YMR0070, YMR3720 Tõenäosusteooria ja matemaatiline statistika
YMR0070, YMR3720 Tõenäosusteooria ja matemaatiline statistika
YMR0070, YMR3720 Tõenäosusteooria ja matemaatiline statistika
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
TALLINNA TEHNIKAÜLIKOOL<br />
Matemaatikainstituut<br />
TÕENÄOSUSTEOORIA JA<br />
MATEMAATILINE STATISTIKA<br />
Juhend TTÜ kaugõppe-üliõpilastele<br />
Tallinn 2005
2<br />
TÕENÄOSUSTEOORIA JA MATEMAATILINE<br />
STATISTIKA (<strong>YMR0070</strong>, YMR0110, <strong>YMR3720</strong>)<br />
1. Õppeaine maht<br />
<strong>YMR0070</strong> 4,0 AP<br />
YMR0110 2,0 AP<br />
<strong>YMR3720</strong> 1,5 AP<br />
2. Eeldusained<br />
YMM3740, YMM0012, YMA3710<br />
3. Õppeaine eesmärk<br />
Õppeaine eesmärk:<br />
• Süvendada teadmisi juhuslikkusest <strong>ja</strong> kujundada stohhastilist<br />
mõtlemisviisi.<br />
• Anda oskusi juhuslikkuses peituvate seaduspärasuste kirjeldamiseks<br />
matemaatilise analüüsi <strong>ja</strong> <strong>statistika</strong> meetodite abil.<br />
• Süvendada teadmisi <strong>ja</strong> oskusi katseandmete töötlemiseks.<br />
4. Põhiõpik<br />
1. Tammeraid I. <strong>Tõenäosusteooria</strong> <strong>ja</strong> <strong>matemaatiline</strong> <strong>statistika</strong>. Tallinn,<br />
TTÜ kir<strong>ja</strong>stus, 2004.<br />
2. Gurski J. <strong>Tõenäosusteooria</strong> <strong>ja</strong> matemaatilise <strong>statistika</strong> elemendid.<br />
Tallinn, Valgus, 1986.
3<br />
5. Täiendav kir<strong>ja</strong>ndus<br />
1. Jõgi A. <strong>Tõenäosusteooria</strong> I. Tallinn, TTÜ kir<strong>ja</strong>stus, 2000.<br />
2. Jõgi A. <strong>Tõenäosusteooria</strong> II. Tallinn, TTÜ kir<strong>ja</strong>stus, 2000.<br />
3. Käerdi H. Statistika <strong>ja</strong> tõenäosusteooria alused. Tallinn, ERKA, 1997.<br />
4. Lõhmus A., Petersen I., Roos H. Kõrgema matemaatika ülesannete<br />
kogu. Tallinn, Valgus, 1982.<br />
6. Õppeaine programm<br />
Järgnevalt loetletakse teemad, mis tuleb üliõpilastel omandada. Teemad<br />
<strong>ja</strong> küsimused, mis on märgitud tärniga, kuuluvad ainult õppeaine<br />
<strong>YMR0070</strong> programmi. Iga teema järel on antud leheküljed põhiõpikutest,<br />
kus antud teemat käsitletakse. Õppeaines <strong>YMR0070</strong> on põhiõpikuks [1],<br />
mille korral lehekülgede ees on T.(I.Tammeraid). Õppeainetes YMR0110<br />
<strong>ja</strong> <strong>YMR3720</strong> on põhiõpikuks [2], mille korral lehekülgede ees on<br />
G.(J.Gurski), aga kasutada võib ka täiendavas kir<strong>ja</strong>nduses antud õppevahendit<br />
[3], mille korral lehekülgede ees on K.(H.Käerdi).<br />
6.1. Juhuslikud sündmused <strong>ja</strong> tehted sündmustega (T. lk.7,8;<br />
G. lk.7-15; K. lk.7,8).<br />
Katse. Elementaarsündmuste ruum. Sündmus <strong>ja</strong> vastandsündmus. Sündmuste<br />
summa <strong>ja</strong> korrutis.<br />
6.2. Sündmuse sagedus <strong>ja</strong> tõenäosus (T. lk.8-18; G. lk.15-26;<br />
K. lk.8-15).<br />
Sündmuse sageduse mõiste <strong>ja</strong> omadused. Sündmuse tõenäosuse statistiline,<br />
klassikaline <strong>ja</strong> geomeetriline tõlgendus. Tõenäosuse aksioomid.
4<br />
6.3. Tõenäosuste korrutamisteoreem (lause) <strong>ja</strong> liitmisteoreem<br />
(lause) (T. lk.18-24; G. lk.27-35; K. lk.15-19).<br />
Sündmuste sõltuvus. Tinglik tõenäosus. Tõenäosuste korrutamisteoreem<br />
(lause). Sündmuste välistavus. Tõenäosuste liitmisteoreem (lause).<br />
6.4. Täistõenäosus <strong>ja</strong> Bayesi valem (T. lk.24-29; G. lk.35-38;<br />
K. lk.19-22).<br />
Hüpoteeside täissüsteem. Täistõenäosuse mõiste <strong>ja</strong> valem. Bayesi valem.<br />
6.5. Bernoulli valem (T. lk.29-32; G. lk.38-43; K. lk.23-25).<br />
Korduvate katsete seeria (Bernoulli skeem). Bernoulli valem. Sündmuse<br />
tõenäoseim esiletulekute arv n-katselises seerias.<br />
6.6. Juhuslik suurus, selle <strong>ja</strong>otus, <strong>ja</strong>otusfunktsioon (T. lk.40-45;<br />
G. lk.47-56; K. lk.26-31).<br />
Diskreetne <strong>ja</strong> pidev juhuslik suurus. Juhusliku suuruse <strong>ja</strong>otusseadus.<br />
Jaotusfunktsiooni definitsioon <strong>ja</strong> omadused. Jaotusfunktsiooni graafik.<br />
Heaviside’i funktsioon*.<br />
6.7. Jaotustihedus (T. lk.45-50; G. lk.56-61; K. lk.31-33).<br />
Keskmine tõenäosus. Jaotustihedus ehk tihedusfunktsioon. Jaotuskõver.<br />
Tõenäosuse element. Jaotustiheduse omadused. Deltafunktsioon*.<br />
6.8. Juhusliku suuruse keskväärtus <strong>ja</strong> dispersioon (T. lk.50-60;<br />
G. lk.61-70; K. lk.33-40).<br />
Juhusliku suuruse keskväärtus, selle omadused. Juhusliku suuruse hälve,<br />
dispersioon <strong>ja</strong> standardhälve. Dispersiooni omadused.
6.9. Juhusliku suuruse momendid. Juhusliku suuruse karakteristlik<br />
funktsioon (T. lk.60-73; G. lk.70-72, 162-167; K. lk.41).<br />
Alg- <strong>ja</strong> keskmomendid. Asümmeetriakorda<strong>ja</strong>, ekstsess, entroopia, mood,<br />
mediaan, kvantiilid. Juhusliku suuruse karakteristlik funktsioon.*<br />
5<br />
6.10. Diskreetse juhusliku suuruse <strong>ja</strong>otused (T. lk.43-45, 50, 52,<br />
58, 59, 70, 71; G. lk.72-80; K. lk.42-48).<br />
Binoom<strong>ja</strong>otus, Poissoni <strong>ja</strong>otus, geomeetriline <strong>ja</strong>otus. Nende <strong>ja</strong>otuste <strong>ja</strong>otusseadused<br />
<strong>ja</strong> põhilised arvkarakteristikud.<br />
6.11. Pideva juhusliku suuruse eksponent<strong>ja</strong>otus <strong>ja</strong> ühtlane <strong>ja</strong>otus<br />
(T. lk.46, 47, 51, 58, 66, 69; G. lk.80-85; K. lk.48-51).<br />
Eksponent<strong>ja</strong>otuse <strong>ja</strong> ühtlase <strong>ja</strong>otuse mõiste, <strong>ja</strong>otustihedus, <strong>ja</strong>otusfunktsioon,<br />
keskväärtus, dispersioon, karakteristlik funktsioon.*<br />
6.12. Normaal<strong>ja</strong>otus (T. lk.47, 48, 51, 59, 60, 72, 73, 78-81; G. lk.86-<br />
92; K. lk.52-57).<br />
Normaal<strong>ja</strong>otuse mõiste, <strong>ja</strong>otustihedus, <strong>ja</strong>otusfunktsioon, keskväärtus <strong>ja</strong><br />
dispersioon. Lihtne (standardiseeritud) normaal<strong>ja</strong>otus. Laplace’i funktsioon.<br />
Normaal<strong>ja</strong>otusega juhusliku suuruse väärtuse antud vahemikku<br />
sattumise tõenäosus.<br />
6.13. Piirteoreemid (T. lk.82-90; G. lk.170-182, K. lk.58-64).<br />
Tŝebõŝovi <strong>ja</strong> Bernoulli teoreemid. Tsentraalne piirteoreem. Moivre’i-<br />
Laplace’i lokaalne <strong>ja</strong> integraalne teoreem.<br />
6.14. Juhusliku vektori <strong>ja</strong>otusfunktsioon (T. lk.99-104; G. lk.96-<br />
101; K. lk.96).<br />
Juhusliku vektori mõiste, <strong>ja</strong>otusseadus. Juhusliku vektori <strong>ja</strong>otusfunktsiooni<br />
mõiste <strong>ja</strong> omadused.
