Дан ряд распределения дискретной случайной величины. Найти недостающую вероятность и построить график функции распределения. Вычислить математическое ожидание и дисперсию этой величины.
Случайная величина Х принимает только четыре значения: -4, -3, 1 и 2. Каждое из этих значений она принимает с определенной вероятностью. Так как сумма всех вероятностей должна быть равна 1, то недостающая вероятность равна:
0,3 + ? + 0,1 + 0,4 = 1,
Составим функцию распределения случайной величины Х. Известно, что функция распределения , тогда:
Следовательно,
Построим график функции F (x ) .
Математическое ожидание дискретной случайной величины равно сумме произведений значения случайной величины на соответствующую вероятность, т.е.
Дисперсию дискретной случайной величины найдем по формуле:
ПРИЛОЖЕНИЕ
Элементы комбинаторики Здесь: - факториал числа |
||||||||||
Действия над событиямиСобытие – это всякий факт, который может произойти или не произойти в результате опыта. Объединение событий А и В – это событие С , которое состоит в появлении или события А , или события В , или обоих событий одновременно. Обозначение:
Пересечение событий А и В – это событие С , которое состоит в одновременном появлении обоих событий. Обозначение:
 |
||||||||||
Классическое определение вероятностиВероятность события А
– это
отношение числа опытов
|
||||||||||
Формула умножения вероятностейВероятность события
Если события А и В – независимы (появление одного не влияет на появление другого), то вероятность события равна: |
||||||||||
Формула сложения вероятностейВероятность события
Вероятность события А, Вероятность события В,
Если события А и В – несовместны (не могут появиться одновременно), то вероятность события равна: |
||||||||||
Формула полной вероятностиПусть
событие А
может произойти
одновременно с одним из событий
|
||||||||||
Схема БернуллиПусть проводится n независимых испытаний. Вероятность появления (успеха) события А в каждом из них постоянна и равна p , вероятность неудачи (т.е. не появления события А ) q = 1 - p . Тогда вероятность появления k успехов в n испытаниях можно найти по формуле Бернулли:
Наивероятнейшее
число успехов
|
||||||||||
Случайные величиныдискретные непрерывные (н-р, число девочек в семье с 5 детьми) (н-р, время исправной работы чайника) Числовые характеристики дискретных случайных величинПусть дискретная величина задана рядом распределения:
, , …, - значения случайной величины Х ; , , …, - соответствующие им значения вероятностей. Функция распределенияФункцией распределения случайной величины Х называется функция , заданная на всей числовой прямой и равная вероятности того, что Х будет меньше х : |
;
;
, благоприятствующих появлению события
А
, к общему числу опытов
:
можно найти по формуле:
-
вероятность события А,
-
вероятность события В,
- вероятность события В
при условии,
что событие А
уже произошло.
можно найти по формуле:
- вероятность совместного появления
событий А
и В
.
,
,
…,
- назовем их гипотезами. Также известны
- вероятность выполнения i
-ой
гипотезы и
- вероятность появления события А при
выполнении i
-ой
гипотезы. Тогда вероятность события
А
может быть найдена по формуле:
в схеме Бернулли – это число появлений
некоторого события, которому
соответствует наибольшая вероятность.
Можно найти по формуле:
Вопросы к экзамену
Событие. Операции над случайными событиями.
Понятие вероятности события.
Правила сложения и умножения вероятностей. Условные вероятности.
Формула полной вероятности. Формула Байеса.
Схема Бернулли.
Случайная величина, ее функция распределения и ряд распределения.
Основные свойства функции распределения.
Математическое ожидание. Свойства математического ожидания.
Дисперсия. Свойства дисперсии.
Плотность распределения вероятностей одномерной случайной величины.
Виды распределений: равномерное, экспоненциальное, нормальное, биномиальное и распределение Пуассона.
Локальная и интегральные теоремы Муавра-Лапласа.
Закон и функция распределения системы двух случайных величин.
Плотность распределения системы двух случайных величин.
Условные законы распределения, условное математическое ожидание.
Зависимые и независимые случайные величины. Коэффициент корреляции.
Выборка. Обработка выборки. Полигон и гистограмма частот. Эмпирическая функция распределения.
