Rachunek prawdopodobieÅ„stwa MAP1064 WydziaÅ‚ Elektroniki, rok akad. 2008/09, sem. letni WykÅ‚adowca: dr hab. A. Jurlewicz PrzykÅ‚ady do listy 7: Zmienne losowe dyskretne. RozkÅ‚ady Bernoulliego (dwumianowy), Pascala, Poissona. Przybliżenie Poissona rozkÅ‚adu dwumianowego. PrzykÅ‚ady do zadania 7.1 : (a) Niech X oznacza ocenÄ™ z egzaminu (w czterostopniowej skali ocen: 2, 3, 4, 5) losowo wybranego studenta z dużej grupie studenckiej. RozkÅ‚ad tej zmiennej losowej podany jest w tabeli: n 1 2 3 4 xn 2 3 4 5 pn 0,1 0,3 0,4 C Wyznacz staÅ‚Ä… C i oblicz prawdopodobieÅ„stwo, że ocena jest wyższa niż 3. " pn 0 Ô! C 0 4
" pn = 0, 1 + 0, 3 + 0, 4 + C = 0, 8 + C = 1 Ô! C = 0, 2 n=1 " Oba warunki speÅ‚nione sÄ… dla C = 0, 2. " P (X > 3) = P (X = 4) + P (X = 5) = p3 + p4 = 0, 4 + 0, 2 = 0, 6
1 (b) Dla jakiej wartości stałej c ciąg pn = c ln 1 - , n = 2, 3, . . ., określa rozkład pewnej n2 zmiennej losowej? Podać trzy różne przykłady takiej zmiennej losowej i wyliczyć dla każdego z nich prawdopodobieństwo, że zmienna ta jest większa od 5,2 i mniejsza od 7,9999. 1 " pn 0 dla każdego n wtedy i tylko wtedy, gdy c 0 (bo 1 - < 1). n2
" "
1 " pn = c(ln(n - 1) + ln(n + 1) - 2 ln n) = lim c(ln 1 + - ln 2) = c(- ln 2) = 1 n n" n=2 n=2 1 wtedy i tylko wtedy, gdy c = - . ln 2 1 " Oba warunki są spełnione dla c = - . ln 2 " Aby podać rozkład zmiennej losowej z wykorzystaniem pn trzeba jeszcze określić zbiór jej wartości, czyli różnowartościowy ciąg (xn). Przykład 1. Zmienna losowa X, dla której xn = n dla n = 2, 3, 4, . . .. (Zbiór wartości to {2, 3, . . .}.) Wtedy P (5, 2 < X < 7, 9999) = P (X = 6) + P (X = 7) = p6 + p7 =
1 1 1 = - ln 1 - + ln 1 - H" 0, 07. ln 2 36 49 Przykład 2. 12 12 Zmienna losowa Y , dla której xn = dla n = 2, 3, 4, . . .. (Zbiór wartości to {6, 4, 3, , . . .}.) n 5
1 1 Wtedy P (5, 2 < Y < 7, 9999) = P (Y = 6) = p2 = - ln 1 - H" 0, 415. ln 2 4 Przykład 3. Zmienna losowa Z, dla której xn = 8+n2 dla n = 2, 3, 4, . . .. (Zbiór wartości to {12, 17, . . .}.) Wtedy P (5, 2 < Z < 7, 9999) = 0. 1 (c) Zmienna losowa X przyjmuje wartość xn = 2n, n = 1, 2, . . ., z prawdopodobieństwem pn 1 proporcjonalnym do . Wyliczyć prawdopodobieństwo, że zmienna ta jest większa od 4,5 i 3n mniejsza od 6,3. " ciag {xn} jest różnowartościowy; c " pn = 0 dla każdego n wtedy i tylko wtedy, gdy c 0. 3n " "