6<br />
6.15. Juhusliku vektori <strong>ja</strong>otustihedus (T. lk.104-113; G. lk.101-112;<br />
K. lk.96, 97).<br />
Juhusliku vektori <strong>ja</strong>otustiheduse (tihedusfunktsiooni) mõiste. Jaotuspind<br />
<strong>ja</strong> tõenäosuse element. Jaotustiheduse omadused. Juhusliku vektori<br />
koordinaatide marginaalsed <strong>ja</strong> tinglikud <strong>ja</strong>otustihedused. Regressiooni<br />
mõiste. Sõltuvad <strong>ja</strong> sõltumatud juhuslikud suurused.<br />
6.16. Juhusliku vektori arvkarakteristikud(T. lk.113-126; G. lk.113-<br />
120; K. lk.98-103).<br />
Kahemõõtmelise vektori alg- <strong>ja</strong> keskmomendid. Jaotuskese (hajuvuskeskpunkt).<br />
Juhuslike suuruste kovariatsiooni ning korrelatsioonikorda<strong>ja</strong><br />
mõiste <strong>ja</strong> omadused. Juhuslike suuruste korreleeruvus.<br />
6.17. Juhusliku vektori normaal<strong>ja</strong>otus (T. lk.126-128; G. lk.120-<br />
128).<br />
Jaotustihedus. Hajuvusellipsid. Seos koordinaatide korreleeruvuse <strong>ja</strong><br />
sõltuvuse vahel.<br />
6.18. Juhusliku argumendiga funktsioon (T. lk.128-136; G. lk.133-<br />
138, 146-156).*<br />
Juhusliku argumendiga funktsiooni <strong>ja</strong>otusseadus. Juhusliku argumendiga<br />
funktsiooni keskväärtus <strong>ja</strong> dispersioon. Teoreemid juhuslike argumentidega<br />
funktsiooni keskväärtuse <strong>ja</strong> dispersiooni kohta.<br />
6.19. Juhusliku funktsiooni <strong>ja</strong>otus (T. lk.156-158; G. lk.184-186).*<br />
Juhusliku funktsiooni mõiste, <strong>ja</strong>otusfunktsioon <strong>ja</strong> <strong>ja</strong>otustihedus.
7<br />
6.20. Juhusliku funktsiooni karakteristikud (T. lk.158-163;<br />
G. lk.187-192).*<br />
Juhusliku funktsiooni keskväärtus, dispersioon, kovariatsiooni- <strong>ja</strong> korrelatsioonifunktsioonid.<br />
6.21. Tehted juhuslike funktsioonidega (T. lk.163-169; G. lk.197-<br />
203).*<br />
Juhusliku funktsiooni korrutamine kindla (mittejuhusliku) funktsiooniga.<br />
Juhuslike funktsioonide liitmine. Juhusliku funktsiooni diferentseerimine<br />
<strong>ja</strong> integreerimine.<br />
6.22. Keerukama juhusliku funktsiooni esitamine lihtsamate<br />
juhuslike funktsioonide kaudu (T. lk.170-179; G. lk.204-223).*<br />
Juhuslik elementaarfunktsioon. Juhusliku funktsiooni kanooniline arendus.<br />
Statsionaarne juhuslik funktsioon. Statsionaarse juhusliku funktsiooni<br />
spektraalarendus.<br />
6.23. Empiiriline <strong>ja</strong>otus (T. lk.187-191; G. lk.255-260; K. lk.65-68).<br />
Matemaatilise <strong>statistika</strong> aine. Vaatlusandmed. Üldkogum <strong>ja</strong> valim. Valimiandmete<br />
esitusviisid: statistiline rida, sagedustabel, histogramm, empiiriline<br />
<strong>ja</strong>otusfunktsioon. Empiirilised arvkarakteristikud.<br />
6.24. Jaotusparameetrite (arvkarakteristikute) punkthinnangud<br />
(T. lk.192-206; G. lk.261-269, 275-277; K. lk.68-71).<br />
Punkthinnangu mõiste <strong>ja</strong> omadused. Keskväärtuse <strong>ja</strong> dispersiooni nihutamata<br />
hinnangud. Kovariatsiooni <strong>ja</strong> korrelatsioonikorda<strong>ja</strong> punkthinnangud.
8<br />
6.25. Jaotusparameetrite (arvkarakteristikute) vahemikhinnangud<br />
(T. lk.207-211, 137-145; G. lk.269-274; K. lk.71-82).<br />
Usaldusnivoo, usaldusvahemik, usalduspiirid. Keskväärtuse usaldusvahemik.<br />
Studenti <strong>ja</strong>otus (t-<strong>ja</strong>otus). Dispersiooni usaldusvahemik. Hiiruut-<strong>ja</strong>otus<br />
(χ 2 -<strong>ja</strong>otus).<br />
6.26. Hüpoteeside statistiline kontrollimine (T. lk.211-221, 145-<br />
148; G. lk.284-293; K. lk.85-95).<br />
Ülesande püstitamine. Nullhüpotees <strong>ja</strong> konkureeriv hüpotees. Hüpotees<br />
kahe <strong>ja</strong>otuse dispersioonide võrdsusest. Fisheri <strong>ja</strong>otus (F-<strong>ja</strong>otus). Hüpotees<br />
kahe <strong>ja</strong>otuse keskväärtuste võrdsusest.<br />
6.27. Vähimruutude meetod (T. lk.222-228; G. lk.282-284; K. lk.103-<br />
110, 113).<br />
Empiirilise sõltuvuse silumine. Valitud analüütilise lähendfunktsiooni<br />
korda<strong>ja</strong>te määramine vähimruutude meetodil. Lineaarse regressioonivõrrandi<br />
korda<strong>ja</strong>te leidmine. Parima mudeli valik.<br />
7. Tüüpülesanded<br />
Üliõpilane peab oskama lahendada järgmisi ülesandeid <strong>ja</strong> nendele sisult<br />
lähedasi ülesandeid. Soovitav on need ülesanded iseseisvalt ära lahendada.<br />
Kui ülesandele sarnane ülesanne on lahendatud põhiõpikus näitena<br />
(lühend T või G), siis on sulgudes lisatud viide sellele. Kui ülesandele sarnane<br />
ülesanne on lahendatud antud juhendi kaheksandas punktis näitena<br />
(lühend J), siis on sulgudes lisatud viide sellele.<br />
7.1. Arvude moodustamiseks võib kasutada numbreid 1,2,3,4 <strong>ja</strong> 5, seda<br />
ka korduvalt. Leidke, mitu järgmist naturaalarvu saab neist moodustada:<br />
1) viiekohalisi üldse kokku, 2) viiekohalisi, milles tüvenumbrid ei kordu,<br />
3) kolmekohalisi, milles tüvenumbrid ei kordu, 4) kolmekohalisi, milles<br />
tüvenumbrid võivad korduda, 5) kolmekohalisi, milles tüvenumbrid on<br />
kasvavas järjekorras. (J 8.1., st juhendi Näidisülesanne 8.1.)
