Можно выделить наиболее часто встречающиеся законы распределения дискретных случайных величин:

• Биномиальный закон распределения
• Пуассоновский закон распределения
• Геометрический закон распределения
• Гипергеометрический закон распределения

Для данных распределений дискретных случайных величин расчет вероятностей их значений, а также числовых характеристик (математическое ожидание, дисперсия, и т.д.) производится по определенных «формулам». Поэтому очень важно знать данные типы распределений и их основные свойства.

1. Биномиальный закон распределения.

Дискретная случайная величина $X$ подчинена биномиальному закону распределения вероятностей, если она принимает значения $0,\ 1,\ 2,\ \dots ,\ n$ с вероятностями $P\left(X=k\right)=C^k_n\cdot p^k\cdot {\left(1-p\right)}^{n-k}$. Фактически, случайная величина $X$ - это число появлений события $A$ в $n$ независимых испытаний . Закон распределения вероятностей случайной величины $X$:

$\begin{array}{|c|c|}
\hline
X_i & 0 & 1 & \dots & n \\
\hline
p_i & P_n\left(0\right) & P_n\left(1\right) & \dots & P_n\left(n\right) \\
\hline
\end{array}$

Для такой случайной величины математическое ожидание $M\left(X\right)=np$, дисперсия $D\left(X\right)=np\left(1-p\right)$.

Пример . В семье двое детей. Считая вероятности рождения мальчика и девочки равными $0,5$, найти закон распределения случайной величины $\xi $ - числа мальчиков в семье.

Пусть случайная величина $\xi $ - число мальчиков в семье. Значения, которые может принимать $\xi:\ 0,\ 1,\ 2$. Вероятности этих значений можно найти по формуле $P\left(\xi =k\right)=C^k_n\cdot p^k\cdot {\left(1-p\right)}^{n-k}$, где $n=2$ - число независимых испытаний, $p=0,5$ - вероятность появления события в серии из $n$ испытаний. Получаем:

$P\left(\xi =0\right)=C^0_2\cdot {0,5}^0\cdot {\left(1-0,5\right)}^{2-0}={0,5}^2=0,25;$

$P\left(\xi =1\right)=C^1_2\cdot 0,5\cdot {\left(1-0,5\right)}^{2-1}=2\cdot 0,5\cdot 0,5=0,5;$

$P\left(\xi =2\right)=C^2_2\cdot {0,5}^2\cdot {\left(1-0,5\right)}^{2-2}={0,5}^2=0,25.$

Тогда закон распределения случайной величины $\xi $ есть соответствие между значениями $0,\ 1,\ 2$ и их вероятностями, то есть:

$\begin{array}{|c|c|}
\hline
\xi & 0 & 1 & 2 \\
\hline
P(\xi) & 0,25 & 0,5 & 0,25 \\
\hline
\end{array}$

Сумма вероятностей в законе распределения должна быть равна $1$, то есть $\sum _{i=1}^{n}P(\xi _{{\rm i}})=0,25+0,5+0,25=1 $.

Математическое ожидание $M\left(\xi \right)=np=2\cdot 0,5=1$, дисперсия $D\left(\xi \right)=np\left(1-p\right)=2\cdot 0,5\cdot 0,5=0,5$, среднее квадратическое отклонение $\sigma \left(\xi \right)=\sqrt{D\left(\xi \right)}=\sqrt{0,5}\approx 0,707$.

2. Закон распределения Пуассона.

Если дискретная случайная величина $X$ может принимать только целые неотрицательные значения $0,\ 1,\ 2,\ \dots ,\ n$ с вероятностями $P\left(X=k\right)={{{\lambda }^k}\over {k!}}\cdot e^{-\lambda }$, то говорят, что она подчинена закону распределения Пуассона с параметром $\lambda $. Для такой случайной величины математическое ожидание и дисперсия равны между собой и равны параметру $\lambda $, то есть $M\left(X\right)=D\left(X\right)=\lambda $.

Замечание . Особенность этого распределения заключается в том, что мы на основании опытных данных находим оценки $M\left(X\right),\ D\left(X\right)$, если полученные оценки близки между собой, то у нас есть основание утверждать, что случайная величина подчинена закону распределения Пуассона.

Пример . Примерами случайных величин, подчиненных закону распределения Пуассона, могут быть: число автомашин, которые будут обслужены завтра автозаправочной станцией; число бракованных изделий в произведенной продукции.

Пример . Завод отправил на базу $500$ изделий. Вероятность повреждения изделия в пути равна $0,002$. Найти закон распределения случайной величины $X$, равной числу поврежденных изделий; чему равно $M\left(X\right),\ D\left(X\right)$.

Пусть дискретная случайная величина $X$ - число поврежденных изделий. Такая случайная величина подчинена закону распределения Пуассона с параметром $\lambda =np=500\cdot 0,002=1$. Вероятности значений равны $P\left(X=k\right)={{{\lambda }^k}\over {k!}}\cdot e^{-\lambda }$. Очевидно, что все вероятности всех значений $X=0,\ 1,\ \dots ,\ 500$ перечислить невозможно, поэтому мы ограничимся лишь первыми несколькими значениями.