Понятие оценки параметров распределения. Требования к оценке. Доверительный интервал. Построение интервалов для оценки математического ожидания и среднего квадратического отклонения.
Статистические гипотезы. Критерии согласия.
На этой странице мы собрали примеры решения учебных задач о дискретных случайных величинах . Это довольно обширный раздел: изучаются разные законы распределения (биномиальный, геометрический, гипергеометрический, Пуассона и другие), свойства и числовые характеристики, для каждого ряда распределения можно строить графические представления: полигон (многоугольник) вероятностей, функцию распределения.
Ниже вы найдете примеры решений о дискретных случайных величинах, в которых требуется применить знания из предыдущих разделов теории вероятностей для составления закона распределения, а затем вычислить математическое ожидание, дисперсию, среднее квадратическое отклонение, построить функцию распределения, дать ответы на вопросы о ДСВ и т.п.
Примеры для популярных законов распределения вероятностей:
Калькуляторы на характеристики ДСВ
- Вычисление математического ожидания, дисперсии и среднего квадратического отклонения ДСВ .
Решенные задачи о ДСВ
Распределения, близкие к геометрическому
Задача 1. На пути движения автомашины 4 светофора, каждый из которых запрещает дальнейшее движение автомашины с вероятностью 0,5. Найти ряд распределения числа светофоров, пройденных машиной до первой остановки. Чему равны математическое ожидание и дисперсия этой случайной величины?
Задача 2. Охотник стреляет по дичи до первого попадания, но успевает сделать не более четырех выстрелов. Составить закон распределения числа промахов, если вероятность попадания в цель при одном выстреле равна 0,7. Найти дисперсию этой случайной величины.
Задача 3. Стрелок, имея 3 патрона, стреляет в цель до первого попадания. Вероятности попадания при первом, втором и третьем выстрелах соответственно 0,6, 0,5, 0,4. С.В. $\xi$ - число оставшихся патронов. Составить ряд распределения случайной величины, найти математическое ожидание, дисперсию, среднее квадратичное отклонение с.в., построить функцию распределения с.в., найти $P(|\xi-m| \le \sigma$.
Задача 4.
В ящике содержится 7 стандартных и 3 бракованных детали. Вынимают детали последовательно до появления стандартной, не возвращая их обратно. $\xi$ - число извлеченных бракованных деталей.
Составить закон распределения дискретной случайной величины $\xi$, вычислить ее математическое ожидание, дисперсию, среднее квадратическое отклонение, начертить многоугольник распределения и график функции распределения.
Задачи с независимыми событиями
Задача 5. На переэкзаменовку по теории вероятностей явились 3 студента. Вероятность того, что первый сдаст экзамен, равна 0,8, второй - 0,7, третий - 0,9. Найдите ряд распределения случайной величины $\xi$ числа студентов, сдавших экзамен, постройте график функции распределения, найдите $М(\xi), D(\xi)$.
Задача 6. Вероятность попадания в цель при одном выстреле равна 0,8 и уменьшается с каждым выстрелом на 0,1. Составить закон распределения числа попаданий в цель, если сделано три выстрела. Найти математическое ожидание, дисперсию и С.К.О. этой случайной величины. Построить график функции распределения.
Задача 7. По цели производится 4 выстрела. Вероятность попадания при этом растет так: 0,2, 0,4, 0,6, 0,7. Найти закон распределения случайной величины $X$ - числа попаданий. Найти вероятность того, что $X \ge 1$.
Задача 8. Подбрасываются две симметричные монеты, подсчитывается число гербов на обеих верхних сторонах монет. Рассматривается дискретная случайная величина $X$- число выпадений гербов на обеих монетах. Записать закон распределения случайной величины $X$, найти ее математическое ожидание.
Другие задачи и законы распределения ДСВ
Задача 9. Два баскетболиста делают по три броска в корзину. Вероятность попадания для первого баскетболиста равна 0,6, для второго – 0,7. Пусть $X$ - разность между числом удачных бросков первого и второго баскетболистов. Найти ряд распределения, моду и функцию распределения случайной величины $X$. Построить многоугольник распределения и график функции распределения. Вычислить математическое ожидание, дисперсию и среднее квадратичное отклонение. Найти вероятность события $(-2 \lt X \le 1)$.