7.2. Arvude moodustamiseks saab kasutada numbreid 1,2,3,4,5, seda<br />
ka korduvalt. Leidke tõenäosus, et 1) juhuslik nel<strong>ja</strong>kohaline naturaalarv<br />
<strong>ja</strong>gub nel<strong>ja</strong>ga, 2) juhuslikus viiekohalises naturaalarvus on kaks ühesugust<br />
tüvenumbrit <strong>ja</strong> kõik ülejäänud on erinevad. (J 8.2.)<br />
7.3. Kahe sündmuse A ning B korral on teada, et P (A) = 0, 8, P (B) =<br />
= 0, 6 <strong>ja</strong> P (AB) = 0, 5. Leidke järgmiste sündmuste tõenäosused: 1)<br />
A + B, 2) A/B, 3) B/A, 4) A ¯B, 5) ĀB, 6) A + ¯B, 7) AB, 8) Ā · ¯B, 9)<br />
A + B, 10) ¯B/Ā. (G 1.9.2, st põhiõpiku 2 paragrahv 1.9. Näide 2)<br />
7.4. Laos on 5 agregaati tüüpi A ning 7 agregaati tüüpi B. Nende<br />
pakendid ei erine. Märgistust vaatamata võetakse juhuslikult 6 agregaati.<br />
Leidke tõenäosus, et neist 2 on tüüpi A. (T 1.5.3, st põhiõpiku 1<br />
punkti 1.5 Näide 3)<br />
7.5. Komplektis on 6 defektiga <strong>ja</strong> 14 kvaliteetset seadet. Komplektist<br />
võetakse juhuslikult 4 seadet. Leidke tõenäosus, et võetutest 1) täpselt<br />
3 on kvaliteetsed, 2) vähemalt üks on kvaliteetne, 3) vähem kui 2 on<br />
defektiga. (T 1.5.3, J 8.4)<br />
7.6. Laboris olevast 15 mõõturist 12 on põrutuskindlad. Leidke tõenäosus,<br />
et seitsmest juhuslikult võetud mõõturist 5 on põrutuskindlad. (T 1.5.3,<br />
G 1.7.1)<br />
7.7. Koosta<strong>ja</strong>l on 7 esimest, 5 teist <strong>ja</strong> 10 kolmandat tüüpi seadme sõlme,<br />
mis väliselt ei erine. Leidke tõenäosus, et juhuslikult võetud 8 sõlme hulgas<br />
on 1 esimest, 4 teist <strong>ja</strong> 3 kolmandat tüüpi seadme sõlme. (T 1.5.3,<br />
G 1.7.1)<br />
7.8. Sündmus võib toimuda kolmel vaadeldaval a<strong>ja</strong>vahemikul sõltumatult<br />
tõenäosusega 0,56, 0,42 või 0,61. Leidke tõenäosus, et sündmus 1) toimub<br />
vähemalt kahel a<strong>ja</strong>vahemikul, 2) ei toimu ühelgi a<strong>ja</strong>vahemikul. (T 1.7.2,<br />
G 1.9.1, G 1.9.2)<br />
7.9. Kolmes urnis on valgeid <strong>ja</strong> musti kuule vastavalt 2 <strong>ja</strong> 4, 6 <strong>ja</strong> 2 ning<br />
4 <strong>ja</strong> 8. Kahest juhuslikult valitud urnist võetakse mõlemast juhuslikult<br />
üks kuul. Leidke tõenäosus, et mõlemad kuulid on valged. (T 1.7.2, J 8.4)<br />
7.10. Ettevõttest helistatakse kolmele varusta<strong>ja</strong>firmale va<strong>ja</strong>liku seadme<br />
saamiseks. Kui suur on seadme kohese saamise tõenäosus, kui varusta-<br />
9
10<br />
<strong>ja</strong>tel on see seade olemas tõenäosusega 0,7; 0,65 <strong>ja</strong> 0,55? (J 8.5, T 1.7.3,<br />
G 1.9.2)<br />
7.11. Saabunud toodetest 35% on kvaliteetsed tõenäosusega 0,88, 25%<br />
tõenäosusega 0,80 ning ülejäänud on kvaliteetsed tõenäosusega 0,91. Leidke<br />
tõenäosus, et juhuslikult võetud toode on kvaliteetne. (J 8.7, T 1.8.1,<br />
G 1.10.1)<br />
7.12. Operaatori teenindatavatest seadmetest va<strong>ja</strong>vad vahetuse jooksul<br />
reguleerimist 4 seadet tõenäosusega 0,18 <strong>ja</strong> 8 seadet tõenäosusega 0,12.<br />
Leidke tõenäosus, et üks nendest seadmetest va<strong>ja</strong>b vahetuse jooksul remonti.<br />
(J 8.7, T 1.8.1, G 1.10.1)<br />
7.13. On 8 mõõteriista. Neist täpse mõõtmistulemuse saamise tõenäosus<br />
on nel<strong>ja</strong>l mõõteriistal 0,4, kolmel mõõteriistal 0,6 <strong>ja</strong> ühel mõõteriistal 0,8.<br />
Leidke tõenäosus, et juhuslikult võetud mõõteriistaga saadakse täpne<br />
mõõtmistulemus. (J 8.8, T 1.8.2, G 1.10.1)<br />
7.14. Keemilisse puhastusse antud 15 ülikonnast 6 va<strong>ja</strong>vad üldpuhastust,<br />
teised eritöötlust. Leidke tõenäosus, et juhuslikul võtmisel teisena võetud<br />
ülikond va<strong>ja</strong>b üldpuhastust. (J 8.7, T 1.8.1, G 1.10.1)<br />
7.15. Laoplatsi valgustatakse kuue prožektoriga, millest 4 on tüüpi A<br />
<strong>ja</strong> 2 tüüpi B. Ühe kuu jooksul tuleb lampe vahetada A-tüüpi prožektoril<br />
tõenäosusega 0,22 <strong>ja</strong> B-tüüpi prožektoril tõenäosusega 0,16. Leidke tõenäosus,<br />
et ühel prožektoril tuleb kuu jooksul lampe vahetada. (J 8.7,<br />
T 1.8.1, 1.10.1)<br />
7.16. Ühes grupis on 3 vasaku- <strong>ja</strong> 7 paremakäelist ning teises grupis 2<br />
vasaku- <strong>ja</strong> 10 paremakäelist inimest. Ühest grupist saadeti informeerimisele<br />
juhuslikult üks inimene, kes osutus vasakukäeliseks. Leidke tõenäosus,<br />
et see inimene saadeti esimesest grupist. (J 8.8, T 1.8.3, G 1.11.1)<br />
7.17. Elektroonikaseadmete toot<strong>ja</strong> saab põhisõlme kolmelt firmalt suhtes<br />
15:80:5. Defektse põhisõlme tõenäosus nende toodangus on vastavalt 1%,<br />
1,5% <strong>ja</strong> 2,5%. Toot<strong>ja</strong> kontrollib juhuslikku põhisõlme <strong>ja</strong> avastab defekti.<br />
Kui suure tõenäosusega see oli teiselt firmalt? (J 8.8, T 1.8.3, G 1.11.1)<br />
7.18. Merepiiri lõiku jälgib 2 A-tüüpi <strong>ja</strong> üks B-tüüpi radar. Signaali<br />
tabamise tõenäosus A-tüüpi radariga on 0,9 ning B-tüüpi radariga 0,87.
Signaali tabas üks radar. Leidke tõenäosus, et see oli B-tüüpi radar.<br />
(J 8.8, T 1.8.3, G 1.11.1)<br />
7.19. Hooldusgrupp teenindab 20 ala<strong>ja</strong>ama, millest igaüks võib nädala<br />
jooksul va<strong>ja</strong>da hooldust tõenäosusega 0,18. Leidke tõenäosus, et nädala<br />
jooksul va<strong>ja</strong>b hooldust kaks ala<strong>ja</strong>ama. (J 8.9, T 1.9.1, G 1.12.1)<br />
7.20. Antud tiraaži mistahes raamatul võib olla köitedefekt tõenäosusega<br />
0,12. Leida kõige tõenäosem defektiga köidete arv tellitud 30 raamatu<br />
hulgas <strong>ja</strong> vastav tõenäosus. (J 8.9, T 1.9.2, G 1.13.1)<br />
7.21. Eeldatakse, et 10% loodavatest väikefirmadest lakkab aasta jooksul<br />
olemast. Leidke tõenäosus, et kaheksast sellisest firmast lakkab aasta<br />
jooksul olemast kaks või kolm. (J 8.10, T 1.9.1, G 1.1.3)<br />
7.22. On 5 monitori, millest üks on var<strong>ja</strong>tud defektiga. Monitore kontrollitakse<br />
kuni defektiga monitori eraldamiseni, kusjuures iga kontrollitud<br />
monitor pannakse kõrvale. Olgu X kontrollitud monitoride arv.<br />
Leidke juhusliku suuruse X <strong>ja</strong>otusseadus, F (x) analüütiliselt <strong>ja</strong> graafiliselt,<br />
f(x), g(w), EX, DX, σ <strong>ja</strong> P (X ≤ 3). (J 8.19, T 2.2.1, 2.6.2,<br />
G 2.2.1)<br />
7.23. Signaali edastatakse 4 korda. Selle vastuvõtmise tõenäosus igal<br />
edastamisel on 0,8. Olgu X vastu võetud signaalide arv. Leidke suuruse<br />
X <strong>ja</strong>otusseadus, F (x) analüütiliselt <strong>ja</strong> graafiliselt, f(x), g(w), EX, DX,<br />