1 c 1 c " pn = c = · = = 1 wtedy i tylko wtedy, gdy c = 2. 1 3n 3 1 - 2 n=1 n=1 3 2 " Wszystkie warunki na ciÄ…g okreÅ›lajÄ…cy rozkÅ‚ad sÄ… speÅ‚nione dla c = 2, tzn. pn = . 3n 2 " P (4, 5 < X < 6, 3) = P (X = 6) = p3 = H" 0, 0741. 33 PrzykÅ‚ad do zadania 7.2 : (a) Wiadomo, że 1% skrzynek pomaraÅ„czy psuje siÄ™ w czasie transportu. Z transportu w sposób losowy pobiera siÄ™ 10 skrzynek i transport ten jest odrzucany, gdy wiÄ™cej niż 10% badanych skrzynek zawiera popsute owoce. Jakie jest prawdopodobieÅ„stwo odrzucenia transportu? " Model: schemat Bernoulliego, sukces-wybranie skrzynki z popsutymi owocami, p = 0, 01 (1%), n = 10. " Niech X oznacza ilość skrzynek z popsutymi owocami wÅ›ród 10 badanych. X ma rozkÅ‚ad Bernoulliego B(n = 10, p = 0, 01), czyli przyjmuje wartość xk = k
10 z prawdopodobieÅ„stwem pk = (0, 01)k(1 - 0, 01)10-k dla k = 0, 1, . . . , 10. k " Transport jest odrzucany, gdy X > 10% · 10 = 1. Prawdop. odrzucenia transportu wynosi zatem P (X > 1) = 1 - P (X = 0) - P (X = 1) =
10 10 = 1 - (0, 01)0(1 - 0, 01)10 - (0, 01)1(1 - 0, 01)9 H" 0, 0043. 0 1 (b) Na podstawie pewnych badaÅ„ stwierdzono, że zmienna losowa X opisujÄ…ca procent zanieczysz- czeÅ„ w próbce rudy miedzi ma rozkÅ‚ad o dystrybuancie Å„Å‚ ôÅ‚ 0 dla x 0, òÅ‚ F (x) = x3(4 - 3x) dla 0 < x 1, ôÅ‚ ół 1 dla x > 1. Wybrano niezależnie cztery próbki. Wyznaczyć prawdopodobieÅ„stwo, że (1) dokÅ‚adnie jedna próbka zawiera ponad 50% zanieczyszczeÅ„; (2) co najmniej jedna próbka zawiera ponad 50% zanieczyszczeÅ„. 2 " Model: schemat Bernoulliego, sukces-procent zanieczyszczeÅ„ w próbce jest wiÄ™kszy niż 50%, czyli X > 0, 5; 11 p = P (X > 0, 5) = 1 - lim F (x) = , n = 4. 16 x0,5+ " Niech Y oznacza ilość próbek z wiÄ™cej niż 50% zanieczyszczeÅ„ wÅ›ród 4 badanych (czyli
11 ilość sukcesów w n = 4 próbach). Y ma rozkÅ‚ad Bernoulliego B n = 4, p = , czyli 16 przyjmuje wartość xk = k z prawdopodobieÅ„stwem k 4-k 4 11 11 pk = 1 - dla k = 0, 1, . . . , 4. k 16 16 " Mamy zatem 1 3 4 11 11 (1) P (Y = 1) = 1 - H" 0, 084; 1 16 16 0 4 4 11 11 (2) P (Y 1) = 1 - P (Y = 0) = 1 - 1 - H" 0, 99. 0 16 16 (c) Rzucamy symetrycznÄ… kostkÄ… tak dÅ‚ugo aż wypadnie 6 . Niech X oznacza liczbÄ™ wykonanych rzutów. Jakie sÄ… możliwe wartoÅ›ci X i z jakim prawdopodobieÅ„stwem przyjmuje każdÄ… z nich? Wyznaczyć prawdopodobieÅ„stwo, że bÄ™dzie potrzebna parzysta liczba rzutów. 1 " Model: schemat Bernoulliego, sukces-wypadÅ‚a szóstka , p = . 6 " X to czas oczekiwania na pierwszy sukces, który przyjmuje wartoÅ›ci k = 1, 2, . . . z praw- k-1 k 1 1 1 5 dopodobieÅ„stwami pk = P (X = k) = 1 - · = · . 6 6 5 6 " PrawdopodobieÅ„stwo, że bÄ™dzie potrzebna parzysta liczba rzutów, wynosi 2l "
