Учебное пособие: Теория вероятностей и математическая статистика

В следующих задачах следует построить уравнение регрессии вида  Сделать вывод о возможности использования линию регрессии в дальнейших прогнозах.

1. Данные о выпуске продукции (Y) и энерговооруженности (X) на 6 предприятиях.

2. Данные об удельной величине спроса товаров (Y) и среднедушевого дохода (Х).

3. Данные об объеме валового продукта (Y) и затратами на капитальные вложения (Х) по 6 предприятиям.

4. Данные об объеме выпуска продукции (Y) и ее себестоимости.

5. Данные о долговечности элемента (Y) и величине эксплуатационного напряжения (Х).

6. Данные об урожайности (Y) и количестве весенних осадках (Х).

7. Данные об урожайности (Y) и механовооруженности (Х)

8. Данные о зависимости стоимости сооружения (Y) и срока ее эксплуатации (Х).

9. Данные об изменении массы просят (Y) и возраста (Х).

10. Данные о производительности труда (Y) и фондовооруженности (Х).

IV. РЕШЕНИЕ ТИПОВЫХ ЗАДАЧ

Пример_1. Студент знает 15 вопросов из 25. Наудачу ему задается вопрос. Найти вероятность того, что он его знает.

Решение: Мы находимся в классической схеме. Действительно, если представить эксперимент

в виде урновой схемы - в урне 25 пронумерованных шаров из которой достается один шар- то ясно, что все исходы равновозможные и их конечное число. Далее A={студент знает предложенный вопрос}, m=15- число исходов благоприятствующих А, n=25- общее число исходов. Тогда

.

Пример 2.  Из колоды в 36 карт, достается одна. Найти вероятность того, что она "красная".

Решение: Обозначим А={наудачу вынутая карта- "красная"}; m=18- число исходов благоприятствующих А, т.к. в колоде     из 36 карт, 18 "красных" карт; n=36- общее число исходов. Тогда по классическому определению вероятности

.

Пример 3.Стрелок произвел 100 выстрелов по мишени, причем поразил мишень в 45 случаях. Найти вероятность того, что стрелок поразит мишень.

Решение: Подсчитаем относительною частоту события      А={стрелок поразит мишень при одном выстреле}.

.

Таким образом искомая вероятность Р(А)=0,45.

Пример 4. Вероятность того, что событие А произойдет в опыте равна 0,75; вероятность того, что событие В произойдет в опыте- 0,4. Вероятность того, что оба события произойдут в опыте равна 0,25. Найти вероятность того, что хотя бы одно событие произойдет в опыте.

Решение: Обозначим А={событие А произошло в опыте}, В={событие В произошло в опыте}

Тогда А×В={события А и В произошли в опыте одновременно}.

Р(А)=0,75; Р(В)=0,4; Р(А×В)=0,25.

Используя теорему о сумме двух совместных событий получим

Р(А+В)=Р(А)+Р(В)-Р(А×В)=0,75+0,4-0,25=0,9.

Пример 5. Деталь проходит три операции обработки. Вероятность появления брака во время первой операции равна 0,02, второй- 0,01, третьей- 0,03. Найти вероятность: а) выхода стандартной детали, считая появление брака во время отдельных операций независимыми событиями; б) выхода бракованной детали.

Решение: а) введем события А={на выходе появилась стандартная деталь}, Аi={i-я операция обработки прошла без брака}, i=1,2,3. Тогда А=А1×А2×А3. По условию задачи Р(А1)=0,98; Р(А2)=0,99; Р(А3)=0,97.Используя теорему умножения для независимых событий, получаем.

Р(А)=Р(А1×А2×А3)=Р(А1)×Р(А2)×Р(А3)=0,98×0,99×0,97=0,9411.

б)={на выходе появилась бракованная деталь}.Тогда

Пример_6. Партия деталей содержит 70% деталей первого завода и 30% деталей второго завода. Вероятность того, что деталь с первого завода проработает без отказа более 1000 часов (надежность) равна 0,95 , а для деталей со второго завода эта вероятность равна 0,9.

а) Найти вероятность того, что случайно взятая из партии деталь проработает без отказа более 1000 часов.

б) Деталь прошла испытание и проработала безотказно 1000 часов. Найти вероятность того, что она с первого завода.

