Примеры решения задач - Элементы теории вероятностей и математической статистики
Задача 1. 1. Пусть случайная величина Х распределена нормально с параметрами M=0 и у=1. Все вычисления приведены на рис. 2.4 и рис. 2.5.
А) Столбец С содержит значения функции плотности распределения, найденные по определению этой функции по формуле (2.13).
B) Столбец D содержит значения функции плотности распределения, найденные с помощью встроенной функцией НОРМРАСП().
Эта встроенная функция возвращает значения, связанные с нормальным распределением для указанного среднего и стандартного отклонения.
Синтаксис: НОРМРАСП(x; m; sigma; logical),
Где X - значение, для которого вычисляется значения функций F(X) и F(X);
M и Sigma - параметры распределения;
Logical - логическое значение, определяющее форму функции. Если Logical имеет значение ИСТИНА, то функция НОРМРАСП возвращает интегральную функцию распределения; если аргумент имеет значение ЛОЖЬ, то возвращается функция плотности распределения.
- 2. Столбец E содержит значения функции распределения F(X), найденные с помощью встроенной функцией НОРМРАСП(). На рис. 2.6. показаны графики построенных функции распределения и функции плотности. 3. Результаты вычислений для пункта 3 представлены в строках 51:57. На рис. 2.7. приведены соответствующие иллюстрации, площади заштрихованных криволинейных трапеций равны искомым вероятностям. 4. Для проверки соотношения (2.6), необходимо вычислить, интеграл:
,
А в случае M=0 и У=1, интеграл:
.
Поскольку аналитическое вычисление интеграла путем нахождения первообразной невозможно, вычислим интеграл, используя приемы приближенного интегрирования. Принимая во внимание, что большая часть распределения сосредоточена в интервале от -3У До 3У, справедливо следующее соотношение
.
Чтобы найти численно последний интеграл, воспользуемся формулой трапеций:
, (2.28)
.
Вычисление этого интеграла приведено на рис. 2.4 и 2.5. Подынтегральной функцией является функция F(x). В интервале F8:F48 содержатся слагаемые для вычисления выражения в квадратных скобках формулы 2.28. В ячейке F49 содержится сумма всех слагаемых, в ячейке G60 содержится приближенное значение интеграла, вычисленного по формуле (2.28), оно равно 0,999933. Теоретическое значение этого интеграла равно 1, таким образом, абсолютная погрешность вычисления равна 10-4.
Для приближенного вычисления математического ожидания, определяемого формулой (2.7), необходимо воспользоваться формулой (2.28), взяв в качестве подынтегральной функции функцию Х F(x). Все промежуточные вычисления содержатся в интервале G8:G49. В ячейке G62 содержится приближенное значение этого интеграла, вычисленного по формуле (2.28), равное 0,000000. Теоретическое значение математического ожидания равно нулю (A=0), таким образом, абсолютная погрешность равна 10-6.
Для приближенного вычисления дисперсии, определяемой формулой (2.8), необходимо воспользоваться формулой (2.28), взяв в качестве подынтегральной функции.
Все промежуточные вычисления содержатся в интервале H8:H49. В ячейке G64 содержится приближенное значение интеграла, вычисленного по формуле (2.28), равное 0,998816. Теоретическое значение дисперсии равно у2=1, таким образом абсолютная погрешность равна 10-3.
Рис. 2.4. Рабочий лист в режиме отображения данных
Рис. 2.5. Рабочий лист в режиме отображений формул
Рис. 2.6. Графики плотности и функции распределения для нормального распределения
Рис. 2.7. Геометрический смысл вычисления вероятности попадания СВ в интервал
Задача 2. В отделение банка приходит N клиентов в час. Известно, что промежуток времени между приходами двух клиентов распределен по экспоненциальному закону распределения. Исследовать этот закон распределения при заданной интенсивности, выполнив следующие действия:
1. Составить таблицу значений функции плотности распределения и функции распределения при изменении значений x от 0 до b c шагом h=b/N, при N=40. Построить графики этих функций. Значение b подобрать самостоятельно таким образом, чтобы таблица была содержательной, т. е. F(b) было достаточно близко к 1, a f(b) достаточно близко к 0, а шаг h был достаточно мал.
