Випадкові величини (стр. 5 )

Приклад 2. Випадкова величина Х розподілена за таким законом:

Визначити характеристичну функцію для випадкової величини

Розв’язання. Знайдемо характеристичну функцію для випадкової величини Х, а далі скористаємося властивістю характерис-тичних функцій:

Застосуємо другу властивість характеристичної функції: якщо і відома характеристична функція то За умовою Тоді

Приклад 3. Довести за допомогою характеристичної функції, що закон розподілу Пуассона стійкий. (Закон розподілу називається стійким, якщо сума незалежних випадкових величин, розподілених за цим законом, має розподіл такого самого типу.)

Розв’язання. Нехай випадкова величина Х розподілена за законом Пуассона з параметром а, а випадкова величина розподілена за цим самим законом із параметром Покажемо, що випадкова величина також матиме закон розподілу Пуассона.

Знаходимо характеристичні функції для випадкових величин

За умовою , причому величини між собою незалежні. Тоді

Позначивши дістанемо Маємо характеристичну функцію для розподілу Пуассона. Звідси випливає, що закон розподілу Пуассона стійкий. Одночасно установили, що параметр визначається додаванням параметрів

Приклад 4. Задано послідовність функцій розподілу:

Визначити — граничну функцію для відповідної послідовності характеристичних функцій.

Розв’язання. Застосуємо теорему про граничну харак-теристичну функцію для послідовності функцій розподілу. Знайдемо граничну функцію розподілу.

Отже, гранична функція розподілу — функція показникового розподілу з параметром Тоді гранична характеристична функція

Вправи для самостійного розв’язування

2.61. Знайти характеристичну функцію випадкової величини яку задано функцією розподілу

2.62. Випадкова величина розподілена рівномірно на проміжку (–4; 4]. Знайти

2.63. Незалежні випадкові величини розподілені нормально, Знайти якщо

2.64. Випадкові величини попарно незалежні і однаково розподілені (рівномірний розподіл на проміжку (–1; 1]). Знайти характеристичну функцію їхньої суми.

2.65. Визначити характеристичну функцію випадкової величини якщо щільність розподілу її — трикутник АВС. Точка В лежить на осі ординат, а точки А і С мають координати: А(–2; 0), С(2; 0).

2.66. Вивести умову, за якої біноміальний закон розподілу стійкий.

2.67. З допомогою характеристичних функцій довести стійкість розподілу (Розглянути незалежні випадкові величини і які мають розподіл з одним ступенем волі. Знайти їхні характеристичні функції і якщо

2.68. Задана послідовність функцій розподілу:

Визначити — граничну функцію для відповідної послідовності характеристичних функцій.

2.5. ЗАКОН ВЕЛИКИХ ЧИСЕЛ.
ЦЕНТРАЛЬНА ГРАНИЧНА ТЕОРЕМА

Нерівності Чебишова. Перша форма: якщо випадкова величина Х невід’ємна і , то

Друга форма: якщо для випадкової величини існують моменти першого та другого порядку, то

Нехай задано послідовність випадкових величин:

(1)

Послідовність (1) задовольняє закон великих чисел, якщо

Окремі форми закону великих чисел різняться обмеженнями, які накладаються на випадкові величини, що входять у послідовність (1).

Теорема Хінчина. Якщо випадкові величини у послідовності (1) незалежні, однаково розподілені і мають скінченне математичне сподівання то

Теорема Чебишова. Якщо випадкові величини у послідовності (1) незалежні, мають скінченні математичні сподівання і рівномірно обмежені дисперсії , то до послідовності (1) можна застосувати закон великих чисел.

Теорема Маркова. Нехай випадкові величини в послідовності (1) мають скінченні і як завгодно залежні математичні сподівання. Тоді, якщо при то для послідовності (1) можна застосувати закон великих чисел.

Теорема Бернуллі. Нехай проводиться n незалежних повторних випробувань, у кожному з яких імовірність настання події А дорівнює р. Тоді

де — частота події А у даних випробуваннях.

Центральна гранична теорема. Для послідовності випадкових величин (1) розглянемо:

Теорема 1. Якщо випадкові величини в послідовності (1) незалежні, однаково розподілені і для них існують моменти другого порядку, то

(2)

тобто граничним розподілом для є нормальний закон розподілу з нульовим математичним сподіванням і одиничною дисперсією.

Теорема Ляпунова. Якщо для незалежних випадкових величин, які утворюють послідовність (1), існують моменти третього порядку і виконується умова

то для виконується співвідношен-
ня (2).

Наслідком розглянутих теорем є інтегральна теорема Лапласа.

У схемі незалежних повторних випробувань

де Це випливає з того, що частоту події можна подати як суму n випадкових величин — частот настання події в окремих випробуваннях. При достатньо великих значеннях n закон розподілу цієї суми близький до нормального.

Аналогічними міркуваннями для цієї схеми легко дістати формулу:

де m — частота події А у n випробуваннях.

Приклади розв’язування задач

Приклад 1. Середнє споживання електроенергії протягом травня у місті дорівнює 360 000 кВт. год.

1. Оцінити ймовірність того, що споживання електроенергії у травні поточного року перевищить 1 000 000 кВт. год.

2. Оцінити ту саму ймовірність за умови, що середнє квадратичне відхилення споживання електроенергії за травень дорівнює 40 000 кВт. год.

Розв’язання. 1. Випадкова величина Х — споживання електроенергії набуває невід’ємних значень. Математичне сподівання її дорівнює 360 000. Оцінимо ймовірність за допомогою першої форми нерівності Чебишова:

2. Оцінимо цю саму нерівність, якщо відоме середнє квадратичне відхилення Х. Скористаємося другою формою нерівності Чебишова:

Отже, якщо існує момент другого порядку, оцінка ймовірності істотно менша.