Решение: Введем события А={деталь проработает без отказа более 1000 часов}.Hi={взятая деталь с завода i} , i=1,2 по условию задачи P(H1)=0,7 ; P(H2)=0,3 ; P(A/H1)=0,95 ; P(A/H2)=0,9.

По формуле полной вероятности

P(A)= P(H1)× P(A/H1)+ P(H2)× P(A/H2)=0,7×0,95+0,3×0,9=0,935.

Таким образом, партия деталей (большое количество) будет содержать где-то 93,5% деталей с заданной надежностью. б) Сохраним обозначения п. а). по формуле Бейеса

.

Пример 7. Найти числовые характеристики с.в. Х , построить функцию распределения если:

Решение: р=1-(0,2+0,6)=0,2.  График ф.р.

МХ=-4×0,2+0×0,2+8×0,6=4,     DX=MX2-(MX)2=(-4)2×0,2+02×0,2+82×0,6-(4)2=25,6.

Среднее квадратическое отклонение

,

коэффициент вариации

.

Мода(Х)=8, т.к. 8 имеет наибольшую вероятность, равную 0,6. Коэффициент асимметрии

.

Пример 8. Вероятность того, что в данный день торговая база уложится в норму расходов на транспорт, равна 0,8. Какова вероятность того, что за три рабочих дня база уложится в норму 2 раза. Найти числовые характеристики с.в. Х- число дней, когда база укладывается в норму транспортных расходов в течение трех рассматриваемых дней.

Решение: Можно считать, что мы находимся в схеме Бернулли, а следовательно с.в. Х имеет биномиальное распределение. По условию задачи n=3 , p=0,8.

Тогда Основные числовые характеристики с.в. Х равны: а) математическое ожидание MX= n×p=3×0,8=2,4; б) дисперсия DX= n×p×q=3×0,8×0,2=0,48; q=1-p=0,2,

»0,7;

в) коэффициент вариации

 ;

г) коэффициент асимметрии

 ;

д) коэффициент эксцесса

;

е) Мода (наивероятнейшее число) находится из неравенства

np-q£Мода(Х)<np+p , т.е.     3×0,8-0,2£Мода(Х)<3×0,8+0,8

2,2£Мода(Х)<3,2ÞМода(Х)=3.

Пример 9. В условиях предыдущего примера, найти вероятность того, что из 100 рабочих дней торговая база уложится в норму транспортных расходов:

а) ровно 80 раз; б) от 75 до 85 дней включительно.

Решение: а) в нашем случае n=100; p=0,8; q=0,2.

Воспользоваться точной формулой для вычисления Р(Х=80) практически невозможно, поэтому воспользуемся приближенной. Так как npq=100×0,8×0,2=16>9,то применим локальную теорему Муавра- Лапласа.

,

j(0)- найдено по таблице 3 приложения-плотности нормального распределения N(0,1);

б) воспользуемся интегральной теоремой Муавра- Лапласа.

=2Ф(1,25)=2×0,39435=0,7887

здесь Ф(Х)- функция Лапласа, значение которой найдено по таблице.

Пример 10. Вероятность того, что наборщик ошибется при наборе знака равна 0,0001. Найти вероятность того, что набирая 30000 знаков, наборщик допустит:

а) ровно 3 ошибки; б) от 2 до 4 ошибок включительно.

Решение: Можно считать, что мы находимся в схеме Бернулли с параметрами n=30000, p=0,0001. Тогда npq=30000×0,0001×0,9999»3<9, поэтому для вычисления отдельных вероятностей воспользуемся теоремой Пуассона:

 ,

l=np, k=0,1,2,...

а)пользуясь таблицей, получим

 , l=np=3.

б)

=0,22404+0,22404+0,16803=0,61611.

Пример 11. С.в. Х имеет распределение Пуассона со средним равным 1,5. Найти числовые характеристики Х. Вычислить вероятности: а) Р(Х=0); б) Р(Х³1); в) Р(Х>7).

Решение: Для с.в. имеющей распределение Пуассона с параметром l известно, что МХ=l. Следовательно, из условия задачи (МХ=1,5) находим, что l=1,5.Числовые характеристики Х равны

МХ=l=1,5 ; DХ=l=1,5; среднее квадратическое отклонение

.