σ <strong>ja</strong> P (X < 3). (J 8.19, T 2.1.1, 2.6.2, G 4.9.1)<br />
7.24. Signaali korratakse kuni selle vastuvõtmiseni. Signaali vastuvõtmise<br />
tõenäosus igal kordamisel on 0,6. Olgu X kordamiste arv signaali vastuvõtmiseni<br />
(see kaasa arvatud). Leidke juhusliku suuruse X <strong>ja</strong>otusseadus,<br />
F (x) analüütiliselt, f(x), EX, DX, σ, F (2, 5) <strong>ja</strong> P (X > 3). (J 8.12,<br />
T 2.1.1, G 2.3.1)<br />
7.25. Leidke vähim signaali kordamiste arv ülesande 7.24 tingimustel,<br />
mille korral signaali vastuvõtmise tõenäosus oleks väiksem kui 10 −3 .<br />
(J 8.12)<br />
7.26. Antud marki ventilaatoritest 65% on väga kvaliteetsed. Büroosse<br />
osteti 4 sellist ventilaatorit. Leidke väga kvaliteetsete ventilaatorite arvu<br />
X <strong>ja</strong>otusseadus, kõige tõenäosem arv m, tõenäosus P (X ≥ m) <strong>ja</strong> F (x)<br />
11
12<br />
analüütiliselt. (J 8.12, T 2.1.1, G 2.3.1)<br />
7.27. Süsteemis on 1000 sõltumatut elementi, millest igaüks võib rikneda<br />
a<strong>ja</strong> t jooksul tõenäosusega 0,002. Leidke a<strong>ja</strong> t jooksul riknevate elementide<br />
arvu X <strong>ja</strong>otusseadus, EX, DX <strong>ja</strong> tõenäosus, et a<strong>ja</strong> t jooksul rikneb:<br />
1) 5 elementi; 2) kas või 1 element; 3) vähem kui 3 elementi. (J 8.15,<br />
T 2.1.3, 2.4.3, G 2.8.3)<br />
7.28. Parklasse siseneb keskmiselt 2 autot minutis. Leidke tõenäosus,<br />
et juhusliku minuti jooksul siseneb parklasse: 1) 4 autot; 2) 4 või enam<br />
autot; 3) vähem kui 4 autot. (J 8.16, T 2.1.3, G 2.8.2)<br />
7.29. Toot<strong>ja</strong>lt, kelle toodangust 98% on kvaliteetne, tellitakse 300 toodet.<br />
Leidke praaktoodete arvu keskväärtus tellitud partii korral <strong>ja</strong> tõenäosus,<br />
et praaktooteid on 1%. (J 8.15, T 2.1.2, G 2.7.1)<br />
7.30. Teenindusettevõtet külastab 10 tunni jooksul keskmiselt 120 inimest.<br />
Leidke tõenäosus, et ühes tunnis külastab seda ettevõtet: 1) 25<br />
inimest; 2) 13 kuni 15 inimest; 3) tõenäoseim arv inimesi. (J 8.16,<br />
T 2.1.3, G 2.8.1)<br />
7.31. Seadmes tekib keskmiselt 7 tõrget 5000 töötunni jooksul. Leidke<br />
keskmine aeg tõrkeni <strong>ja</strong> tõenäosus, et tõrge tekib 100 töötunni jooksul.<br />
(J 8.18, G 2.10.1)<br />
7.32. Televiisori tööaeg on eksponent<strong>ja</strong>otusega. Televiisori keskmine<br />
tööaeg on 5500 tundi. Leidke tõenäosus, et televiisor töötab tõrgeteta:<br />
1) vähem kui 500 tundi; 2) vähemalt 5000 tundi. (J 8.18, G 2.10.1)<br />
7.33. Normaalrežiimis on trafo keskmine tööiga 10 aastat. Leidke tõenäosus,<br />
et trafo rikneb: 1) esimese 5 aasta jooksul; 2) kümnenda tööaasta<br />
jooksul. Kui kaua vähemalt peaks trafo rikketa töötama, et rikke tõenäosus<br />
oleks väiksem kui 0,05. (J 8.18, G 2.10.1)<br />
7.34. Liinibussi liiklusintervall pealelõunal on 10 minutit. Leidke bussipeatusse<br />
saabunu ootea<strong>ja</strong> T <strong>ja</strong>otustihedus f(t), g(w), ET, DT ning<br />
tõenäosus, et peatusse saabunud reisi<strong>ja</strong>l tuleb bussi oodata: 1) vähem<br />
kui 3 minutit; 2) kauem kui 8 minutit; 3) 2 kuni 7 minutit. (J 8.17,<br />
T 2.2.1, 2.6.1)
13<br />
7.35. Juhusliku suuruse X <strong>ja</strong>otustihedus<br />
{<br />
0, x ∉ [1, 2],<br />
f(x) =<br />
2(x − 1), x ∈ [1, 2].<br />
Leidke F (x), EX, DX, σ, P (1, 5 < X < 1, 75), P (X ≥ 1, 25), esitage<br />
f(x) <strong>ja</strong> F (x) graafiliselt. (J 8.14, T 2.2.1, G 2.4.1)<br />
7.36. Juhusliku suuruse X <strong>ja</strong>otustihedus on<br />
{<br />
0, x ≥ 0,<br />
f(x) =<br />
2 x ln2, x < 0.<br />
Leidke F (x), EX, DX, σ, F (−1), P (−2 ≤ X < −1), esitage f(x) <strong>ja</strong><br />
F (x) graafiliselt. (J 8.14, G 2.4.1)<br />
7.37. Juhusliku suuruse X <strong>ja</strong>otusfunktsioon on<br />
⎧<br />
0, x ≤ 0,<br />
⎪⎨<br />
0, 5x 3 , 0 < x ≤ 1,<br />
F (x) =<br />
1 − 0, 5(2 − x)<br />
⎪⎩<br />
3 , 1 < x ≤ 2,<br />
1, x > 2.<br />
Leidke <strong>ja</strong>otustihedus f(x), EX, DX, σ, P (0 < X < 0, 5), esitage f(x)<br />
<strong>ja</strong> F (x) graafikud. (J 8.14, G 2.4.1)<br />
7.38. Mõõtmisviga allub normaal<strong>ja</strong>otusele. Vea keskväärtus on 5 <strong>ja</strong> standardhälve<br />
10 ühikut. Leidke tõenäosus, et mõõtmistulemused erinevad<br />
mõõdetava suuruse tegelikust väärtusest vähem kui 15 ühiku võrra.<br />
(J 8.20, T 2.8.4, G 2.12.1)<br />
7.39. Normaal<strong>ja</strong>otusega juhusliku suuruse X keskväärtus on 2,5. Tõenäosus,<br />
et |X − 2, 5| < 0, 4, on 0,689. Leidke standardhälve σ. (T 2.8.4)<br />
7.40. Juhuslik suurus X on normaal<strong>ja</strong>otusega, EX = 1, 5 <strong>ja</strong> σ = 2, 2.<br />
Leidke EX suhtes sümmeetriline vahemik, kuhu suuruse X väärtused<br />
satuvad tõenäosusega 0,99. (T 2.8.4, G 2.12.2)<br />
7.41. Varasemate andmete põh<strong>ja</strong>l eeldame, et aastane sademete hulk<br />
Eestis X on normaal<strong>ja</strong>otusega, EX = 116, 9cm <strong>ja</strong> σ = 3, 42cm. Leidke
14<br />
tõenäosus, et kolme järjestikuse aasta jooksul ühel aastal sademete hulk<br />
on suurem kui 127cm. (J 8.20)<br />
7.42. Firma personaliosakonnas testitakse töölesoovi<strong>ja</strong>id. Kandidaatidelt<br />
nõutakse vähemalt 500-punktilist testitulemust. Leidke, mitu protsenti<br />
kandidaatidest jääb konkureerima, kui testitulemusel X on normaal<strong>ja</strong>otus,<br />
mille EX = 485 <strong>ja</strong> σ = 30. (J 8.20, T 2.8.3)<br />
7.43. Tõenäosus, et üliõpilane ei oska integreerida, on 0,15. Leidke<br />
tõenäosus, et kontrolltööd kirjutanud 175 üliõpilasest ei oska integreerida:<br />
1) 33 üliõpilast; 2) 20 kuni 40 üliõpilast. (J 8.21, T 2.12.2, 2.12.3)<br />
7.44. Mitu kiipi tuleks kontrollida, et tõenäosusega 0,99 kvaliteetsete<br />
kiipide suhteline sagedus m erineks tõenäosusest 0,95 vähem kui 0,05?<br />
n<br />
Kuidas muutub kontrollitavate kiipide arv, kui see erinevus peab olema<br />
väiksem kui 0,005? (J 8.22)<br />
7.45. Partiis on 1000 helikand<strong>ja</strong>t. Tõenäosus, et neist suvaline on defektiga,<br />
on 0,02. Leidke tõenäosus, et defektiga helikand<strong>ja</strong>id on partiis<br />
vähem kui 20. (J 8.23, T 2.12.2)<br />
7.46. Diskreetse juhusliku vektori (X, Y ) <strong>ja</strong>otusseadus on antud <strong>ja</strong>otustabeliga<br />
y k<br />
\ x i<br />
0 1 2<br />
2 0,3 0 0,2<br />
3 0,1 0,2 0,2<br />
.<br />
Leidke F (x, y), f(x, y), f 1 (x), f 2 (y), EX, EY, DX, DY, σ x , σ y ,<br />
cov(X, Y ), r(X, Y ), kovariatsioonimaatriks K <strong>ja</strong> korrelatsioonimaatriks<br />