Таблицу построить двумя способами:
A) пользуясь непосредственным определением функции плотности и функции распределения;
B) пользуясь встроенной функцией ЭКСПРАСП().
- 2. Используя приемы приближенного интегрирования, проверить соотношения (2.6), (2.19) для заданного распределения. Вычислить погрешности. 3. Предположим, что в банк уже пришел один клиент.
A) какова вероятность того, что следующий клиент придет не ранее, чем через 12 мин и не позже, чем через 24 мин?
B) какова вероятность того, что следующий клиент придет в течение 12 мин?
C) какова вероятность того, что следующий клиент придет позже, чем через 24 мин?
Используя графики функции плотности распределения F(x) и функции распределения F(x), проиллюстрируйте полученный результат. Приведем решение при N =5.
Решение Задачи при N =5.
По определению интенсивности, в данном случае Л = 5.
Построим таблицу значений функции при изменении X от 0 до 2 у c шагом H=0,05. Т. е. таблица будет содержать 41 значение.
Все построения приведены на рис. 2.8-2.10.
А) Столбцы В и С содержат значения функции плотности распределения и функции распределения, вычисленных по определению (2.18), (2.17).
B) Столбцы D и Е содержат значения тех же функций, вычисленных с помощью встроенной функцией ЭКСПРАСП().
Эта встроенная функция возвращает значения, связанные с экспоненциальным распределением для значения параметра Л.
Синтаксис: ЭКСПРАСП(x; lyambda; logical)
Где X - значение, для которого строится распределение;
Lyambda - это значение параметра распределения;
Logical - логическое значение, определяющее форму функции. Если Logical имеет значение ИСТИНА, то функция ЭКСПРАСП возвращает интегральную функцию распределения, если аргумент имеет значение ЛОЖЬ, то возвращается функция плотности распределения.
Искомые графики приведены на рис. 2.10.
2. Для того чтобы проверить соотношение (2.6), необходимо вычислить интеграл:
Т. к. Л=5, вычисляем интеграл:
.
Принимая во внимание, что большая часть распределения сосредоточена в интервале от 0 до 2 (для данного Л), справедливо следующее соотношение:
.
Чтобы найти последний интеграл, воспользуемся приближенной формулой трапеций (2.28).
Вычисление этого интеграла приведено на рис. 2.8 и 2.9. Подынтегральной функцией является функция F(x). В интервале F7:F47 содержатся слагаемые для вычисления выражения в квадратных скобках из формулы (2.28). В ячейке F48 содержится сумма всех слагаемых, в ячейке F58 содержится приближенное значение интеграла, вычисленного по формуле (2.28), т. е. 1,005157.
Теоретическое значение этого интеграла равно 1, таким образом, абсолютная погрешность вычислений равна 0.005.
Для приближенного вычисления математического ожидания (2.7) используем (2.28), взяв в качестве подынтегральной функции функцию Х F(x). Все промежуточные вычисления содержатся в интервале G7:G47. В ячейке F60 содержится приближенное значение интеграла, вычисленного по формуле (2.28), т. е. 0,198861.
Теоретическое значение математического ожидания равно 1/Л =0.2, таким образом, абсолютная погрешность вычислений равна 0,001.
Для приближенного вычисления дисперсии (2.8) необходимо воспользоваться формулой (2.28), взяв в качестве подынтегральной функции функцию. Все промежуточные вычисления содержатся в интервале H7:H48. В ячейке F62 содержится приближенное значение интеграла, вычисленного по формуле (2.28), т. е. 0.040453.
Теоретическое значение дисперсии распределения равно (1/ Л)2=(0.2)2=0.04, таким образом, абсолютная погрешность вычислений равна 0,004.
Рис. 2.8. Рабочий лист в режиме отображения данных
Рис. 2.9. Рабочий лист в режиме отображения формул
Рис. 2.10. Графики плотности и функции распределения для экспоненциального распределения
3. Чтобы вычислить вероятность того, что следующий клиент придет не ранее, чем через 12 мин и не позже, чем через 24 мин, необходимо сначала перевести минуты в часы, поскольку в качестве интенсивности используется количество посещений в час. При этом 12 мин - это 0,2 часа, а 24 мин - это 0,2 часа. Таким образом, искомую вероятность можно вычислить по формуле:
Cтрока 52 (рис. 2.8) содержит указанные расчеты. На рис. 2.11. приведена иллюстрация для вычисления значений. Это площадь заштрихованной криволинейной трапеции, и она равна 0,6826.
