней строке указываются все значения, принимаемые данной дискретной случайной величиной, а в нижней – вероятности соответствующих ей значений. Так как несовместные события (3.1) образуют полную группу, то , т. е. сумма вероятностей всех возможных значений случайной величины равна единице. Распределение вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т. е. в точности укажем, какой вероятностью обладает каждое из событий. Этим мы установим так называемый закон распределения случайной величины. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения. Установим форму, в которой может быть задан закон распределения прерывной случайной величины X. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

x i	x 1	x 2	× × ×	x n
p i	p 1	p 2	× × ×	p n

Такую таблицу мы будем называть рядом распределения случайной величины X.

Рис. 3.1

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 3.1). Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. он является одной из форм закона распределения. Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в n отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.