$P\left(X=0\right)={{1^0}\over {0!}}\cdot e^{-1}=0,368;$

$P\left(X=1\right)={{1^1}\over {1!}}\cdot e^{-1}=0,368;$

$P\left(X=2\right)={{1^2}\over {2!}}\cdot e^{-1}=0,184;$

$P\left(X=3\right)={{1^3}\over {3!}}\cdot e^{-1}=0,061;$

$P\left(X=4\right)={{1^4}\over {4!}}\cdot e^{-1}=0,015;$

$P\left(X=5\right)={{1^5}\over {5!}}\cdot e^{-1}=0,003;$

$P\left(X=6\right)={{1^6}\over {6!}}\cdot e^{-1}=0,001;$

$P\left(X=k\right)={{{\lambda }^k}\over {k!}}\cdot e^{-\lambda }$

Закон распределения случайной величины $X$:

$\begin{array}{|c|c|}
\hline
X_i & 0 & 1 & 2 & 3 & 4 & 5 & 6 & ... & k \\
\hline
P_i & 0,368; & 0,368 & 0,184 & 0,061 & 0,015 & 0,003 & 0,001 & ... & {{{\lambda }^k}\over {k!}}\cdot e^{-\lambda } \\
\hline
\end{array}$

Для такой случайной величины математическое ожидание и дисперсия равным между собой и равны параметру $\lambda $, то есть $M\left(X\right)=D\left(X\right)=\lambda =1$.

3. Геометрический закон распределения.

Если дискретная случайная величина $X$ может принимать только натуральные значения $1,\ 2,\ \dots ,\ n$ с вероятностями $P\left(X=k\right)=p{\left(1-p\right)}^{k-1},\ k=1,\ 2,\ 3,\ \dots $, то говорят, что такая случайная величина $X$ подчинена геометрическому закону распределения вероятностей. Фактически, геометрическое распределения представляется собой испытания Бернулли до первого успеха.

Пример . Примерами случайных величин, имеющих геометрическое распределение, могут быть: число выстрелов до первого попадания в цель; число испытаний прибора до первого отказа; число бросаний монеты до первого выпадения орла и т.д.

Математическое ожидание и дисперсия случайной величины, подчиненной геометрическому распределению, соответственно равны $M\left(X\right)=1/p$, $D\left(X\right)=\left(1-p\right)/p^2$.

Пример . На пути движения рыбы к месту нереста находится $4$ шлюза. Вероятность прохода рыбы через каждый шлюз $p=3/5$. Построить ряд распределения случайной величины $X$ - число шлюзов, пройденных рыбой до первого задержания у шлюза. Найти $M\left(X\right),\ D\left(X\right),\ \sigma \left(X\right)$.

Пусть случайная величина $X$ - число шлюзов, пройденных рыбой до первого задержания у шлюза. Такая случайная величина подчинена геометрическому закону распределения вероятностей. Значения, которые может принимать случайная величина $X:$ 1, 2, 3, 4. Вероятности этих значений вычисляются по формуле: $P\left(X=k\right)=pq^{k-1}$, где: $p=2/5$ - вероятность задержания рыбы через шлюз, $q=1-p=3/5$ - вероятность прохода рыбы через шлюз, $k=1,\ 2,\ 3,\ 4$.

$P\left(X=1\right)={{2}\over {5}}\cdot {\left({{3}\over {5}}\right)}^0={{2}\over {5}}=0,4;$

$P\left(X=2\right)={{2}\over {5}}\cdot {{3}\over {5}}={{6}\over {25}}=0,24;$

$P\left(X=3\right)={{2}\over {5}}\cdot {\left({{3}\over {5}}\right)}^2={{2}\over {5}}\cdot {{9}\over {25}}={{18}\over {125}}=0,144;$

$P\left(X=4\right)={{2}\over {5}}\cdot {\left({{3}\over {5}}\right)}^3+{\left({{3}\over {5}}\right)}^4={{27}\over {125}}=0,216.$

$\begin{array}{|c|c|}
\hline
X_i & 1 & 2 & 3 & 4 \\
\hline
P\left(X_i\right) & 0,4 & 0,24 & 0,144 & 0,216 \\
\hline
\end{array}$

Математическое ожидание:

$M\left(X\right)=\sum^n_{i=1}{x_ip_i}=1\cdot 0,4+2\cdot 0,24+3\cdot 0,144+4\cdot 0,216=2,176.$

Дисперсия:

$D\left(X\right)=\sum^n_{i=1}{p_i{\left(x_i-M\left(X\right)\right)}^2=}0,4\cdot {\left(1-2,176\right)}^2+0,24\cdot {\left(2-2,176\right)}^2+0,144\cdot {\left(3-2,176\right)}^2+$

$+\ 0,216\cdot {\left(4-2,176\right)}^2\approx 1,377.$

Среднее квадратическое отклонение:

$\sigma \left(X\right)=\sqrt{D\left(X\right)}=\sqrt{1,377}\approx 1,173.$

4. Гипергеометрический закон распределения.

Если $N$ объектов, среди которых $m$ объектов обладают заданным свойством. Случайных образом без возвращения извлекают $n$ объектов, среди которых оказалось $k$ объектов, обладающих заданным свойством. Гипергеометрическое распределение дает возможность оценить вероятность того, что ровно $k$ объектов в выборке обладают заданным свойством. Пусть случайная величина $X$ - число объектов в выборке, обладающих заданным свойством. Тогда вероятности значений случайной величины $X$:

$P\left(X=k\right)={{C^k_mC^{n-k}_{N-m}}\over {C^n_N}}$

Замечание . Статистическая функция ГИПЕРГЕОМЕТ мастера функций $f_x$ пакета Excel дает возможность определить вероятность того, что определенное количество испытаний будет успешным.

$f_x\to $ статистические $\to $ ГИПЕРГЕОМЕТ $\to $ ОК . Появится диалоговое окно, которое нужно заполнить. В графе Число_успехов_в_выборке указываем значение $k$. Размер_выборки равен $n$. В графе Число_успехов_в_совокупности указываем значение $m$. Размер_совокупности равен $N$.

Математическое ожидание и дисперсия дискретной случайной величины $X$, подчиненной геометрическому закону распределения, соответственно равны $M\left(X\right)=nm/N$, $D\left(X\right)={{nm\left(1-{{m}\over {N}}\right)\left(1-{{n}\over {N}}\right)}\over {N-1}}$.