Рис. 2.11. Использование графиков плотности и функции распределения экспоненциального распределения для вычисления искомой вероятности
Аналогичные расчеты и диаграммы необходимо построить для двух других интервалов.
Задача 3. Т. к. MS Excel не является специализированным математическим пакетом, в нем отсутствуют встроенные функции для построения плотности и функции распределения многих распределений. Поэтому для построения необходимо использовать функции, написанные пользователем UDF (user define function) написанные на встроенном языке VBA (Visual Basic for Application). Эти функции из [1] приведены в Приложении.
Для вычисления значений функций плотности распределений ч2 (хи - квадрат), Стьюдента (T-Распределение) и распределения Фишера (F-распределение) можно использовать UDF CPDF, TPDF и FPDF соответственно.
Распределение ч2 (хи - квадрат). Для нахождения критических значений Распределения ч2 В MS Excel имеется встроенная функция ХИ 2ОБР().
Синтаксис: ХИ 2ОБР(p;df)
Где P - это P-значение;
Df - это число степеней свободы.
Решение приведено на рис. 2.12-2.17.
Рис. 2.12. Построение таблицы значений функции плотности Ч2 При различном числе степеней свободы df (режим отображения данных)
Рис. 2.13. Графики функции плотности ч2 При различном числе степеней свободы df
Рис. 2.14. Нахождение критических значений для различных p-значений распределения ч2
Рис. 2.15. Геометрический смысл критических значений для различных P-значений
Рис. 2.16. Построение таблицы значений функции плотности ч2 При различном числе степеней свободы df (режим отображения формул)
Рис. 2.17. Нахождение критических значений для различных p-значений распределения ч2 (режим отображения формул)
Используя рис. 2.13, сделайте вывод о симметричности распределения в зависимости от числа степеней свободы. Анализируя рис. 2.14-2.15, сделайте выводы об изменении критических значений в зависимости от P-значений.
Распределение Стьюдента. Для нахождения критических значений распределения Стьюдента в MS Excel есть встроенная функция СТЬЮДРАСПОБР. Эта функция возвращает двустороннее TКрит критическое значение распределения Стьюдента как функцию вероятности и числа степеней свободы.
Синтаксис: СТЬЮДРАСПОБР(p; df)
Где P - вероятность, соответствующая двусторонней критической области распределения Стьюдента;
Df - число степеней свободы, характеризующее распределение.
Критическая точка (T-значение) для односторонней критической области может быть получена при замене аргумента "вероятность" на 2*"вероятность". Для вероятности 0,05 и числа степеней свободы равного 10, критическое значение для двухсторонней критической области критическое значение вычисляют с помощью функции СТЬЮДРАСПОБР(0,05;10) и оно равно 2,28139. Критическое значение для односторонней критической области для той же вероятности и числа степеней свободы может быть вычислено по формуле СТЬЮДРАСПОБР(2*0,05;10) и равняется 1,812462.
Решение приведено на рис. 2.18-2.23.
.
Рис. 2.18. Таблица значений функции плотности распределения Стьюдента при различном числе степеней свободы df (режим отображения данных)
Рис. 2.19. Графики функции плотности распределения Стьюдента При различном числе степеней свободы df
Рис. 2.20. Нахождение двусторонних критических значений распределения Стьюдента для различных p-значений
Рис. 2.21. Геометрический смысл двустороннего критического значения для распределения Стьюдента для p-значения равного 0,05
Рис. 2.22. Геометрический смысл одностороннего критического значения для распределения Стьюдента для P-значения, равного 0,05
С помощью рис. 2.19 сделайте вывод об изменении графика распределения Стьюдента в зависимости от числа степеней свободы и его близости к кривой нормального распределения. По данным рис. 2.20 сделайте выводы об изменении критических T значений в зависимости от P-значений. По рис. 2.21 и 2.22 оцените односторонние и двусторонние критические значения при фиксированном числе степеней свободы и одном и том же уровне значимости p.