R. Kas selle vektori komponendid on sõltuvad, korreleeruvad? (J 8.24,<br />
T 3.1.1, 3.2.3, 3.4.2)<br />
7.47. Urnis on 2 musta <strong>ja</strong> 3 valget kuuli. Urnist võetakse juhuslikult<br />
kaks kuuli. Olgu X-võetud mustade kuulide arv <strong>ja</strong> Y -võetud<br />
valgete kuulide arv. Leidke vektori (X, Y ) <strong>ja</strong>otusseadus, f(x, y), EX,<br />
EY, DX, DY, σ x , σ y , cov(X, Y ), r(X, Y ). Kas selle vektori komponendid<br />
on sõltuvad, korreleeruvad? Leidke regressioonijooned y = E(Y/x)
15<br />
<strong>ja</strong> x = E(X/y). (J 8.24, T 3.2.3, 3.4.2)<br />
7.48. Olgu juhuslik vektor (X, Y ) ühtlase <strong>ja</strong>otusega ristkülikus, mis on<br />
määratud võrratustega 0 ≤ x ≤ 2 <strong>ja</strong> −1 ≤ y ≤ 2. Leidke f(x, y), f 1 (x),<br />
f 2 (y), EX, EY, DX, DY, σ x , σ y , cov(X, Y ). Kas komponendid X <strong>ja</strong><br />
Y on sõltuvad, korreleeruvad? (J 8.25, T 3.2.1, 3.5.1, G 3.6.1)<br />
7.49. Kas<br />
f(x, y) =<br />
{<br />
0, 5(x − xy + y), (x, y) ∈ [0, 2] × [0, 1],<br />
0, (x, y) ∉ [0, 2] × [0, 1],<br />
on vektori (X,Y) <strong>ja</strong>otustihedus? Leidke f 1 (x), f 2 (y), f(y/x), EX, EY,<br />
DX, DY, σ x , σ y , cov(X, Y ), r(X, Y ), E(Y/x), K, R. Kas selle vektori<br />
komponendid on sõltuvad, korreleeruvad? (J 8.25, T 3.2.1, 3.3.2, 3.5.1,<br />
3.5.2, G 3.6.2)<br />
7.50. On antud juhusliku suuruse X <strong>ja</strong>otustihedus<br />
f 1 (x) =<br />
{<br />
2x, x ∈ [0, 1],<br />
0, x ∉ [0, 1]<br />
<strong>ja</strong> Y = √ X. Leidke f 2 (y), f(x, y), EY. (J 8.28, T 3.7.2, G 4.1.1)<br />
7.51. On antud juhusliku suuruse X <strong>ja</strong>otustihedus<br />
f 1 (x) =<br />
{<br />
ln x, x ∈ [1, e],<br />
0, x ∉ [1, e]<br />
<strong>ja</strong> Y = ln X. Leidke f 2 (y), f(y/x), EY. (J 8.28, T 3.7.2, G 4.1.1)
16<br />
7.52. Juhuslik suurus X on ühtlase <strong>ja</strong>otusega lõigul [0, π ] <strong>ja</strong> Y = tan X.<br />
4<br />
Leidke f 1 (x), f 2 (y), f(x, y), EX, EY, cov(X, Y ). Kas vektori (X, Y )<br />
komponendid on sõltuvad, korreleeruvad? (J 8.28, T 3.7.1, G 4.1.1)<br />
7.53. Juhusliku vektori (X, Y ) arvkarakteristikud on EX = 5, EY =<br />
= −3, DX = 4, DY = 1 <strong>ja</strong> cov(X, Y ) = −1. Leidke juhuslike suuruste<br />
U = X + Y <strong>ja</strong> V = XY keskväärtused ning DU. (J 8.29)<br />
7.54. Juhusliku vektori (X, Y, Z) kovariatsioonimaatriks on<br />
⎛<br />
4 −1<br />
⎞<br />
0<br />
K = ⎝ 3 0, 5⎠ .<br />
1<br />
Leidke korrelatsioonimaatriks R, juhusliku suuruse U = X + 2Y − 3Z+<br />
+1 dispersioon ning avaldage EU keskväärtuste EX, EY, EZ kaudu.<br />
(J 8.29)<br />
7.55. Juhusliku vektori (X, Y ) korral on EX = 3, DX = 2, Y = 4 − X.<br />
Leidke EY, DY, cov(X, Y ), r(X, Y ). Kas suurused X <strong>ja</strong> Y on sõltuvad,<br />
korreleeruvad? (J 8.29)<br />
7.56. Juhusliku vektori (X, Y, Z) arvkarakteristikutest EX = 2, 5, DX =<br />
= 2, 25, EY = 3, 2, DY = 1, 21 <strong>ja</strong> cov(X, Y ) = 0, 8. Leidke suuruse<br />
Z = X 2 + XY keskväärtus <strong>ja</strong> r(X, Y ). (J 8.29)<br />
7.57. Juhuslik funktsioon X(t) = Y e −t , kus t > 0 <strong>ja</strong> juhuslikul suurusel<br />
Y on ühtlane <strong>ja</strong>otus lõigul [0, 3]. Leidke F 1 (x; t), f 1 (x; t), E x (t), K x (t 1 , t 2 ),<br />
D x (t) <strong>ja</strong> R x (t 1 , t 2 ). (J 8.30, T 4.1.5, 4.2.1)<br />
7.58. Juhuslik funktsioon X(t) = tU, kus juhuslikul suurusel U on eksponent<strong>ja</strong>otus<br />
parameetriga λ = 2. Leidke F 1 (x; t), f 1 (x; t), E x (t), D x (t),<br />
K x (t 1 , t 2 ) <strong>ja</strong> R x (t 1 , t 2 ). (J 8.30, T 4.1.5, 4.2.1)<br />
7.59. Leidke juhusliku funktsiooni X(t) = cos t + X 1 + X 2 t karakteristikud<br />
E x (t), K x (t 1 , t 2 ), D x (t), σ x (t) <strong>ja</strong> R x (t 1 , t 2 ), kui EX 1 = 1, EX 2 =<br />
= −3, DX 1 = 4, DX 2 = 1 ning juhuslikud suurused X 1 <strong>ja</strong> X 2 on<br />
sõltumatud. (J 8.31, T 4.2.1)<br />
7.60. Olgu X(t) = cos t + Ut + V sin t. Leidke E x (t), K x (t 1 , t 2 ) <strong>ja</strong> D x (t)<br />
ning arvutage nende väärtused lõike t = 0 korral, kui EU = 0, EV =
17<br />
= 2, DU = 4, DV = 9 <strong>ja</strong> cov(U, V ) = −3. (J 8.30c, T 4.2.1, 4.2.2)<br />
7.61. Leidke juhusliku funktsiooni Y (t) = 3tX(t) karakteristikud E y (t),<br />
K y (t 1 , t 2 ), D y (t) <strong>ja</strong> R y (t 1 , t 2 ), kui E x (t) = 2t + 1 ning K x (t 1 , t 2 ) =<br />
cos t 1 cos t 2 . (J 8.31, T 4.3.2.1)<br />
7.62. Leidke juhusliku funktsiooni Y (t) = tX(t) + sin t karakteristikud<br />
E y (t), K y (t 1 , t 2 ), σ y (t), R y (t 1 , t 2 ), kui E x (t) = cos t <strong>ja</strong> K x (t 1 , t 2 ) = t 2 1 ·t 2 2.<br />
(J 8.31, T 4.3.2.1)<br />
7.63. Juhusliku funktsiooni X(t) karakteristikud E x (t) = e t <strong>ja</strong><br />
K x (t 1 , t 2 ) = sin ωt 1 sin ωt 2 . Leidke juhusliku funktsiooni Y (t) = 1 t<br />
karakteristikud E y (t), K y (t 1 , t 2 ), D y (t), σ y (t) <strong>ja</strong> R y (t 1 , t 2 ). (J 8.32,<br />
T 4.3.4.1, G 6.8.2)<br />
dX(t)<br />
dt<br />
+t<br />
7.64. Juhusliku funktsiooni X(t) kovariatsioon on K x (t 1 , t 2 ) = exp(t 2 1+<br />
+t 2 2). Leidke K y (t 1 , t 2 ), D y (t) <strong>ja</strong> σ y (t), kui Y (t) = tX ′ (t). (J 8.32,<br />
T 4.3.4.1)<br />
7.65. Juhusliku funktsiooni karakteristikud E x (t) = 1 <strong>ja</strong> K x (t 1 , t 2 ) =<br />
= exp α(t 1 + t 2 ). Leidke juhusliku funktsiooni Y (t) = tX ′ (t) + 1 karakteristikud.<br />
(J 8.32, T 4.3.4.1)<br />
7.66. Olgu Y (t) = t ∫ t<br />
0 X(τ)dτ <strong>ja</strong> K x(t 1 , t 2 ) = t 1 + t 2 + t 1 t 2 . Leidke<br />
K y (t 1 , t 2 ), D y (t), σ y (t) <strong>ja</strong> R y (t 1 , t 2 ). (J 8.33, T 4.3.3.1, G 6.8.3)<br />
7.67. Juhusliku funktsiooni X(t) karakteristikud EX(t) = αe t <strong>ja</strong><br />
K x (t 1 , t 2 ) = (t 1 t 2 )e t 1<br />
e t 2<br />
. Leidke juhusliku funktsiooni Y (t) = ∫ t<br />
X(τ)dτ+<br />
0<br />
+t keskväärtus, kovariatsioon <strong>ja</strong> dispersioon. (J 8.33, T 4.3.3.1, G 6.8.3)<br />
7.68. Olgu X(t) = e t + U cos ωt + V sin ωt, kus U <strong>ja</strong> V on tsentreeritud<br />
mittekorreleeruvad juhuslikud suurused ning DU = DV = 4. Leidke<br />
E x (t), K x (t 1 , t 2 ) <strong>ja</strong> D x (t). Kas X(t) on statsionaarne? (J 8.34, T 4.4.1,<br />
4.5.1)<br />
7.69. Olgu X(t) = 3 + U 1 cos ωt + V 1 sin ωt + U 2 cos 2ωt + V 2 sin 2ωt, kus<br />
U 1 , V 1 , U 2 , V 2 on mittekorreleeruvad tsentreeritud juhuslikud suurused<br />
<strong>ja</strong> DU 1 = DV 1 = 4, DU 2 = DV 2 = 9. Leidke E x (t), K x (t 1 , t 2 ), D x (t).<br />
Kas X(t) on statsionaarne? (J 8.34, T 4.5.1)
18<br />