Задача 10.
Число иногородних судов, прибывающих ежедневно под погрузку в определенный порт – случайная величина $X$, заданная так:
0 1 2 3 4 5
0,1 0,2 0,4 0,1 0,1 0,1
А) убедитесь, что задан ряд распределения,
Б) найдите функцию распределения случайной величины $X$,
В) если в заданный день прибывает больше трех судов, то порт берет на себя ответственность за издержки вследствие необходимости нанимать дополнительных водителей и грузчиков. Чему равна вероятность того, что порт понесет дополнительные расходы?
Г) найдите математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины $X$.
Задача 11. Бросают 4 игральные кости. Найти математическое ожидание суммы числа очков, которые выпадут на всех гранях.
Задача 12. Двое поочередно бросают монету до первого появления герба. Игрок, у которого выпал герб, получает от другого игрока 1 рубль. Найти математическое ожидание выигрыша каждого игрока.
Назначение сервиса . Онлайн-калькулятор используется для построения таблицы распределения случайной величины X – числа произведенных опытов и вычисления всех характеристик ряда: математического ожидания, дисперсии и среднеквадратического отклонения. Отчет с решением оформляется в формате Word . Пример №1 . Бросаются три монеты. Вероятность выпадения герба при одном бросании равна 0.5. Составьте закон распределения случайной величины X - числа выпавших гербов.Решение.
Вероятность того, что не выпало ни одного герба: P(0) = 0,5*0,5*0,5= 0,125
P(1) = 0,5 *0,5*0,5 + 0,5*0,5 *0,5 + 0,5*0,5*0,5 = 3*0,125=0,375
P(2) = 0,5 *0,5 *0,5 + 0,5 *0,5*0,5 + 0,5*0,5 *0,5 = 3*0,125=0,375
Вероятность того, что выпало три герба: P(3) = 0,5*0,5*0,5 = 0,125
Закон распределения случайной величины X:
| X | 0 | 1 | 2 | 3 |
| P | 0,125 | 0,375 | 0,375 | 0,125 |
Пример №2
. Вероятность попадания в мишень одного стрелка при одном выстреле для первого стрелка равна 0.8, для второго стрелка – 0.85. Стрелки произвели по одному выстрелу в мишень. Считая попадание в цель для отдельных стрелков событиями независимыми, найти вероятность события А – ровно одно попадание в цель.
Решение.
Рассмотрим событие A - одно попадание в цель. Возможные варианты наступления этого события следующие:
- Попал первый стрелок, второй стрелок промахнулся: P(A/H1)=p 1 *(1-p 2)=0.8*(1-0.85)=0.12
- Первый стрелок промахнулся, второй стрелок попал в мишень: P(A/H2)=(1-p 1)*p 2 =(1-0.8)*0.85=0.17
- Первый и второй стрелки независимо друг от друга попали в мишень: P(A/H1H2)=p 1 *p 2 =0.8*0.85=0.68
Учреждение образования «Белорусская государственная
сельскохозяйственная академия»
Кафедра высшей математики
Методические указания
по изучению темы «Случайные величины» студентами бухгалтерского факультета заочной формы получения образования (НИСПО)
Горки, 2013
Случайные величины
Дискретные и непрерывные случайные величины
Одним из основных понятий в теории вероятностей является понятие случайной величины . Случайной величиной называется величина, которая в результате испытания из множества возможных своих значений принимает только одно, причём заранее неизвестно, какое именно.
Случайные величины бывают дискретными и непрерывными . Дискретной случайной величиной (ДСВ) называется случайная величина, которая может принимать конечное число изолированных друг о друга значений, т.е. если возможные значения этой величины можно пересчитать. Непрерывной случайной величиной (НСВ) называется случайная величина, все возможные значения которой сплошь заполняют некоторый промежуток числовой прямой.
Случайные величины обозначаются заглавными буквами латинского алфавита X, Y, Z и т.д. Возможные значения случайных величин обозначаются соответствующими малыми буквами.
Запись
означает
«вероятность того, что случайная величинаХ
примет значение, равное 5, равна 0.28».