Пример . В кредитном отделе банка работают 5 специалистов с высшим финансовым образованием и 3 специалиста с высшим юридическим образованием. Руководство банка решило направить 3 специалистов Для повышения квалификации, отбирая их в случайном порядке.

а) Составьте ряд распределения числа специалистов с высшим финансовым образованием, которые могут быть направлены на повышение квалификации;

б) Найдите числовые характеристики этого распределения.

Пусть случайная величина $X$ - число специалистов с высшим финансовым образованием среди трех отобранных. Значения, которые может принимать $X:0,\ 1,\ 2,\ 3$. Данная случайная величина $X$ распределена по гипергеометрическому распределению с параметрами: $N=8$ - размер совокупности, $m=5$ - число успехов в совокупности, $n=3$ - размер выборки, $k=0,\ 1,\ 2,\ 3$ - число успехов в выборке. Тогда вероятности $P\left(X=k\right)$ можно рассчитать по формуле: $P(X=k)={C_{m}^{k} \cdot C_{N-m}^{n-k} \over C_{N}^{n} } $. Имеем:

$P\left(X=0\right)={{C^0_5\cdot C^3_3}\over {C^3_8}}={{1}\over {56}}\approx 0,018;$

$P\left(X=1\right)={{C^1_5\cdot C^2_3}\over {C^3_8}}={{15}\over {56}}\approx 0,268;$

$P\left(X=2\right)={{C^2_5\cdot C^1_3}\over {C^3_8}}={{15}\over {28}}\approx 0,536;$

$P\left(X=3\right)={{C^3_5\cdot C^0_3}\over {C^3_8}}={{5}\over {28}}\approx 0,179.$

Тогда ряд распределения случайной величины $X$:

$\begin{array}{|c|c|}
\hline
X_i & 0 & 1 & 2 & 3 \\
\hline
p_i & 0,018 & 0,268 & 0,536 & 0,179 \\
\hline
\end{array}$

Рассчитаем числовые характеристики случайной величины $X$ по общим формулам гипергеометрического распределения.

$M\left(X\right)={{nm}\over {N}}={{3\cdot 5}\over {8}}={{15}\over {8}}=1,875.$

$D\left(X\right)={{nm\left(1-{{m}\over {N}}\right)\left(1-{{n}\over {N}}\right)}\over {N-1}}={{3\cdot 5\cdot \left(1-{{5}\over {8}}\right)\cdot \left(1-{{3}\over {8}}\right)}\over {8-1}}={{225}\over {448}}\approx 0,502.$

$\sigma \left(X\right)=\sqrt{D\left(X\right)}=\sqrt{0,502}\approx 0,7085.$

Одним из важнейших понятий теории вероятностей является понятие случайной величины .

Случайной называют величину , принимающую в результате испытаний те или иные возможные значения, наперед неизвестные и зависящие от случайных причин, которые заранее не могут быть учтены.

Случайные величины обозначаются заглавными буквами латинского алфавита X , Y , Z и т. д. или заглавными буквами латинского алфавита с правым нижним индексом , а значения, которые могут принимать случайные величины - соответствующими малыми буквами латинского алфавита x , y , z и т. д.

Понятие случайной величины тесно связано с понятием случайного события. Связь со случайным событием заключается в том, что принятие случайной величиной некоторого числового значения есть случайное событие, характеризуемое вероятностью .

На практике встречаются два основных типа случайных величин:

1. Дискретные случайные величины;

2. Непрерывные случайные величины.

Случайной величиной называется числовая функция от случайных событий.

Например, случайной величиной является число очков, выпавших при бросании игральной кости, или рост случайно выбранного из учебной группы студента.

Дискретными случайными величинами называются случайные величины, принимающие только отдаленные друг от друга значения, которые можно заранее перечислить.

Закон распределения (функция распределения и ряд распределения или плотность вероятности) полностью описывают поведение случайной величины. Но в ряде задач достаточно знать некоторые числовые характеристики исследуемой величины (например, ее среднее значение и возможное отклонение от него), чтобы ответить на поставленный вопрос. Рассмотрим основные числовые характеристики дискретных случайных величин.

Законом распределения дискретной случайной величины называется всякое соотношение , устанавливающее связь между возможными значениями случайной величиныи соответствующими им вероятностями .

Закон распределения случайной величины может быть представлен в виде таблицы :

			…	…
			…	…

Сумма вероятностей всех возможных значений случайной величины равна единице, т. е. .

Закон распределения можно изобразить графически : по оси абсцисс откладывают возможные значения случайной величины, а по оси ординат - вероятности этих значений; полученные точки соединяют отрезками. Построенная ломаная называется многоугольником распределения .

Пример . Охотник, имеющий 4 патрона, стреляет по дичи до первого попадания или расходования всех патронов. Вероятность попадания при первом выстреле равна 0,7, при каждом следующем выстреле уменьшается на 0,1. Составить закон распределения числа патронов, израсходованных охотником.

Решение. Так как охотник, имея 4 патрона, может сделать четыре выстрела, то случайная величина X - число патронов, израсходованных охотником, может принимать значения 1, 2, 3, 4. Для нахождения соответствующих им вероятностей введем события:

- “попадание при i - ом выстреле”, ;

- “промах при i - ом выстреле”, причем события и - попарно независимы.

Согласно условию задачи имеем:

,

По теореме умножения для независимых событий и теореме сложения для несовместных событий, находим:

(охотник попал в цель с первого выстрела);

(охотник попал в цель со второго выстрела);

(охотник попал в цель с третьего выстрела);

(охотник попал в цель с четвертого выстрела либо промахнулся все четыре раза).

Проверка: - верно.

Таким образом, закон распределения случайной величины X имеет вид:

	0,7	0,18	0,06	0,06

Пример. Рабочий обслуживает три станка. Вероятность того, что в течение часа первый станок не потребует регулировки - 0,9, второй - 0,8, третий - 0,7. Составить закон распределения числа станков, которые в течение часа потребуют регулировки.