7.70. Juhuslik funktsioon X(t) = t 2 + U cos 3t + V sin 3t, kus U <strong>ja</strong> V on<br />
tsentreeritud juhuslikud suurused, mille kovariatsioonimaatriks on<br />
( ) 4 −1, 5<br />
.<br />
4<br />
Leidke E x (t), K x (t 1 , t 2 ), D x (t). Kas X(t) on statsionaarne? (J 8.34,<br />
T 4.2.2)<br />
7.71. Juhusliku funktsiooni X(t) kanooniline arendus on X(t) = sin t+<br />
+X 1 t + X 2 cos t + X 3 sin t, kus DX 1 = 1, DX 2 = DX 3 = 3. Leidke<br />
E x (t), K x (t 1 , t 2 ), D x (t) ning E x (t) <strong>ja</strong> D x (t) väärtused argumendi<br />
väärtusel t = π . (J 8.34, T 4.5.1)<br />
2<br />
7.72. Juhusliku suuruse X kolmeteistkümne sõltumatu mõõtmise tulemusel<br />
saadi väärtuste statistiline rida: 7, 1, 11, 7, 11, 3, 11, 1, 2, 21, 1,<br />
11, 10. Esitage mõõtmistulemused sagedustabelina, leidke EX <strong>ja</strong> DX<br />
nihutamata hinnangud ning leidke tõke, millest selle juhusliku suuruse<br />
väärtused on väiksemad tõenäosusega 0,75; 0,95. (J 8.35, T 5.2.1.1,<br />
5.2.2.1, G 7.7, 7.9)<br />
7.73. Juhusliku suuruse X mõõtmisel saadi sa<strong>ja</strong> sõltumatu mõõtmistulemuse<br />
keskmiseks 115,52. Standardhälve σ = 10 on teada. Leidke suuruse<br />
X keskväärtuse usaldusvahemik usaldusnivool 0,99. (J 8.35, T 5.3.1.1,<br />
G 7.9)<br />
7.74. Juhuslikul suurusel on normaal<strong>ja</strong>otus. Dispersioon DX = 4 on<br />
teada. Leidke tõenäosus, et 25 mõõtmistulemuse põh<strong>ja</strong>l arvutatud ¯x erineb<br />
keskväärtusest EX rohkem kui 0,8 võrra. (J 8.35, T 5.3.1.1, G 7.9)<br />
7.75. Suuruse X mõõtmistulemuste statistiline rida on: 2,85, 2,70, 2,90,<br />
2,85, 2,90, 2,85, 3,20, 2,90, 2,90, 3,25, 2,70. Korrastada valim sagedustabelina<br />
ning leida EX, DX, σ nihutamata hinnangud <strong>ja</strong> usaldusvahemikud<br />
usaldusnivool 0,98. (J 8.35, T 5.3.2.1, 5.3.3.3)<br />
7.76. Vektori (X, Y ) üheksa sõltumatu mõõtmise tulemuseks saadi valim<br />
{(2,4;4,5), (5,5;7,7), (4,1;6,1), (1,8;4,3), (3,7;5,6), (2,9;5,2), (5,6;6,4),<br />
(1,5;3,9), (3,2;5,2)}. Leidke komponentide X <strong>ja</strong> Y kovariatsiooni ning<br />
korrelatsioonikorda<strong>ja</strong> nihutamata punkthinnangud. (J 8.35, T 5.2.4.1)
7.77. Leidke ülesande 7.76. andmetel suuruse Y lineaarne regressioonijoon<br />
X suhtes (regressioonisirge võrrand). (J 8.35, T 5.5.1)<br />
7.78. Juhuslik suurus X allub normaal<strong>ja</strong>otusele. Mõõtmiste tulemusena<br />
saadi valim {78,5, 74,3, 104,3, 87,6, 95,9, 109,2, 102,7, 72,5, 93,1, 115,9,<br />
83,8, 113,3, 109,4}. Leidke tõke, millest selle suuruse väärtus on suurem<br />
tõenäosusega 0,25. (L.P.R. II lk. 555)<br />
7.79. On antud kahe normaal<strong>ja</strong>otusega juhusliku suuruse X <strong>ja</strong> Y valimid<br />
{15, 18, 11, 20, 17, 9} ning {15, 13, 12, 12, 13, 14, 12}. Kontrollige<br />
usaldusnivool 0,99 hüpoteesi, et dispersioonid DX <strong>ja</strong> DY on võrdsed.<br />
(J 8.36, T 5.4.3.1)<br />
7.80. Ülesande 7.79. andmetel kontrollige usaldusnivool 0,99 <strong>ja</strong> 0,95<br />
hüpoteesi, et keskväärtused EX ning EY on võrdsed. (J 8.36, T 5.4.1.1)<br />
19<br />
Vastused<br />
7.1. 3125, 120, 60, 125, 10.<br />
7.2. 0,2, 0,384.<br />
7.3. 0,9, 0,8(3); 0,625, 0,3 0,1, 0,9, 0,5, 0,1, 0,1, 0,5.<br />
7.4. 175<br />
462<br />
≈ 0, 379.<br />
7.5. 2184 ≈ 0, 451, 4830<br />
≈ 0, 997, 3185<br />
4845 4845 4845<br />
7.6. 0,369.<br />
7.7.<br />
25200<br />
319770<br />
≈ 0, 013.<br />
7.8. 0,546, 0,0995.<br />
7.9. 11<br />
18<br />
≈ 0, 611.<br />
7.10. 0,953.<br />
7.11. 0,872.<br />
≈ 0, 657.
20<br />
7.12. 0,14.<br />
7.13. 0,525.<br />
7.14. 0,4.<br />
7.15. 0,2.<br />
7.16.<br />
9<br />
14<br />
7.17. 0,813.<br />
7.18. 0,659.<br />
7.19. 0,173.<br />
≈ 0, 643.<br />
7.20. 3, 0,222.<br />
7.21. 0,178.<br />
7.22.<br />
x k 1 2 3 4 5<br />
p k 0,2 0,2 0,2 0,2 0,2 ,<br />
EX = 3, DX = 2, σ = √ 2 ≈ 1, 4, P (X ≤ 3) = 0, 6,<br />
F (x) = 0, 2 · 1(x − 1) + 0, 2 · 1(x − 2) + 0, 2 · 1(x − 3)+<br />
+0, 2 · 1(x − 4) + 0, 2 · 1(x − 5) =<br />
⎧<br />
0, x ≤ 1,<br />
0, 2, 1 < x ≤ 2,<br />
5∑<br />
⎪⎨<br />
0, 4, 2 < x ≤ 3,<br />
= 0, 2 · 1(x − k) =<br />
0, 6, 3 < x ≤ 4,<br />
k=1<br />
0, 8, 4 < x ≤ 5,<br />
⎪⎩<br />
1, x > 5,
21<br />
F (x)<br />
✻<br />
1<br />
✛<br />
✛<br />
0, 6<br />
✛<br />
✛<br />
0, 2<br />
O<br />
1<br />
✛<br />
2<br />
3<br />
4<br />
5<br />
✲<br />
x<br />
5∑<br />
f(x) = 0, 2 · δ(x − k), g(ω) = 0, 2(e iω + e 2iω + e 3iω + e 4iω + e 5iω ) =<br />
k=1<br />
5∑<br />
= 0, 2 e ikω .<br />
k=1<br />
7.23.<br />
x k 0 1 2 3 4<br />
p k 0,0016 0,0256 0,1536 0,4096 0,4096 ,<br />
F (x) = 0, 0016 · 1(x) + 0, 0256 · 1(x − 1) + 0, 1536 · 1(x − 2)+<br />
+0, 4096 · 1(x − 3) + 0, 4096 · 1(x − 4) =<br />
⎧<br />
0, x ≤ 0,<br />
0, 0016, 0 < x ≤ 1,<br />
⎪⎨<br />
0, 0272, 1 < x ≤ 2,<br />
=<br />
0, 1808, 2 < x ≤ 3,<br />
0, 5904, 3 < x ≤ 4,<br />
⎪⎩<br />
1, x > 4,
22<br />
F (x)<br />
✻<br />
1<br />
✛<br />
✛<br />
✛<br />
O<br />
✛<br />
1<br />
2<br />
✛<br />
3<br />
4<br />
✲<br />
5<br />
x<br />
f(x) = 0, 016 δ(x) + 0, 0256 δ(x − 1) + 0, 1536 δ(x − 2)+<br />
+0, 4096 δ(x − 3) + 0, 4096 δ(x − 4),<br />
g(ω) = 0, 016 + 0, 0256e iω + 0, 1536e 2iω + 0, 4096e 3iω + 0, 4096e 4iω =<br />
= (0, 8e iω + 0, 2) 4 ,<br />
EX = 3, 2, DX = 0, 64, σ = 0, 8, P (X < 3) = 0, 1808.<br />
7.24.<br />
x k 1 2 3 ... n ...<br />
p k 0,6 0,24 0,096 ... 0, 6 · 0, 4 n−1 ...<br />
,<br />
EX = 1<br />
0, 6<br />
0, 4<br />
= 1, (6), DX = = 1, (1), σ ≈ 1, 05,<br />
0, 62 F (x) = 0, 6 · 1(x − 1) + 0, 24 · 1(x − 2) + 0, 096 · 1(x − 3) + ...+<br />
∞∑<br />
+0, 6 · 0, 4 n−1 · 1(x − n) + ... = 0, 6 · 0, 4 k−1 · 1(x − k),<br />
f(x) = 0, 6 ·<br />
k=1<br />
∞∑<br />
0, 4 k−1 δ(x − k), F (2, 5) = 0, 84,<br />
k=1<br />
P (X > 3) = 1 − P (X ≤ 3) = 0, 064.
23<br />
7.25. 8.<br />
7.26.<br />
x k 0 1 2 3 4<br />
p k 0,0150 0,1115 0,3105 0,3845 0,1785 ,<br />
3, P (x ≥ 3) = 0, 563,<br />
F (x) = 0, 0150 · 1(x) + 0, 1115 · 1(x − 1) + 0, 3105 · 1(x − 2)+<br />
+0, 3845 · 1(x − 3) + 0, 1785 · 1(x − 4).<br />
7.27.<br />
P (X = k) = 2 k · e−2<br />
, EX = DX = 2, P (X = 5) = 0, 036,<br />
k!<br />
P (X ≥ 1) = 1 − e −2 ≈ 0, 865, P (X < 3) = 5e −2 ≈ 0, 676.<br />
7.28.<br />
2<br />
3 e 2 ≈ 0, 09, 1 − 19<br />
3 e 2 ≈ 0, 143, 0, 857.<br />
7.29. EX = 6 (DX = 5, 88 ≈ EX), P (x = 3) ≈ 36<br />
e 6 ≈ 0, 089.<br />
7.30. P (X = 25) ≈ 0, 0003, P ((X = 13) + (X = 14) + (X = 15)) ≈<br />
≈ 0, 268, P (X = 11) = P (X = 2) ≈ 0, 114.<br />
7.31. 714,3 töötundi, 1 − e −0,14 ≈ 0, 131.<br />
7.32. 1 − exp(− 1<br />
10<br />
) ≈ 0, 087, exp(− ) ≈ 0, 403.<br />
11 11<br />
7.33. ≈ 0, 393, P (9 ≤ T < 10) ≈ 0, 038, 30 aastat.