Пример 1 . Один раз бросают игральный кубик. При этом могут выпасть цифры от 1 до 6, обозначающие число очков. Обозначим случайную величину Х ={число выпавших очков}. Эта случайная величина в результате испытания может принять только одно из шести значений: 1, 2, 3, 4, 5 или 6. Следовательно, случайная величина Х есть ДСВ.
Пример 2 . При бросании камня он пролетает некоторое расстояние. Обозначим случайную величину X ={расстояние полёта камня}. Эта случайная величина может принять любое, но только одно, значение из некоторого промежутка. Следовательно, случайная величина Х есть НСВ.
Закон распределения дискретной случайной величины
Дискретная случайная величина характеризуется значениями, которые она может принимать, и вероятностями, с которыми эти значения принимаются. Соответствие между возможными значениями дискретной случайной величины и соответствующими им вероятностями называется законом распределения дискретной случайной величины .
Если
известны все возможные значения
случайной величиныХ
и вероятности
появления этих значений, то считают,
что закон распределения ДСВХ
известен и он может быть записан в виде
таблицы:
|
|
|
|
|
|
|||
|
|
|
|
|
|
Закон
распределения ДСВ можно изобразить
графически, если в прямоугольной системе
координат изобразить точки
,
,
…,
и
соединить их отрезками прямых линий.
Полученная фигура называется
многоугольником распределения.
Пример 3 . В зерне, предназначенном для очистки, содержится 10% сорняков. Наугад отобраны 4 зерна. Обозначим случайную величину X ={число сорняков среди четырёх отобранных}. Построить закон распределения ДСВ Х и многоугольник распределения.
Решение . По условию примера . Тогда:
Запишем закон распределения ДСВ Х в виде таблицы и построим многоугольник распределения:
|
|
Математическое ожидание дискретной случайной величины
Наиболее важные свойства дискретной случайной величины описываются её характеристиками. Одной из таких характеристик является математическое ожидание случайной величины.
Пусть известен закон распределения ДСВ Х :
|
|
|
|
|
|
|||
|
|
|
|
|
|
Математическим
ожиданием
ДСВ Х
называется сумма произведений каждого
значения этой величины на соответствующую
вероятность:
.
Математическое ожидание случайной величины приближённо равно среднему арифметическому всех её значений. Поэтому в практических задачах часто за математическое ожидание принимают среднее значение этой случайной величины.
Пример 8 . Стрелок выбивает 4, 8, 9 и 10 очков с вероятностями 0.1, 0.45, 0.3 и 0.15. Найти математическое ожидание числа очков при одном выстреле.
Решение . Обозначим случайную величину X ={число выбитых очков}. Тогда . Таким образом, ожидаемое среднее значение числа выбитых очков при одном выстреле равно 8.2, а при 10 выстрелах – 82.
Основными свойствами математического ожидания являются:
.
.
,
где
,
.
.
,
где Х
и Y
– независимые случайные величины.
Разность
называетсяотклонением
случайной величины Х
от её математического ожидания. Эта
разность является случайной величиной
и её математическое ожидание равно
нулю, т.е.
.
Дисперсия дискретной случайной величины
Для характеристики случайной величины, кроме математического ожидания, используется и дисперсия , которая даёт возможность оценить рассеяние (разброс) значений случайной величины около её математического ожидания. При сравнении двух однородных случайных величин с равными математическими ожиданиями «лучшей» считается та величина, которая имеет меньший разброс, т.е. меньшую дисперсию.
Дисперсией случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания: .
В практических задачах для вычисления дисперсии используют равносильную формулу .
Основными свойствами дисперсии являются:
.
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.
$M\left(X\right)={{nm}\over {N}}={{3\cdot 5}\over {8}}={{15}\over {8}}=1,875.$
$D\left(X\right)={{nm\left(1-{{m}\over {N}}\right)\left(1-{{n}\over {N}}\right)}\over {N-1}}={{3\cdot 5\cdot \left(1-{{5}\over {8}}\right)\cdot \left(1-{{3}\over {8}}\right)}\over {8-1}}={{225}\over {448}}\approx 0,502.$
$\sigma \left(X\right)=\sqrt{D\left(X\right)}=\sqrt{0,502}\approx 0,7085.$