Коэффициент вариации

.

Коэффициент асимметрии

.

Коэффициент эксцесса

.

Моду с.в. Х найдем по таблице: Мода(Х)=1, т.к. Х=1 имеет наибольшую вероятность.а) По таблице находим Р(Х=0)=0,22313; б)

Р(Х³1)=1-Р(Х=0)=0,77687;

в) Р(Х>7)=0,00017.Эта вероятность найдена по таблице 2 приложения, она настолько мала, что можно считать, что больше 7 событий практически не происходят.

Пример 12. Из урны содержащей четыре белых и шесть черных шаров, наудачу извлекают три шара. Какова вероятность, что среди них два черных шара. Найдите числовые характеристики с.в. Х- число черных шаров из вынутых трех шаров.

Решение: Мы находимся в схеме формирования с.в. Х имеющей гипергеометрическое распределение с параметрами (N,p,n):

,

k=0,1,2,..., q=1-p. В нашем случае: N=6+4=10 - общее число шаров в урне; n=3 - число шаров, которые достаются из урны; Np=6 - количество черных шаров, Þ p=6/N=6/10=0,6 (p связано с черными шарами, т.к. Х- тоже связано с черными шарами);

Nq=4 - число белых шаров,Þ q=0,4. Итак:

.

Числовые характеристики с.в. Х равны MX=n×p=3×0,6=1,8 ;

Среднее квадратическое отклонение

Коэффициент вариации

Коэффициент асимметрии

.

Пример 13. С.в. Х имеет показательное распределение с параметром l=2. Найти числовые характеристики с.в. Х и вычислить Р(1<X<3).

Решение: Числовые характеристики с.в. Х вычисляются по формулам:

-математическое ожидание;

 -дисперсия;

 -

среднее квадратическое отклонение;

V(X)=100% -коэффициент вариации

всегда равен 100% ; Медиана

(Х)=.

График плотности с.в. Х имеет вид изображенный на рис.1. Из этого графика видно, что локальный максимум плотности находится в точке О.

Следовательно Мода(Х)=0.

Коэффициент асимметрии a(Х)=2 (всегда 2).

Коэффициент эксцесса е(Х)=6 (всегда 6).

рис.1

Пример 14.С.в. Х имеет нормальное распределение с параметрами а=150, s2=36.

а) Выпишите плотность с.в. Х и изобразите эскиз графика плотности.

б) Найти числовые характеристики с.в. Х.

в) Найти границы за которые практически не выходит с.в. Х.

г) Вычислить Р(135<X<165).

Решение: а) Выпишем плотность с.в. Х:

,

б) Найдем числовые характеристики Х.

МХ=Мода()=Медиана()=а=150

D(X)=s2=36Þs(x)==s=6

Коэффициенты асимметрии и эксцесса равны 0. Коэффициент вариации

,

в) используя правило 3 сигм, можно утверждать, что с.в. Х практически (с вероятностью 0,9973) не выйдет за границы интервала а-

3s<X<a+3s, т.е. 150-3×6<X<150+ 3×6sÞ132<X<168;

г) Р(135<X<165)=Ф =

,

здесь Ф(×)-функция Лапласа, значение которой найдено по таблице. Отметим свойство функции Ф(х):Ф(-х)=-Ф(х) поэтому Ф(-2,5)=- Ф(2,5)=-0,49379.

Пример 15. Найдите выборочные числовые характеристики по выборке: 3,5,6,3,3,6,3,7,5,5,3.

Решение: Построим статистический ряд частот:

Объем выборки

n=n1+n2+n3+n4=5+3+2+1=11.

 ;

S2=,

Оценки  являются "хорошими" для математического ожидания и дисперсии, т.к. выборка является малой, а Мода(Х)=3, т.к. значение 3 встречается большее число раз (пять). Построим вариационный ряд: 3,3,3,3,3,5,5,5,6,6,7.Т.к. n-нечетно (n=11), то на месте (n+1)/2=6 в вариационном ряде стоит медиана: Медиана(Х)=5.

Коэффициент асимметрии

a*(х)=

.

Пример 16. По выборочным данным найти моду, медиану. Построить гистограмму.