Решение. Случайная величина X - число станков, которые в течение часа потребуют регулировки, может принимать значения 0,1, 2, 3. Для нахождения соответствующих им вероятностей введем события:

- “i - ый станок в течение часа потребует регулировки”, ;

- “i - ый станок в течение часа не потребует регулировки”, .

По условию задачи имеем:

, .

Как известно, случайной величиной называется переменная величина, которая может принимать те или иные значения в зависимости от случая. Случайные величины обозначают заглавными буквами латинского алфавита (X, Y, Z), а их значения – соответствующими строчными буквами (x, y, z). Случайные величины делятся на прерывные (дискретные) и непрерывные.

Дискретной случайной величиной называется случайная величина, принимающая лишь конечное или бесконечное (счетное) множество значений с определенными ненулевыми вероятностями.

Законом распределения дискретной случайной величины называется функция, связывающая значения случайной величины с соответствующими им вероятностями. Закон распределения может быть задан одним из следующих способов.

1 . Закон распределения может быть задан таблицей:

где λ>0, k = 0, 1, 2, … .

в) с помощью функции распределения F(x) , определяющей для каждого значения x вероятность того, что случайная величина X примет значение, меньшее x, т.е. F(x) = P(X < x).

Свойства функции F(x)

3 . Закон распределения может быть задан графически – многоугольником (полигоном) распределения (смотри задачу 3).

Отметим, что для решения некоторых задач не обязательно знать закон распределения. В некоторых случаях достаточно знать одно или несколько чисел, отражающих наиболее важные особенности закона распределения. Это может быть число, имеющее смысл «среднего значения» случайной величины, или же число, показывающее средний размер отклонения случайной величины от своего среднего значения. Числа такого рода называют числовыми характеристиками случайной величины.

Основные числовые характеристики дискретной случайной величины :

• Mатематическое ожидание (среднее значение) дискретной случайной величины M(X)=Σ x i p i .
  Для биномиального распределения M(X)=np, для распределения Пуассона M(X)=λ
• Дисперсия дискретной случайной величины D(X)= M 2 или D(X) = M(X 2)− 2 . Разность X–M(X) называют отклонением случайной величины от ее математического ожидания.
  Для биномиального распределения D(X)=npq, для распределения Пуассона D(X)=λ
• Среднее квадратическое отклонение (стандартное отклонение) σ(X)=√D(X) .

Примеры решения задач по теме «Закон распределения дискретной случайной величины»

Задача 1.

Выпущено 1000 лотерейных билетов: на 5 из них выпадает выигрыш в сумме 500 рублей, на 10 – выигрыш в 100 рублей, на 20 – выигрыш в 50 рублей, на 50 – выигрыш в 10 рублей. Определить закон распределения вероятностей случайной величины X – выигрыша на один билет.

Решение. По условию задачи возможны следующие значения случайной величины X: 0, 10, 50, 100 и 500.

Число билетов без выигрыша равно 1000 – (5+10+20+50) = 915, тогда P(X=0) = 915/1000 = 0,915.

Аналогично находим все другие вероятности: P(X=0) = 50/1000=0,05, P(X=50) = 20/1000=0,02, P(X=100) = 10/1000=0,01, P(X=500) = 5/1000=0,005. Полученный закон представим в виде таблицы:

Найдем математическое ожидание величины Х: М(Х) = 1*1/6 + 2*1/6 + 3*1/6 + 4*1/6 + 5*1/6 + 6*1/6 = (1+2+3+4+5+6)/6 = 21/6 = 3,5

Задача 3.

Устройство состоит из трех независимо работающих элементов. Вероятность отказа каждого элемента в одном опыте равна 0,1. Составить закон распределения числа отказавших элементов в одном опыте, построить многоугольник распределения. Найти функцию распределения F(x) и построить ее график. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение дискретной случайной величины.

Решение. 1. Дискретная случайная величина X={число отказавших элементов в одном опыте} имеет следующие возможные значения: х 1 =0 (ни один из элементов устройства не отказал), х 2 =1 (отказал один элемент), х 3 =2 (отказало два элемента) и х 4 =3 (отказали три элемента).

Отказы элементов независимы друг от друга, вероятности отказа каждого элемента равны между собой, поэтому применима формула Бернулли . Учитывая, что, по условию, n=3, р=0,1, q=1-р=0,9, определим вероятности значений:
P 3 (0) = С 3 0 p 0 q 3-0 = q 3 = 0,9 3 = 0,729;
P 3 (1) = С 3 1 p 1 q 3-1 = 3*0,1*0,9 2 = 0,243;
P 3 (2) = С 3 2 p 2 q 3-2 = 3*0,1 2 *0,9 = 0,027;
P 3 (3) = С 3 3 p 3 q 3-3 = р 3 =0,1 3 = 0,001;
Проверка: ∑p i = 0,729+0,243+0,027+0,001=1.

Таким образом, искомый биномиальный закон распределения Х имеет вид:

По оси абсцисс откладываем возможные значения х i , а по оси ординат – соответствующие им вероятности р i . Построим точки М 1 (0; 0,729), М 2 (1; 0,243), М 3 (2; 0,027), М 4 (3; 0,001). Соединив эти точки отрезками прямых, получаем искомый многоугольник распределения.

3. Найдем функцию распределения F(x) = Р(Х

Для x ≤ 0 имеем F(x) = Р(Х<0) = 0;
для 0 < x ≤1 имеем F(x) = Р(Х<1) = Р(Х = 0) = 0,729;
для 1< x ≤ 2 F(x) = Р(Х<2) = Р(Х=0) + Р(Х=1) =0,729+ 0,243 = 0,972;
для 2 < x ≤ 3 F(x) = Р(Х<3) = Р(Х = 0) + Р(Х = 1) + Р(Х = 2) = 0,972+0,027 = 0,999;
для х > 3 будет F(x) = 1, т.к. событие достоверно.