24<br />
7.34.<br />
f(t) = 0, 1, kui t ∈ [0, 10] <strong>ja</strong> on 0 mu<strong>ja</strong>l, g(ω) = 0, 1(e10ωi − 1)<br />
,<br />
ωi<br />
ET = 5, DT = 25 = 8, (3), 0, 2, 0, 5.<br />
3<br />
7.35.<br />
⎧<br />
⎪⎨ 0, x ≤ 1,<br />
F (x) = (x − 1)<br />
⎪⎩<br />
2 , 1 < x ≤ 2,<br />
1, x > 2<br />
F (x) = (x − 1) 2 (1(x − 1) − 1(x − 2)) + 1(x − 2), EX = 5 3 , DX = 1 18 ,<br />
σ ≈ 0, 24,<br />
5<br />
16 = 0, 3125, 15<br />
16<br />
= 0, 9375<br />
f(x)<br />
✻<br />
2<br />
F (x)<br />
✻<br />
1<br />
O<br />
1<br />
2<br />
✲<br />
x<br />
O<br />
1<br />
2<br />
✲<br />
x<br />
7.36.<br />
F (x) =<br />
{<br />
2 x , x ≤ 0,<br />
1, x > 0,<br />
EX = −1, DX ≈ 3, 16, σ ≈ 1, 8, F (−1) = 0, 5,<br />
P (−2 ≤ X < −1) = 0, 25
25<br />
f(x)<br />
✻<br />
1<br />
1<br />
F (x)<br />
✻<br />
−2<br />
−1<br />
O<br />
✲<br />
x<br />
−2<br />
−1<br />
O<br />
✲<br />
x<br />
7.37.<br />
⎧<br />
⎪⎨ 0, x ∉ [0, 2],<br />
f(x) = 1, 5x<br />
⎪⎩<br />
2 , x ∈ [0, 1],<br />
1, 5(2 − x) 2 , x ∈ (1, 2],<br />
EX = 1, DX = 0, 1, σ ≈ 0, 316, P (0 < X < 0, 5) = 0, 0625<br />
f(x)<br />
✻<br />
1, 5<br />
F (x)<br />
✻<br />
1<br />
O 1 2<br />
✲<br />
x<br />
O<br />
1 2<br />
✲<br />
x<br />
7.38. 0,866.<br />
7.39. σ ≈ 0, 4.<br />
7.40. ε ≈ 5, 7, −4, 2 < X < 7, 2.<br />
7.41. ≈ 4, 7 · 10 −3 .<br />
7.42. P (X ≥ 500) ≈ 0, 308, seega ≈ 31%.
26<br />
7.43. P (X = 33) ≈ 0, 030, P (20 ≤ X ≤ 40) ≈ 0, 905.<br />
7.44. n ≥ 127, n ≥ 12608 (suureneb ligikaudu 100 korda).<br />
7.45. ≈ 0, 411.<br />
7.46.<br />
F (x, y) = 0, 3 · 1(x)1(y − 2) + 0, 1 · 1(x)1(y − 3)+<br />
+0, 2 · 1(x − 1)1(y − 3) + 0, 2 · 1(x − 2)1(y − 2) + 0, 2 · 1(x − 2)1(y − 3),<br />
f(x, y) = 0, 3·δ(x)·δ(y −2)+0, 1·δ(x)·δ(y −3)+0, 2·δ(x−1)·δ(y −3)+<br />
+0, 2 · δ(x − 2) · δ(y − 2) + 0, 2 · δ(x − 2) · δ(y − 3),<br />
f 1 (x) = 0, 4 · δ(x) + 0, 2 · δ(x − 1) + 0, 4 · δ(x − 2),<br />
f 2 (y) = 0, 5 · δ(x − 2) + 0, 5 · δ(x − 3),<br />
EX = 1, EY = 2, 5, DX = 0, 8, DY = 0, 25,<br />
σ x ≈ 0, 9, σ y = 0, 5, cov(X, Y ) = 0, 1,<br />
K =<br />
( ) 0, 8 0, 1<br />
, R =<br />
0, 25<br />
( ) 1 0, (2)<br />
,<br />
1<br />
r(X, Y ) ≈ 0, (2), korreleeruvad.<br />
7.47.<br />
y k<br />
\ x i<br />
0 1 2<br />
2 6/20 0 0<br />
1 0 12/20 0<br />
0 0 0 2/20<br />
F (x, y) = 6 20<br />
12<br />
2<br />
· 1(x)1(y − 2) + · 1(x − 1)1(y − 1) + · 1(x − 2)1(y),<br />
20 20<br />
f(x, y) = 6<br />
12<br />
2<br />
· δ(x)δ(y − 2) + · δ(x − 1)δ(y − 1) + · δ(x − 2)δ(y),<br />
20 20 20<br />
f 1 (x) = 6 12<br />
2<br />
· 1(x) + · 1(x − 1) + · 1(x − 2),<br />
20 20 20
27<br />
f 2 (y) = 2 12 · 1(y) +<br />
20 20 · 1(y − 1) + 6 · 1(y − 2),<br />
20<br />
EX = 0, 8, EY = 1, 2, DX = DY = 0, 36, σ x = σ y = 0, 6,<br />
cov(X, Y ) = −0, 36, r(X, Y ) = −1, sõltuvad, korreleeruvad,<br />
⎧<br />
⎪⎨ 2, x = 0,<br />
y = 1, x = 1,<br />
⎪⎩<br />
0, x = 2,<br />
⎧<br />
⎪⎨ 2, y = 0,<br />
x = 1, y = 1,<br />
⎪⎩<br />
0, y = 2.<br />
7.48.<br />
f 1 (x) =<br />
f(x, y) =<br />
{<br />
1<br />
, (x, y) ∈ [0, 2] × [−1, 2],<br />
6<br />
0, (x, y) ∉ [0, 2] × [−1, 2],<br />
{<br />
0, 5, x ∈ [0, 2],<br />
0, x ∉ [0, 2],<br />
f 2 (y) =<br />
{<br />
1<br />
, y ∈ [−1, 2],<br />
3<br />
0, y ∉ [−1, 2],<br />
EX = 1, EY = 0, 5, DX = 0, 25, DY = 0, 75, σ x = 0, 5,<br />
σ y =<br />
√<br />
3<br />
2<br />
≈ 0, 87, cov(X, Y ) = 0, sõltumatud, mittekorreleeruvad.<br />
7.49. 0n,<br />
f 1 (x) =<br />
{<br />
0, 25(x + 1), x ∈ [0, 2],<br />
0, x ∉ [0, 2],<br />
f(y/x) =<br />
f 2 (y) =<br />
{<br />
1, y ∈ [0, 1],<br />
{<br />
2(x − xy + y)/(x + 1), x ∈ [0, 2],<br />
0, x ∉ [0, 2],<br />
0, y ∉ [0, 1],<br />
EX = 7 11<br />
, EY = 0, 5, DX =<br />
6 36 , DY = 1<br />
12 , σ x =<br />
√<br />
11<br />
6<br />
≈ 0, 55,<br />
σ y =<br />
√<br />
3<br />
6<br />
≈ 0, 29, cov(X, Y ) = −<br />
1<br />
36 , r(X, Y ) = − 1 √<br />
33<br />
≈ −0, 174,
28<br />
K =<br />
y =<br />
( 11/36 −1/36<br />
1/12<br />
{ (x+2)<br />
, x ∈ [0, 2],<br />
3(x+1)<br />
0, x ∉ [0, 2],<br />
)<br />
, R =<br />
( √ )<br />
1 −1/ 33<br />
.<br />
1<br />
7.50.<br />
{<br />
4y 3 , y ∈ [0, 1],<br />
f 2 (y) =<br />
0, y ∉ [0, 1],<br />
{<br />
2xδ(y − √ x), (x, y) ∈ [0, 1] × [0, 1],<br />
fx, y) =<br />
0, (x, y) ∉ [0, 1] × [0, 1],<br />
EY = 0, 8.<br />
7.51.<br />
f 2 (y) =<br />
{<br />
ye y , y ∈ [0, 1],<br />
0, y ∉ [0, 1],<br />
f(y/x) = δ(y − ln x), EY = e − 2 ≈ 0, 72.<br />
7.52.<br />
f 1 (x) =<br />
{ {<br />
4 , x ∈ [0, π],<br />
4<br />
, y ∈ [0, 1],<br />
π 4 π(1+y<br />
0, x ∉ [0, π], f 2 (y) =<br />
2 )<br />
4<br />
0, y ∉ [0, 1],<br />
f(x, y) =<br />
{<br />
4<br />
π δ(y − tan x), x ∈ [0, π 4 ],<br />
0, x ∉ [0, π 4 ],
29<br />
EX = π 8 , EY = 4 π · ln √ 2 ≈ 0, 44, sõltuvad, korreleeruvad.<br />
7.53. EU = 2, EV = −16, DU = 3.<br />
7.54.<br />
⎛<br />
1 −1/2 √ ⎞<br />
3 0<br />
R = ⎝ 1 1/ √ 3⎠ ,<br />
1<br />
DU = 15, EU = EX + 2EY − 3EZ + 1.<br />
7.55. EY = 1, DY = 2, cov(X, Y ) = −2, r(X, Y ) = −1, sõltuvad,<br />
korreleeruvad.<br />
7.56. EZ = 17, 3, r(X, Y ) = 0, (48).<br />
7.57.<br />
⎧<br />
⎪⎨ 0, x < 0,<br />
1<br />
F 1 (x; t) =<br />
3 ⎪⎩<br />
· x(et − 1), 0 ≤ x ≤ 3e −t ,<br />
1, x ≥ 3e −t ,<br />
f 1 (x; t) =<br />
{<br />
0, x < 0 ∨ x > 3e −t ,<br />
1 · 3 (et − 1), 0 ≤ x ≤ 3e −t ,<br />
7.58.<br />
F 1 (x; t) =<br />
E x (t) = 1, 5e −t , K x (t 1 , t 2 ) = 0, 75e −t 1−t 2<br />
,<br />
D x (t) = 0, 75e −2t , R x (t 1 , t 2 ) = 1.<br />
{<br />
0, x < 0,<br />