Решение: Построим гистограмму частот

Для удобства

При вычислении

=

Медиана оценивается по формуле Медиана= L+i

Здесь L- нижняя граница интервала, в котором находится медиана (медианный интервал);

i- величина медианного интервала; n- объем выборки; f- частота медианного интервала;

F- накопленная частота интервала, предшествующему медианному.

В нашем случае n=67, следовательно, медиана равна члену, стоящему на (n+1)/2=34-м месте в вариационном ряду. По накопленным частотам заключаем, что этот член находится в интервале (11,17). Следовательно, медианный интервал (11,17). Тогда L=11, i=6, (n+1)/2=34, f=25, F=18 и, следовательно

Медиана = 11+6×.

Мода находится по формуле Мода= L+i

где L- нижняя граница модального интервала, i- величина модального интервала

fмо, fмо-1, fмо+1 частота модального, предшествующего модальному и следующего за модальным интервала. В нашем случае модальный интервал [11,17], т.к. имеет наибольшую частоту. Тогда L=11, i=6,

fмо=25, fмо-1=18, fмо+1=14; Мода =

Пример 17. Найти 97,5% доверительный интервал для неизвестного параметра а нормально распределенного признака, если известно s=7,3. По выборке объема n=64 найдено .

Решение Требуемый доверительный интервал равен

,

где надежность g=0,975 позволяет найти Ug из уравнения 2Ф(Ug)=0,975. Из таблицы 4 приложения находим Ug=2,24. Тогда

;

120,3-2,044<a<120,3+2,044;118,256<a<122,344.

Пример 18. В условиях предыдущего примера, определите минимальный объем выборки, чтобы с надежностью g=0,975 точность оценки была не больше 0,5.

Решение: Точность оценки зависит от выражения

Подставляя Ug=2,24 ; s2=7,32=53,29 ; e2=0,52=0,25 ,получим

Таким образом, минимальный объем выборки должен составлять 1070 измерений.

Пример 19. По выборке объема n=25 найдены . Считая, что наблюдаемый признак имеет нормальное распределение найдите доверительный интервал с надежностью 0,9.

Решение. Искомый доверительный интервал равен

где находится по таблице 5 приложения:

Здесь a=1-g=0,1; К=n-1=25-1=24, тогда t0,1(24)=1,711. Итак,

e; 16,3-0,71<a<16,3+0,71; 15,59<a<17,01.

Пример 20 Признак имеет нормальное распределение. По выборке объема n=30 найдена оценка дисперсии S2                =1,5. Найдите 95% доверительный интервал для дисперсии.

Решение: Доверительный интервал определяется так

,

Здесь a=1-0,95=0,05;  тогда из таблицы 7 приложения находим

, 0,95<s2<2,7.

Пример 21. Произведено 529 испытаний, в которых события А наблюдалось 70 раз. Найдите 93% доверительный интеграл для вероятности р события А.

Решение. Искомый доверительный интервал находится так: р1<p<p2, где

,

здесь g=0,93, Ug находится из уравнения Ф(Ug)=g/2=0,465Þ по таблице 4 функции Лапласа находим Ug=1,811. Вычислим

Итак: 0,1323-0,0267<p<0,1323+0,0267; 0,1056<p<0,159.

Пример 22. Необходимо проверить точность работы двух агрегатов А и В по контролируемому признаку. Для этого были взяты две выборки nA=9, nB=12 соответственно, по которым найдено . Требуется проверить гипотезу о том, что точность работы агрегатов одинакова, если известна, что контролируемый признак имеет нормальное распределение.

Решение: Проверку проведем по F-критерию:

,

здесь

m1=nA-1=9-1=8, т.к. А имеет большую дисперсию, m2=nВ-1=12-1=11. По таблице, находим при a=0,1 Fкр=F(a/2=0,05;8;11)=2,95. Т.к. Fнаб.<Fкр., то нет основания считать, что точность работы агрегатов разная.

Пример 23. Нужно проверить влияние двух различных кормовых добавок на увеличение веса свиней. Для этого 10 свиней кормили с добавкой А, а других 8 с добавкой В. По выборочным данным вычислим

Решение Уровень значимости возьмем a=0,1.Первый этап. Проверим гипотезу о равенстве дисперсии

.