Рис. 2.23. Построение таблицы значений функции плотности распределения Стьюдента При различном числе степеней свободы df (режим отображения формул)
Распределение Фишера. Для нахождения критических значений распределения Фишера в MS Excel имеется встроенная функция FРАСПОБР().
Синтаксис: FРАСПОБР(p;df1;df2)
Где P - это p-значение;
Df1 - это число степеней свободы числителя;
Df2 - это число степеней свободы знаменателя.
Решение приведено на рис. 2.24-2.29.
Рис. 2.24. Таблица значений функции плотности распределения Фишера При различном числе степеней свободы df2 и фиксированном значении числа степеней свободы df1, равном 5 (режим отображения данных)
Рис. 2.25. Нахождение критических значений распределения Фишера для различных P-значений
Рис. 2.26. Геометрический смысл критических значений для различных P-значений распределения Фишера
Рис. 2.27. Графики функции плотности распределения Фишера При различном числе степеней свободы df2 и фиксированном значении числа степеней свободы df1, равном 5
Рис. 2.28. Построение таблицы значений функции плотности распределения Фишера При различном числе степеней свободы df2 и фиксированном значении числа степеней свободы df1 равном 5 (режим отображения формул)
Рис. 2.29. Нахождение критических значений распределения Фишера для различных P-значений (режим отображения формул)
Похожие статьи
-
1. Дифференциальная функция - неотрицательная функция: f(x) ? 0, (2.5), где -? < x <+ ?. Это следует из того, что F ( X ) - неубывающая...
-
Задание - Элементы теории вероятностей и математической статистики
Задача 1 . Случайная величина распределена нормально с параметрами M и У . Требуется: 1) Составить таблицу значений плотности функции распределения при...
-
Распределение Фишера - Элементы теории вероятностей и математической статистики
Пусть V и W - независимые случайные величины, распределенные по закону Ч 2 со степенями свободы V 1 = m и V 2 =n соответственно. Тогда величина: (2.25)...
-
Пусть Х I (i=1, 2,..., n) - независимые нормально распределенные СВ с математическими ожиданиями M I и средними квадратическими отклонениями У-- I ,...
-
Цель: освоить на практике нахождение с помощью MS EXCEL числовых характеристик дискретных случайных величин, а также изучить основные свойства функции...
-
Нормальное распределение - Элементы теории вероятностей и математической статистики
Наиболее важным распределением для непрерывных случайных величин является нормальное распределение. Множество явлений в практической жизни можно описать...
-
Примеры решения - Элементы теории вероятностей и математической статистики
Задача 1. Из 25 контрольных работ, среди которых 5 оценены на "отлично", наугад извлекают 3 работы. Составить закон распределения случайной величины Х -...
-
Для функций распределения дискретных и непрерывных случайных величин справедливы свойства, приведенные в л. р. 1. Свойство 4 может быть заменено на...
-
Зная плотность распределения F ( X ), можно найти функцию распределения F ( X ) по формуле: . (2.3) Согласно равенствам (2.2), (2.3) и Свойству 6 (л. р....
-
Теория вероятностей и математическая статистика
Задача 1 Малое предприятие имеет два цеха - А и В. Каждому установлен месячный план выпуска продукции. Известно, что цех А свой план выполняет с...
-
Цель: Освоить на практике вычисление с помощью MS EXCEL числовых Характеристик случайной непрерывной величины, изучить основные свойства функции...
-
Непрерывные величины - возможные значение, которых непрерывно заполняют некоторый диапазон. Плотность распределения вероятности непрерывной случайной...
-
Математическим ожиданием случайной величины х (М[x])называется средне взвешенно значение случайной величины причем в качестве весов выступают вероятности...
-
Распределение Пуассона - Элементы теории вероятностей и математической статистики
Распределение Пуассона является дискретным распределением и описывается формулой: , (1.14) Где л>0-параметр распределения. Этот закон используют для...
-
Пусть у игроков А и В соответственно M и N чистых стратегий, которые обозначим через и. Выбор игроками любой пары стратегий и однозначно определяет исход...
-
Биноминальное распределение - Элементы теории вероятностей и математической статистики
Допустим, что выполняется серия из N независимых одинаковых испытаний. Испытания независимы в том смысле, что результаты одних испытаний не влияют на...