1 5 5 P (X parzyste) = pk = = H" 0, 45. 5 6 11 k parzyste l=1 (Uwaga: jest ono różne od 0,5). (d) Gra polega na zarzucaniu krążków na koÅ‚ek. Gracz otrzymuje ich sześć i rzuca je aż do pierw- szego celnego rzutu. Obliczyć prawdopodobieÅ„stwo, że po zarzuceniu krążka zostanie graczowi jeszcze co najmniej jeden krążek, jeżeli prawdopodobieÅ„stwo trafienia na koÅ‚ek przy każdym rzucie wynosi 0,1. " Model: schemat Bernoulliego, sukces-trafienie na koÅ‚ek, p = 0, 1. " Wyobrazmy sobie, że mamy nieograniczonÄ… liczbÄ™ krążków, i oznaczmy przez Y czas ocze- kiwania na pierwsze trafienie. Wiemy, że Y ma rozkÅ‚ad geometryczny Geo(0, 1), czyli przyjmuje wartość xk = k z prawdop. pk = 0, 1 · (1 - 0, 1)k-1 dla k = 1, 2, . . .. " Graczowi zostanie co najmniej jeden krążek, gdy Y 5. Szukane prawdopod. wynosi zatem 5 5
P (Y 5) = pk = 0, 1 · (0, 9)k-1 = 1 - (0, 9)5 H" 0, 41. k=1 k=1 3 PrzykÅ‚ady do zadania 7.3 : (a) Dla X o rozkÅ‚adzie Bernoulliego B(n = 100, p = 0, 01) wyliczyć P (X > 2) i porównać otrzy- many wynik z przybliżeniem Poissona. " Ze wzorów dokÅ‚adnych dostajemy P (X > 2) = 1 - (P (X = 0) + P (X = 1) + P (X = 2)) =
100 · 99 = 1 - 0, 99100 + 100 · 0, 01 · 0, 9999 + 0, 0120, 9998 H" 0, 0794. 2 " Z tw. Poissona otrzymujemy przybliżenie P (X > 2) H" 1 - p0 - p1 - p2 = 1 - 0, 3679 - 0, 3679 - 0, 1839 = 0, 0803, gdzie pk odczytane sÄ… z tablic rozkÅ‚adu Poissona dla = np = 100 · 0, 01 = 1. Porównanie otrzymanych wartoÅ›ci P (X > 2): wzory dokÅ‚adne z tw. Poissona 0,0794 0,0803 (BÅ‚Ä…d przybliżenia istotnie nie przekracza tu np2 = 0, 01.) (b) WÅ›ród ziaren pszenicy znajduje siÄ™ 0.6% ziaren chwastów. Oszacować na podstawie przybliżenia Poissona, jakie jest prawdopodobieÅ„stwo, że wÅ›ród 1000 losowo wybranych ziaren znajduje siÄ™ (1) co najwyżej 16 ziaren chwastów, (2) co najmniej 3 ziarna chwastów, (3) dokÅ‚adnie 6 ziaren chwastów. Oszacować bÅ‚Ä…d przybliżenia. " Model: schemat Bernoulliego, sukces-natrafiono na ziarno chwastu, p = 0, 006, n = 1000. " Niech X oznacza liczbÄ™ sukcesów, czyli liczbÄ™ ziaren chwastów wÅ›ród 1000 ziaren. 16