График функции F(x)

4. Для биномиального распределения Х:
- математическое ожидание М(X) = np = 3*0,1 = 0,3;
- дисперсия D(X) = npq = 3*0,1*0,9 = 0,27;
- среднее квадратическое отклонение σ(X) = √D(X) = √0,27 ≈ 0,52.

X задана законом распределения вероятностей: Тогда ее среднее квадратическое отклонение равно … 0,80

Решение:
Среднее квадратическое отклонение случайной величины Х определяется как , где дисперсию дискретной случайной величины можно вычислить по формуле .Тогда , а

Решение:
A (вынутый наудачу шар – черный) применим формулу полной вероятности: .Здесь вероятность того, что из первой урны переложили во вторую урну белый шар; – вероятность того, что из первой урны переложили во вторую урну черный шар; – условная вероятность того, что вынутый шар черный, если из первой урны во вторую был переложен белый шар; – условная вероятность того, что вынутый шар черный, если из первой урны во вторую был переложен черный шар.

Дискретная случайная величина Х задана законом распределения вероятностей: Тогда вероятность равна …

Решение:
Дисперсию дискретной случайной величины можно вычислить по формуле . Тогда

Или . Решив последнее уравнение, получаем два корня и

Тема: Определение вероятности
В партии из 12 деталей имеется 5 бракованных. Наудачу отобраны три детали. Тогда вероятность того, что среди отобранных деталей нет годных, равна …

Решение:
Для вычисления события А (среди отобранных деталей нет годных) воспользуемся формулой где n m – число элементарных исходов, благоприятствующих появлению события А. нашем случае общее число возможных элементарных исходов равно числу способов, которыми можно извлечь три детали из 12 имеющих, то есть .

А общее число благоприятствующих исходов равно числу способов, которыми можно извлечь три бракованные детали из пяти, то есть .

Банк выдает 44% всех кредитов юридическим лицам, а 56% – физическим лицам. Вероятность того, что юридическое лицо не погасит в срок кредит, равна 0,2; а для физического лица эта вероятность составляет 0,1. Тогда вероятность того, что очередной кредит будет погашен в срок, равна …

0,856

Решение:
Для вычисления вероятности события A (выданный кредит будет погашен в срок) применим формулу полной вероятности: . Здесь – вероятность того, что кредит был выдан юридическому лицу; – вероятность того, что кредит был выдан физическому лицу; – условная вероятность того, что кредит будет погашен в срок, если он был выдан юридическому лицу; – условная вероятность того, что кредит будет погашен в срок, если он был выдан физическому лицу. Тогда

Тема: Законы распределения вероятностей дискретных случайных величин
Для дискретной случайной величины Х

0,655

Тема: Определение вероятности
Игральная кость бросается два раза. Тогда вероятность того, что сумма выпавших очков не меньше девяти, равна …

Решение:
Для вычисления события (сумма выпавших очков будет не меньше девяти) воспользуемся формулой , где – общее число возможных элементарных исходов испытания, а m – число элементарных исходов, благоприятствующих появлению события A . В нашем случае возможны элементарных исходов испытания, из которых благоприятствующими являются исходы вида , , , , , , , и , то есть . Следовательно,

Тема: Законы распределения вероятностей дискретных случайных величин

функция распределения вероятностей имеет вид:

Тогда значение параметра может быть равно …

			0,7
			0,85
			0,6

Решение:
По определению . Следовательно, и . Этим условиям удовлетворяет, например, значение

Тема: Числовые характеристики случайных величин
Непрерывная случайная величина задана функцией распределения вероятностей:

Тогда ее дисперсия равна …

Решение:
Эта случайная величина распределена равномерно в интервале . Тогда ее дисперсию можно вычислить по формуле . То есть

Тема: Полная вероятность. Формулы Байеса
В первой урне 6 черных шаров и 4 белых шара. Во второй урне 2 белых и 8 черных шаров. Из наудачу взятой урны вынули один шар, который оказался белым. Тогда вероятность того, что этот шар вынули из первой урны, равна …

Решение:
A (вынутый наудачу шар – белый) по формуле полной вероятности: . Здесь – вероятность того, что шар извлечен из первой урны; – вероятность того, что шар извлечен из второй урны; – условная вероятность того, что вынутый шар белый, если он извлечен из первой урны; – условная вероятность того, что вынутый шар белый, если он извлечен из второй урны.
Тогда .
Теперь вычислим условную вероятность того, что этот шар был извлечен из первой урны, по формуле Байеса:

Тема: Числовые характеристики случайных величин
Дискретная случайная величина X задана законом распределения вероятностей:

Тогда ее дисперсия равна …

			7,56
			3,2
			3,36
			6,0

Решение:
Дисперсию дискретной случайной величины можно вычислить по формуле

Тема: Законы распределения вероятностей дискретных случайных величин

Решение:
По определению . Тогда
а) при , ,
б) при , ,
в) при , ,
г) при , ,
д) при , .
Следовательно,

Тема: Определение вероятности
Внутрь круга радиуса 4 наудачу брошена точка. Тогда вероятность того, что точка окажется вне вписанного в круг квадрата, равна …

Тема: Определение вероятности
В партии из 12 деталей имеется 5 бракованных. Наудачу отобраны три детали. Тогда вероятность того, что среди отобранных деталей нет бракованных, равна …

Решение:
Для вычисления события (среди отобранных деталей нет бракованных) воспользуемся формулой , где n – общее число возможных элементарных исходов испытания, а m – число элементарных исходов, благоприятствующих появлению события . В нашем случае общее число возможных элементарных исходов равно числу способов, которыми можно извлечь три детали из 12 имеющих, то есть . А общее число благоприятствующих исходов равно числу способов, которыми можно извлечь три небракованные детали из семи, то есть . Следовательно,

Тема: Полная вероятность. Формулы Байеса

			0,57
			0,43
			0,55
			0,53

Решение:
Для вычисления вероятности события A
Тогда

Тема: Законы распределения вероятностей дискретных случайных величин
Дискретная случайная величина задана законом распределения вероятностей:

Тогда вероятность равна …

Решение:
Воспользуемся формулой . Тогда

Тема: Полная вероятность. Формулы Байеса

			0,875
			0,125
			0,105
			0,375

Решение:
Предварительно вычислим вероятность события A
.
.