-
Нормальное распределение, также называемое распределением Гаусса, - распределение вероятностей, которое играет важнейшую роль во многих областях знаний,...
-
Опытом называется всякое осуществление определенных условий и действий, при которых наблюдается изучаемое случайное явление. Опыты можно характеризовать...
-
Задача Джонсона о двух станках Рассмотрим задачу последовательной обработки на двух машинах N различных деталей, если известно время Ai и Bi обработки...
-
Классический способ задания вероятности. Примеры, Элементы комбинаторики - Теория вероятности
При данном способе пространство элементарных событий является конечным, и все элементарные события равновероятны. Тогда вероятность события определяется...
-
A 25 40 50 30 45 20 7 3 4 8 6 60 5 7 2 3 5 45 1 4 10 2 6 70 3 4 2 7 8 Допустим, стоимость доставки единицы груза из каждого пункта отправления в...
-
Статистическая неопределенность и процедуры со многими решениями Все существующие методы фильтрации (минимальное остовное дерево, максимальный плоский...
-
Системы массового обслуживания -- это такие системы, в которые в случайные моменты времени поступают заявки на обслуживание, при этом поступившие заявки...
-
Рассмотрим конечные матричные игры, в которых нет седловой точки, т. е. . Нетрудно доказать, что. Если игра одноходовая, то по принципу минимакса игроку...
-
Математическое ожидание, дисперсия Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными...
-
ТВ-раздел математики, в которой используются различные разделы математики для своего развития. Задача: выяснение закономерностей, возникающих при...
-
1. Если значения измеренного признака не отличаются друг от друга (равны между собой) - дисперсия равна нулю. Это соответствует отсутствию изменчивости в...
-
Пусть Dl, r() соответственно левые (правые) границы интервалов I, отвечающих на криволинейной трапеции ОИО значениям 0< < 1. Тогда интересующая нас...
-
Экспоненциальное распределение - Элементы теории вероятностей и математической статистики
Экспоненциально распределенная случайная величина имеет функцию распределения: (2.17) Плотность распределения экспоненциально распределенной случайной...
-
Решение транспортной задачи методом потенциалов - Математическая модель решения транспортной задачи
Этот метод позволяет автоматически выделять циклы с отрицательной ценой и определять их цены. Пусть имеется транспортная задача с балансовыми условиями...
-
События А и В называются независимыми, если Р(АВ)=Р(А)*Р(В). Пусть например бросаются две монеты; А-выпадение "герба" при первом бросании, В-выпадение...
-
РЕШЕНИЕ ЗАДАЧИ О КОММИВОЯЖЕРЕ МЕТОДОМ ВЕТВЕЙ И ГРАНИЦ. ПРИМЕРЫ - Задача коммивояжера
Рассмотрим конкретный пример реализации метода ветвей и границ для решения задачи о коммивояжере. Итак, требуется найти легчайший простой основный...
-
Вероятность - математическая оценка возможности появления это события в результате опыта - обозначается Р (А).- при условии :0 ?Р (А)?1, Р (?...
-
Вводим дополнительные ограничения в модель: А) продукция типа 1 выпускается только в том случае, если разрешен выпуск хотя бы одного типа продукции: 2 и...
-
Контрольная работа По дисциплине: Теория вероятностей Контрольная работа № 1 Вариант 1 Задача № 1 Условие: Из 10 изделий, среди которых 4 бракованные,...
-
Вопросы по теории вероятностей - Случайные величины
Основные понятия теории вероятностей: события, вероятность события, частота события, случайная величина. Сумма и произведение событий, теоремы сложения и...
-
Элементы матричного анализа - Методы решения системы линейных уравнений
Вектором, как на плоскости, так и в пространстве, называется направленный Отрезок , то есть такой Отрезок , один из концов которого выделен и называется...
-
Вероятностные характеристики полумарковской модели Формулы для условных вероятностей Обозначим Теорема 1. В рассматриваемой стохастической полумарковской...
-
Значит и Вторая теорема двойственности (теорема о дополняющей нежесткости) Пусть - допустимое решение прямой задачи, а - допустимое решение двойственной...
-
Основные понятия теории экономико-математического моделирования Кибернетический подход к исследованию экономико-математических систем Обычно...
Примеры решения задач - Элементы теории вероятностей и математической статистики