Приклад 2. Імовірність деякої події визначається методом Монте-Карло. Знайти кількість незалежних випробувань, які забезпечують з імовірністю не менш як 0,99 обчислення шуканої ймовірності з похибкою, що не перевищує 0,01. Оцінку подати за допомогою нерівності Чебишова і теореми Лапласа.

Розв’язання. Оцінкою для ймовірності є відносна частота Знаходимо її числові характеристики:

Для відносної частоти існують моменти другого порядку. Запишемо другу форму нерівності Чебишова для відносної частоти:

Значення e = 0,01, добуток р(1 – р) оцінимо максимальним числом 0,25. Підставивши ці значення у праву частину нерівності Чебишова, дістанемо:

Оцінимо тепер n за допомогою теореми Лапласа:

Як бачимо, оцінка за нерівністю Чебишова значно більша, ніж за теоремою Лапласа.

Приклад 3. Дано послідовність незалежних випадкових величин Випадкова величина може набувати значень з імовірностями, що дорівнюють відповідно Чи можна застосувати до цієї послідовності закон великих чисел?

Розв’язання. Знайдемо числові характеристики для випадкової величини

Дисперсії величин, які утворюють послідовність, обмежені зверху числом 2. Отже, закон великих чисел можна застосувати.

Приклад 4. Дано послідовність незалежних випадкових величин . Математичні сподівання цих величин дорівнюють нулю, а ( — додатна стала, яка менша від 1). Чи можна застосувати до цієї послідовності закон великих чисел?

Розв’язання. З’ясуємо, яку з теорем можна застосувати до цієї послідовності. Не можна застосувати ні теорему Хінчина, бо величини мають різні закони розподілу, ні теорему Чебишова, бо дисперсії зростають і необмежені зверху

Розглянемо умови теореми Маркова.

Знаходимо і оцінюємо цю суму:

Оскільки то згідно з теоремою Маркова до послідовості можна застосувати закон великих чисел.

Приклад 5. Контролер перевіряє деякі вироби. На першому етапі перевірки, який триває 10 с, він або відразу оцінює виріб, або приймає рішення, що перевірку треба повторити. Повторна перевірка триває 10 с, у результаті чого обов’язково приймається рішення про якість продукції. Знайти ймовірність того, що за семигодинний робочий день контролер перевірить понад 1800 виробів; понад 1640 виробів; не менш як 1500 виробів. Передбачається, що кожний виріб незалежно від інших з імовірністю 0,5 проходить повторну перевірку.

Розв’язання. Нехай — час, потрібний для перевірки і-го виробу. Дістаємо послідовність незалежних однаково розподілених випадкових величин . Кожна з них має такий закон розподілу:

Загальний час , що його витрачає робітник на перевірку n виробів, є сумою n незалежних однаково розподілених величин: Числові характеристики такі:

Згідно з теоремою 1 величина має закон розподілу, близький до нормального.

Якщо то Тривалість зміни становить 420 хв. Тоді маємо:

Якщо то У такому разі дістаємо:

І, нарешті, без обчислень можна стверджувати, що коли n =
= 1500, то

Вправи для самостійного розв’язування

2.69. Середня витрата води в населеному пункті становить 50 000 л за день. Оцінити ймовірність того, що в цьому населеному пункті протягом одного певного дня витрата води не перевищить 150 000 л.

2.70. Середнє квадратичне відхилення похибки вимірювання азимуту дорівнює (математичне сподівання її дорівнює нулю). Визначити ймовірність того, що похибка середнього арифметичного трьох вимірювань не перевищить одного градуса.

2.71. Імовірність настання події А в кожному випробуванні Яку найменшу кількість випробувань потрібно виконати, щоб з імовірністю не менш як 0,99 можна було стверджувати, що частість настання події А відхилялась за абсолютною величиною від її ймовірності не більш ніж на 0,01?

Для розв’язування скористатися:

а) нерівністю Чебишова;

б) інтегральною теоремою Лапласа.

2.72. Задано послідовність незалежних випадкових величин які набувають значень 0, з імовірностями відповідно Чи можна до цієї послідовності застосувати закон великих чисел?

2.73. Задано послідовність незалежних випадкових величин які набувають значень 0, з імовірностями відповідно Чи можна до цієї послідовності застосувати закон великих чисел?

2.74. Випадкова величина — середня арифметична незалежних однаково розподілених випадкових величин: Якого максимального відхилення цієї величини від її математичного сподівання можна очікувати з імовірністю Р =
= 0,9544?

2.75. Перевіряється партія деталей. З імовірністю р = 0,01 деталь може мати дефект А і незалежно від цього з імовірністю
р = 0,03 — дефект В. В яких межах при Р = 0,9973 перебуватиме кількість стандартних деталей у партії із 1000 деталей?

2.76. При виготовленні виливків брак становить 20 %. Скільки потрібно виготовити виливків, щоб з імовірністю Р = 0,95 забезпечити програму випуску виробів, згідно з якою передбачено отримати 50 бездефектних виливків?

2.77. При складанні статистичного звіту треба було додати 10 000 000 чисел, кожне з яких округлювалося з точністю до Вважаючи, що похибки округлення взаємно незалежні і рівномірно розподілені на проміжку знайти межі, в яких міститься сумарна похибка (Р = 0,9544).

2.78. Нехай кожний із перехожих, опинившись біля газетного кіоску, купує газету з імовірністю р = 0,25, а Х — випадкова величина — кількість людей, які пройшли повз кіоск за час, поки продавець продав перші 100 газет. Знайти закон розпо-
ділу Х.