Тема: Числовые характеристики случайных величин

Тогда ее математическое ожидание равно …

Решение:
Воспользуемся формулой . Тогда .

Тема: Определение вероятности

Решение:

Тема: Числовые характеристики случайных величин
Непрерывная случайная величина задана плотностью распределения вероятностей . Тогда математическое ожидание a и среднее квадратическое отклонение этой случайной величины равны …

Решение:
Плотность распределения вероятностей нормально распределенной случайной величины имеет вид , где , . Поэтому .

Тема: Законы распределения вероятностей дискретных случайных величин
Дискретная случайная величина задана законом распределения вероятностей:

Тогда значения a и b могут быть равны …

Решение:
Так как сумма вероятностей возможных значений равна 1, то . Этому условию удовлетворяет ответ: .

Тема: Определение вероятности
В круг радиуса 8 помещен меньший круг радиуса 5. Тогда вероятность того, что точка, наудачу брошенная в больший круг, попадет также и в меньший круг, равна …

Решение:
Для вычисления вероятности искомого события воспользуемся формулой , где – площадь меньшего круга, а – площадь большего круга. Следовательно, .

Тема: Полная вероятность. Формулы Байеса
В первой урне 3 черных шара и 7 белых шаров. Во второй урне 4 белых шара и 5 черных шаров. Из первой урны переложили один шар во вторую урну. Тогда вероятность того, что шар, вынутый наудачу из второй урны, будет белым, равна …

			0,47
			0,55
			0,35
			0,50

Решение:
Для вычисления вероятности события A (вынутый наудачу шар – белый) применим формулу полной вероятности: . Здесь – вероятность того, что из первой урны переложили во вторую урну белый шар; – вероятность того, что из первой урны переложили во вторую урну черный шар; – условная вероятность того, что вынутый шар белый, если из первой урны во вторую был переложен белый шар; – условная вероятность того, что вынутый шар белый, если из первой урны во вторую был переложен черный шар.
Тогда

Тема: Законы распределения вероятностей дискретных случайных величин
Для дискретной случайной величины :

функция распределения вероятностей имеет вид:

Тогда значение параметра может быть равно …

			0,7
			0,85
			0,6

ЗАДАНИЕ N 10 сообщить об ошибке
Тема: Полная вероятность. Формулы Байеса
Банк выдает 70% всех кредитов юридическим лицам, а 30% – физическим лицам. Вероятность того, что юридическое лицо не погасит в срок кредит, равна 0,15; а для физического лица эта вероятность составляет 0,05. Получено сообщение о невозврате кредита. Тогда вероятность того, что этот кредит не погасило юридическое лицо, равна …

			0,875
			0,125
			0,105
			0,375

Решение:
Предварительно вычислим вероятность события A (выданный кредит не будет погашен в срок) по формуле полной вероятности: . Здесь – вероятность того, что кредит был выдан юридическому лицу; – вероятность того, что кредит был выдан физическому лицу; – условная вероятность того, что кредит не будет погашен в срок, если он был выдан юридическому лицу; – условная вероятность того, что кредит не будет погашен в срок, если он был выдан физическому лицу. Тогда
.
Теперь вычислим условную вероятность того, что этот кредит не погасило юридическое лицо, по формуле Байеса:
.

ЗАДАНИЕ N 11 сообщить об ошибке
Тема: Определение вероятности
В партии из 12 деталей имеется 5 бракованных. Наудачу отобраны три детали. Тогда вероятность того, что среди отобранных деталей нет годных, равна …

Решение:
Для вычисления события (среди отобранных деталей нет годных) воспользуемся формулой , где n – общее число возможных элементарных исходов испытания, а m – число элементарных исходов, благоприятствующих появлению события . В нашем случае общее число возможных элементарных исходов равно числу способов, которыми можно извлечь три детали из 12 имеющих, то есть . А общее число благоприятствующих исходов равно числу способов, которыми можно извлечь три бракованные детали из пяти, то есть . Следовательно,

ЗАДАНИЕ N 12 сообщить об ошибке
Тема: Числовые характеристики случайных величин
Непрерывная случайная величина задана плотностью распределения вероятностей:

Тогда ее дисперсия равна …

Решение:
Дисперсию непрерывной случайной величины можно вычислить по формуле

Тогда

Тема: Законы распределения вероятностей дискретных случайных величин
Дискретная случайная величина задана законом распределения вероятностей:

Тогда ее функция распределения вероятностей имеет вид …

Решение:
По определению . Тогда
а) при , ,
б) при , ,
в) при , ,
г) при , ,
д) при , .
Следовательно,

Тема: Полная вероятность. Формулы Байеса
Имеются три урны, содержащие по 5 белых и 5 черных шаров, и семь урн, содержащих по 6 белых и 4 черных шара. Из наудачу взятой урны вытаскивается один шар. Тогда вероятность того, что этот шар белый, равна …

			0,57
			0,43
			0,55
			0,53

Решение:
Для вычисления вероятности события A (вынутый наудачу шар – белый) применим формулу полной вероятности: . Здесь – вероятность того, что шар извлечен из первой серии урн; – вероятность того, что шар извлечен из второй серии урн; – условная вероятность того, что вынутый шар белый, если из он извлечен из первой серии урн; – условная вероятность того, что вынутый шар белый, если из он извлечен из второй серии урн.
Тогда .