(1) P (X 16) H" pk = 0, 9998; k=0 gdzie pk odczytane sÄ… z tablic rozkÅ‚adu Poissona z = np = 1000 · 0, 006 = 6. (2) P (X 3) H" 1 - p0 - p1 - p2 = 1 - 0, 0025 - 0, 0149 - 0, 0446 = 1 - 0, 0620 = 0, 9380; gdzie pk odczytane z tablic rozkÅ‚adu Poissona z = np = 1000 · 0, 006 = 6. (3) P (X = 6) H" p6 = 0, 1606, gdzie p6 odczytane z tablic rozkÅ‚adu Poissona z = np = 1000 · 0, 006 = 6. BÅ‚Ä…d przybliżenia w każdym przypadku nie przekracza np2 = 0, 036. 4 (c) PrawdopodobieÅ„stwo, że dowolna osoba odpowie na przesÅ‚anÄ… pocztÄ… reklamÄ™ i zamówi książkÄ™, wynosi 0,1. ReklamÄ™ wysÅ‚ano do 20 osób. Obliczyć prawdopodobieÅ„stwo, że (1) dokÅ‚adnie 2 osoby, (2) wiÄ™cej niż 2 osoby przyÅ›lÄ… zamówienia. Obliczenia wykonać metodÄ… dokÅ‚adnÄ… i przybliżonÄ… z tw. Poissona. Porównać wyniki. " Model: schemat Bernoulliego, sukces-osoba odpowie na reklamÄ™, p = 0, 1, n = 20. " Niech X oznacza liczbÄ™ osób, które zamówiÅ‚y książkÄ™, czyli liczbÄ™ sukcesów.
20 (1) Wzór dokÅ‚adny: P (X = 2) = (0, 1)2(1 - 0, 1)20-2 H" 0, 2852. 2 Przybliżenie Poissona: P (X = 2) H" p2 = 0, 2707; gdzie p2 odczytane z tablic rozkÅ‚adu Poissona z = np = 20 · 0, 1 = 2. (2) Wzory dokÅ‚adne: P (X > 2) = 1 - P (X = 0) - P (X = 1) - P (X = 2) =
20 20 20 = 1 - (0, 1)0(1 - 0, 1)20-0 - (0, 1)1(1 - 0, 1)20-1 - (0, 1)2(1 - 0, 1)20-2 = 0 1 2 = 1 - (0, 9)20 - 20 · 0, 1 · (0, 9)19 - 190 · (0, 1)2 · (0, 9)18 H" 0, 3231. Przybliżenie Poissona: P (X > 2) H" 1 - p0 - p1 - p2 = 1 - 0, 1353 - 0, 2707 - 0, 2707 = 0, 3233; gdzie pk odczytane z tablic rozkÅ‚adu Poissona z = np = 20 · 0, 1 = 2. Porównanie otrzymanych wartoÅ›ci : wzory dokÅ‚adne z tw. Poissona P (X = 2) 0,2852 0,2707 P (X > 2) 0,3231 0,3233 (BÅ‚Ä…d przybliżenia istotnie nie przekracza np2 = 0, 2.) (d) Przy masowych przeÅ›wietleniach maÅ‚oobrazkowych prawdopodobieÅ„stwo natrafienia na chorego na gruzlicÄ™ jest 0,01. Na podstawie przybliżenia Poissona oszacować prawdopodobieÅ„stwo, że wÅ›ród 200 ludzi przeÅ›wietlonych bÄ™dzie nie mniej niż 3 chorych. Oszacować bÅ‚Ä…d przybliżenia. " Model: schemat Bernoulliego, sukces-pacjent jest chory, p = 0, 01, n = 200. " Niech X oznacza liczbÄ™ chorych. Mamy oszacować P (X 3). " Przybliżenie Poissona: P (X 3) H" 1 - p0 - p1 - p2 = = 1 - 0, 1353 - 0, 2707 - 0, 2707 = 0, 3233; gdzie pk odczytane z tablic rozkÅ‚adu Poissona z = np = 200 · 0, 01 = 2. " BÅ‚Ä…d przybliżenia nie przekracza np2 = 0, 02. 5