Т.к. Fнаб<Fкр, то гипотезу о равенстве дисперсий принимаем. Второй этап. Проверим гипотезу о равенстве увеличения веса для двух добавок (Н0:МХ=МУ).

Используем t – критерий:

.

Выберем a=0,05. Найдем для k=n1+n2-2=10+8-2=16 степеней свободы по таблице 5 приложения tкр=t(0,05;16)=2,12. Т.к.½tнаб½>tкр, то различия признаются существенными. Следовательно добавка В дает больший привес в весе.

Пример 24. Фактический сбыт в шести районах характеризуется таблицей (выборкой).

Согласуются ли эти результаты с предложением о том, что сбыт продукции в этих районах одинаков?

Решение: Выберем уровень значимости a=0,05. Если гипотеза Н0: сбыт одинаков - верна, то теоретически объем сбыта в 600 у.е. (90+130+110+85+75+110=600) должен распределиться одинаково по шести районам, т.е. по 100 у.е. на каждый район. Дальнейшие вычисления сведем в таблицу.

Таким образом:

Т.к. мы не оценивали ни один параметр, то по числу степеней свободы k=6-1=5 и уровню значимости a=0,05 по таблице 7 приложения находим  , то различие в сбыте по районам признается значимым и не может быть объяснено действием случайного фактора.

Пример_25. Проверить гипотезу о нормальном распределении выборки:

Решение: Для проверки гипотезы будем использовать критерий Пирсона. Уровень значимости выберем a=0,1. Т.к. нормальное распределение определяется двумя параметрами а и s2, то оценим их по выборке, объем которой равен: n=2+4+8+12+16+10+3=55.

Итак:

Для удобства вычисления статистики  будем промежуточные результаты вносить в таблицу. Объединим крайние интервалы с соседними, так, чтобы выполнилось условие  

Здесь Рi- вероятность того, что с.в. Х попадает в соответствующий интервал Di при условии, что она имеет нормальное распределение с параметрами а=17,84; s2=8,53 (s=2,92). Например, используя таблицу 4 приложения, находим:

Значения в V столбце вычисляются так:

 и т.д.

Значения в VI столбце вычисляются так:

Тогда сумма VI столбца даст значение  Теперь найдем  по таблице 7 приложения при уровне значимости a=0,1. Т.к. после объединения интервалов у нас осталось r=5- интервалов и по выборке мы оценили два (S=2) параметра а и s, то для нахождения  параметр число степеней свободы будет равен k=r-s-1=5-2-1=2. Тогда Так как  (т.е. 0,928<4,61), то гипотезу о нормальном распределении можно принять.

Пример_26. Построить линию регрессии в виде  Можно ли использовать ее в дальнейших прогнозах?

Решение: Выборочное уравнение линейной регрессии Y на X имеет вид  , где -условная средняя (при фиксированным х); -выборочные средние; -несмещенные оценки дисперсии; rB- выборочный коэффициент корреляции: .

n=6, т.к. наблюдалось 6 точек вида (xi;yi);

Sx=3 ; Sy=9,06 ;=4×0,5+5×4,2+8×12,7+8×13,6+10×19,2+12××24,8=723

rB=(723-6×7,83×12,5)/(6×3×9,06)=0,832.

Уравнение регрессии:

.

Проверим гипотезу о значимости коэффициента корреляции, т.е. H0:r=0, H1:r¹0.

Вычислим статистику критерия:

По уровню значимости a=0,05 и числу степеней свободы k=n-2=6-2=4 из таблицы находим двухстороннюю критическую область tкр=2,776. Так как ½tнаб½>tкр , то гипотезу о равенстве нулю коэффициента корреляции отвергаем, т.е. считаем, что r¹0.

Найдем, коэффициент детерминации Так как R2<0,75 (0,75-шаблонное значение), то уравнением регрессии пользоваться не рекомендуется. В дальнейшем, т.к. зависимость между X и Y существует (r¹0), следует либо изменить вид зависимости, либо увеличить число наблюдений и провести анализ зависимости снова.

Таблица 1. Плотность стандартного нормального распределения

Таблица 4. Функция Лапласа.

Страницы: 1, 2, 3