Тема: Законы распределения вероятностей дискретных случайных величин
Дискретная случайная величина задана законом распределения вероятностей:

Тогда вероятность равна …

Тема: Определение вероятности
Игральная кость бросается два раза. Тогда вероятность того, что сумма выпавших очков – десять, равна …

Случайной величиной называют переменную величину, которая в результате каждого испытания принимает одно заранее неизвестное значение, зависящее от случайных причин. Случайные величины обозначают заглавными латинскими буквами: $X,\ Y,\ Z,\ \dots $ По своему типу случайные величины могут быть дискретными и непрерывными .

Дискретная случайная величина - это такая случайная величина, значения которой могут быть не более чем счетными, то есть либо конечными, либо счетными. Под счетностью имеется ввиду, что значения случайной величины можно занумеровать.

Пример 1 . Приведем примеры дискретных случайных величин:

а) число попаданий в мишень при $n$ выстрелах, здесь возможные значения $0,\ 1,\ \dots ,\ n$.

б) число выпавших гербов при подкидывании монеты, здесь возможные значения $0,\ 1,\ \dots ,\ n$.

в) число прибывших кораблей на борт (счетное множество значений).

г) число вызовов, поступающих на АТС (счетное множество значений).

1. Закон распределения вероятностей дискретной случайной величины.

Дискретная случайная величина $X$ может принимать значения $x_1,\dots ,\ x_n$ с вероятностями $p\left(x_1\right),\ \dots ,\ p\left(x_n\right)$. Соответствие между этими значениями и их вероятностями называется законом распределения дискретной случайной величины . Как правило, это соответствие задается с помощью таблицы, в первой строке которой указывают значения $x_1,\dots ,\ x_n$, а во второй строке соответствующие этим значениям вероятности $p_1,\dots ,\ p_n$.

$\begin{array}{|c|c|}
\hline
X_i & x_1 & x_2 & \dots & x_n \\
\hline
p_i & p_1 & p_2 & \dots & p_n \\
\hline
\end{array}$

Пример 2 . Пусть случайная величина $X$ - число выпавших очков при подбрасывании игрального кубика. Такая случайная величина $X$ может принимать следующие значения $1,\ 2,\ 3,\ 4,\ 5,\ 6$. Вероятности всех этих значений равны $1/6$. Тогда закон распределения вероятностей случайной величины $X$:

$\begin{array}{|c|c|}
\hline
1 & 2 & 3 & 4 & 5 & 6 \\
\hline

\hline
\end{array}$

Замечание . Поскольку в законе распределения дискретной случайной величины $X$ события $1,\ 2,\ \dots ,\ 6$ образуют полную группу событий, то в сумме вероятности должны быть равны единице, то есть $\sum{p_i}=1$.

2. Математическое ожидание дискретной случайной величины.

Математическое ожидание случайной величины задает ее «центральное» значение. Для дискретной случайной величины математическое ожидание вычисляется как сумма произведений значений $x_1,\dots ,\ x_n$ на соответствующие этим значениям вероятности $p_1,\dots ,\ p_n$, то есть: $M\left(X\right)=\sum^n_{i=1}{p_ix_i}$. В англоязычной литературе используют другое обозначение $E\left(X\right)$.

Свойства математического ожидания $M\left(X\right)$:

1. $M\left(X\right)$ заключено между наименьшим и наибольшим значениями случайной величины $X$.
2. Математическое ожидание от константы равно самой константе, т.е. $M\left(C\right)=C$.
3. Постоянный множитель можно выносить за знак математического ожидания: $M\left(CX\right)=CM\left(X\right)$.
4. Математическое ожидание суммы случайных величин равно сумме их математических ожиданий: $M\left(X+Y\right)=M\left(X\right)+M\left(Y\right)$.
5. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий: $M\left(XY\right)=M\left(X\right)M\left(Y\right)$.

Пример 3 . Найдем математическое ожидание случайной величины $X$ из примера $2$.

$$M\left(X\right)=\sum^n_{i=1}{p_ix_i}=1\cdot {{1}\over {6}}+2\cdot {{1}\over {6}}+3\cdot {{1}\over {6}}+4\cdot {{1}\over {6}}+5\cdot {{1}\over {6}}+6\cdot {{1}\over {6}}=3,5.$$

Можем заметить, что $M\left(X\right)$ заключено между наименьшим ($1$) и наибольшим ($6$) значениями случайной величины $X$.

Пример 4 . Известно, что математическое ожидание случайной величины $X$ равно $M\left(X\right)=2$. Найти математическое ожидание случайной величины $3X+5$.

Используя вышеуказанные свойства, получаем $M\left(3X+5\right)=M\left(3X\right)+M\left(5\right)=3M\left(X\right)+5=3\cdot 2+5=11$.

Пример 5 . Известно, что математическое ожидание случайной величины $X$ равно $M\left(X\right)=4$. Найти математическое ожидание случайной величины $2X-9$.

Используя вышеуказанные свойства, получаем $M\left(2X-9\right)=M\left(2X\right)-M\left(9\right)=2M\left(X\right)-9=2\cdot 4-9=-1$.

3. Дисперсия дискретной случайной величины.

Возможные значения случайных величин с равными математическими ожиданиями могут по-разному рассеиваться вокруг своих средних значений. Например, в двух студенческих группах средний балл за экзамен по теории вероятностей оказался равным 4, но в одной группе все оказались хорошистами, а в другой группе - только троечники и отличники. Поэтому возникает необходимость в такой числовой характеристике случайной величины, которая бы показывала разброс значений случайной величины вокруг своего математического ожидания. Такой характеристикой является дисперсия.

Дисперсия дискретной случайной величины $X$ равна:

$$D\left(X\right)=\sum^n_{i=1}{p_i{\left(x_i-M\left(X\right)\right)}^2}.\ $$

В англоязычной литературе используются обозначения $V\left(X\right),\ Var\left(X\right)$. Очень часто дисперсию $D\left(X\right)$ вычисляют по формуле $D\left(X\right)=\sum^n_{i=1}{p_ix^2_i}-{\left(M\left(X\right)\right)}^2$.

Свойства дисперсии $D\left(X\right)$:

1. Дисперсия всегда больше или равна нулю, т.е. $D\left(X\right)\ge 0$.
2. Дисперсия от константы равна нулю, т.е. $D\left(C\right)=0$.
3. Постоянный множитель можно выносить за знак дисперсии при условии возведения его в квадрат, т.е. $D\left(CX\right)=C^2D\left(X\right)$.
4. Дисперсия суммы независимых случайных величин равна сумме их дисперсий, т.е. $D\left(X+Y\right)=D\left(X\right)+D\left(Y\right)$.
5. Дисперсия разности независимых случайных величин равна сумме их дисперсий, т.е. $D\left(X-Y\right)=D\left(X\right)+D\left(Y\right)$.

Пример 6 . Вычислим дисперсию случайной величины $X$ из примера $2$.

$$D\left(X\right)=\sum^n_{i=1}{p_i{\left(x_i-M\left(X\right)\right)}^2}={{1}\over {6}}\cdot {\left(1-3,5\right)}^2+{{1}\over {6}}\cdot {\left(2-3,5\right)}^2+\dots +{{1}\over {6}}\cdot {\left(6-3,5\right)}^2={{35}\over {12}}\approx 2,92.$$

Пример 7 . Известно, что дисперсия случайной величины $X$ равна $D\left(X\right)=2$. Найти дисперсию случайной величины $4X+1$.

Используя вышеуказанные свойства, находим $D\left(4X+1\right)=D\left(4X\right)+D\left(1\right)=4^2D\left(X\right)+0=16D\left(X\right)=16\cdot 2=32$.

Пример 8 . Известно, что дисперсия случайной величины $X$ равна $D\left(X\right)=3$. Найти дисперсию случайной величины $3-2X$.

Используя вышеуказанные свойства, находим $D\left(3-2X\right)=D\left(3\right)+D\left(2X\right)=0+2^2D\left(X\right)=4D\left(X\right)=4\cdot 3=12$.

4. Функция распределения дискретной случайной величины.

Способ представления дискретной случайной величины в виде ряда распределения не является единственным, а главное он не является универсальным, поскольку непрерывную случайную величину нельзя задать с помощью ряда распределения. Существует еще один способ представления случайной величины - функция распределения.

Функцией распределения случайной величины $X$ называется функция $F\left(x\right)$, которая определяет вероятность того, что случайная величина $X$ примет значение, меньшее некоторого фиксированного значения $x$, то есть $F\left(x\right)=P\left(X < x\right)$

Свойства функции распределения :

1. $0\le F\left(x\right)\le 1$.
2. Вероятность того, что случайная величина $X$ примет значения из интервала $\left(\alpha ;\ \beta \right)$, равна разности значений функции распределения на концах этого интервала: $P\left(\alpha < X < \beta \right)=F\left(\beta \right)-F\left(\alpha \right)$
3. $F\left(x\right)$ - неубывающая.
4. ${\mathop{lim}_{x\to -\infty } F\left(x\right)=0\ },\ {\mathop{lim}_{x\to +\infty } F\left(x\right)=1\ }$.

Пример 9 . Найдем функцию распределения $F\left(x\right)$ для закона распределения дискретной случайной величины $X$ из примера $2$.

$\begin{array}{|c|c|}
\hline
1 & 2 & 3 & 4 & 5 & 6 \\
\hline
1/6 & 1/6 & 1/6 & 1/6 & 1/6 & 1/6 \\
\hline
\end{array}$

Если $x\le 1$, то, очевидно, $F\left(x\right)=0$ (в том числе и при $x=1$ $F\left(1\right)=P\left(X < 1\right)=0$).

Если $1 < x\le 2$, то $F\left(x\right)=P\left(X=1\right)=1/6$.

Если $2 < x\le 3$, то $F\left(x\right)=P\left(X=1\right)+P\left(X=2\right)=1/6+1/6=1/3$.

Если $3 < x\le 4$, то $F\left(x\right)=P\left(X=1\right)+P\left(X=2\right)+P\left(X=3\right)=1/6+1/6+1/6=1/2$.

Если $4 < x\le 5$, то $F\left(X\right)=P\left(X=1\right)+P\left(X=2\right)+P\left(X=3\right)+P\left(X=4\right)=1/6+1/6+1/6+1/6=2/3$.

Если $5 < x\le 6$, то $F\left(x\right)=P\left(X=1\right)+P\left(X=2\right)+P\left(X=3\right)+P\left(X=4\right)+P\left(X=5\right)=1/6+1/6+1/6+1/6+1/6=5/6$.

Если $x > 6$, то $F\left(x\right)=P\left(X=1\right)+P\left(X=2\right)+P\left(X=3\right)+P\left(X=4\right)+P\left(X=5\right)+P\left(X=6\right)=1/6+1/6+1/6+1/6+1/6+1/6=1$.

Итак, $F(x)=\left\{\begin{matrix}
0,\ при\ x\le 1,\\
1/6,при\ 1 < x\le 2,\\
1/3,\ при\ 2 < x\le 3,\\
1/2,при\ 3 < x\le 4,\\
2/3,\ при\ 4 < x\le 5,\\
5/6,\ при\ 4 < x\le 5,\\
1,\ при\ x > 6.
\end{matrix}\right.$