0, 5(1 − exp(−2x/t)), x ≥ 0, (t > 0),<br />
f 1 (x; t) =<br />
{<br />
0, x < 0,<br />
1<br />
exp(−2x/t), x ≥ 0,<br />
t
30<br />
E x (t) = 0, 5t, D x (t) = 0, 25t 2 , K x (t 1 , t 2 ) = 0, 25t 1 t 2 , R x (t 1 , t 2 ) = 1.<br />
7.59.<br />
E x (t) = cos t+1−3t, K x (t 1 , t 2 ) = 4+t 1 t 2 , D x (t) = 4+t 2 , σ x (t) = √ 4 + t 2 ,<br />
R x (t 1 , t 2 ) =<br />
4 + t 1 t 2<br />
√<br />
(4 + t<br />
2<br />
1 )(4 + t 2 2) .<br />
7.60.<br />
E x (t) = cos t + 2 sin t, E x (0) = 1, K x (t 1 , t 2 ) =<br />
= 4t 1 t 2 + 9 sin t 1 sin t 2 − 3(t 1 sin t 2 + t 2 sin t 1 ),<br />
D x (t) = 4t 2 + 9 sin 2 t − 6t sin t, D x (0) = 0.<br />
7.61.<br />
E y (t) = 6t 2 + 3t, K y (t 1 , t 2 ) = 9t 1 t 2 cos t 1 cos t 2 ,<br />
D y (t) = 9t 2 cos 2 t, R y (t 1 , t 2 ) = 1.<br />
7.62.<br />
E y (t) = t cos t + sin t, K y (t 1 , t 2 ) = t 3 1t 3 2, σ y (t) = t 3 , R y (t 1 , t 2 ) = 1.<br />
7.63.<br />
E y (t) = et<br />
t , K y(t 1 , t 2 ) = ( ω2<br />
t 1 t 2<br />
) cos ωt 1 cos ωt 2 , D y (t) = ( ω2<br />
t 2 ) cos2 ωt,<br />
σ y (t) = ( ω t ) cos ωt, R y(t 1 , t 2 ) = sign (t 1 t 2 ).<br />
7.64.<br />
K y (t 1 , t 2 ) = 4t 2 1t 2 2 exp(t 2 1 + t 2 2), D y (t) = 4t 4 exp(2t 2 ), σ y (t) = 2t 2 exp t 2 .
31<br />
7.65.<br />
E y (t) = 1, K y (t 1 , t 2 ) = α 2 t 1 t 2 exp α(t 1 + t 2 ), D y (t) = α 2 t 2 exp(2αt),<br />
σ y (t) = αt exp(αt), R y (t 1 , t 2 ) = 1.<br />
7.66.<br />
K y (t 1 , t 2 ) = 0, 25t 2 1t 2 2(2t 1 + 2t 2 + t 1 t 2 ), D y (t) = 0, 25t 5 (4 + t),<br />
σ y (t) = 0, 5t 2√ t(4 + t), R y (t 1 , t 2 ) =<br />
2t 1 + 2t 2 + t 1 t 2<br />
√<br />
t1 (4 + t 1 ) · √t<br />
2 (4 + t 2 ) .<br />
7.67.<br />
E y (t) = α(e t − 1) + t, K y (t 1 , t 2 ) = (1 − e t 1<br />
+ t 1 e t 1<br />
)(1 − e t 2<br />
+ t 2 e t 2<br />
),<br />
D y (t) = (1 − e t + te t ) 2 .<br />
7.68.<br />
E x (t) = e t , K x (t 1 , t 2 ) = 4 cos(ω(t 2 − t 1 )), D x (t) = 4,<br />
X(t) ei ole statsionaarne.<br />
7.69.<br />
E x (t) = 3, K x (t 1 , t 2 ) = 4 cos(ω(t 2 − t 1 )) + 9 cos(2ω(t 2 − t 1 )),<br />
D x (t) = 13, on statsionaarne.<br />
7.70.<br />
E x (t) = t 2 , K x (t 1 , t 2 ) = 4 cos 3(t 1 − t 2 ) − 3 sin 3(t 1 + t 2 ),
32<br />
D x (t) = 4 − 3 sin 6t, ei ole statsionaarne.<br />
7.71.<br />
7.72.<br />
E x (t) = sin t, K x (t 1 , t 2 ) = t 1 t 2 + 3 cos(t 1 − t 2 ),<br />
D x (t) = t 2 + 3, E x ( π 2 ) = 1, D x( π 2 ) = (π2 4 ) + 3.<br />
x i 1 2 3 7 10 11 21<br />
m i 3 1 1 2 1 4 1<br />
¯x ≈ 7, 5, s 2 ≈ 34, 6, s ≈ 5, 88, x 0,75 = 11, 6, x 0,95 = 18, 0.<br />
7.73. EX ∈ (112, 9; 118, 1) = l 0,99 .<br />
7.74. 1 − 0, 9544 ≈ 0, 044.<br />
7.75.<br />
x k 2,70 2,85 2,90 3,20 3,25<br />
m k 2 3 4 1 1<br />
¯x ≈ 2, 91, s 2 ≈ 0, 033, s ≈ 0, 182, EX ∈ (2, 76; 3, 06),<br />
DX ∈ (0, 014; 0, 129), σ ∈ (0, 12; 0, 36).<br />
7.76. cov ∗ (X, Y ) = K ∗ x,y = 1, 6533, r ∗ x,y ≈ 0, 953 (tugev korrelatiivne<br />
seos).<br />
7.77. y = 2, 821 + 0, 765x.<br />
7.78. P (X > x α ) = 1 − P (X < x α ) = 0, 75, x 0,75 = 105, 8.<br />
7.79. H 0 : DX = DY, F arvutuslik = 13, 5, F 0,995; 5,6 = 11, 5, kehtib<br />
hüpotees H 1 : DX ≠ DY ehk X <strong>ja</strong> Y dispersioonid ei ole võrdsed.
7.80. H 0 : EX = EY, t arvutuslik = 1, 204, t 0,995; 11 = 3, 106, t 0,975; 11 =<br />
= 2, 201, seega mõlema usaldusnivoo korral nullhüpotees, et keskväärtused<br />
EX <strong>ja</strong> EY on võrdsed ei ole vastuolus valimiandmetega.<br />
33<br />
8. Näidisülesandeid koos lahendustega<br />
8.1. Vaatame katset, et visatakse kolm korda järjest münti (või korraga<br />
kolme münti). Sündmuseks on mingi vappide <strong>ja</strong> kir<strong>ja</strong>de kombinatsiooni<br />
esiletulek. Selgitame, mis on sellisel katsel elementaarsündmusteks, paneme<br />
kir<strong>ja</strong> sündmuste täieliku süsteemi ning selgitame sellel põhimõisteid.<br />
Vaadeldava katse korral võib nii vapp kui ka kiri esile tulla 0 kuni 3 korda.<br />
Kõikide erinevate võimaluste arv n võrdub kordumistega variatsioonide<br />
arvuga kahest elemendist kolme kaupa<br />
n = W 3 2 = 2 3 = 8.<br />
Tähistame vapi esiletuleku ühel viskel (mündil) sündmusena A <strong>ja</strong> kir<strong>ja</strong><br />
esiletuleku sündmusena B, siis vaadeldava katsega kaasneda võivate sündmuste<br />
(kõikide võimaluste) hulk on{AAA, AAB, ABA, BAA,<br />
ABB, BAB, BBA, BBB}, mis on paarikaupa teineteist välistavate elementaarsündmuste<br />
täielik süsteem. Selle süsteemi igale sündmusele on<br />
para<strong>ja</strong>sti üks soodne võimalus kaheksast.<br />
Katsele tuginev sündmuste täielik süsteem ei ole ühene. Tähistame<br />
sündmusena A i,j võimaluse, et katse tulemuseks on kir<strong>ja</strong> tulek i korda<br />
(i = 0, 1, 2, 3) <strong>ja</strong> vapi tulek j korda (j = 0, 1, 2, 3). Võimalike sündmuste<br />
hulk on {A 3,0 , A 1,2 , A 0,3 }, mis on sündmuste täielik süsteem. Siin<br />
A 3,0 = AAA, A 2,1 = AAB + ABA + BAA,<br />
A 1,2 = ABB + BAB + BBA, A 0,3 = BBB.<br />
Võrdvõimalikud on sündmused A 3,0 ning A 0,3 (mõlema toimumiseks üks<br />
soodne võimalik elementaarsündmus), samuti sündmused A 2,1 ning A 1,2<br />
(mõlema toimumiseks kolm soodsat elementaarsündmust). Kui tähistame<br />
vapi esiletuleku paarisarv korda C, siis C = A 2,1 ning selle vastandsündmus<br />
(vapp ei tule esile paaris arv korda) C = A 3,0 + A 1,2 + A 0,3 .<br />
Lihtne on veenduda, et hulk {C, C} on samuti täielik süsteem.<br />
8.2. Kaheksaliikmeline grupp läheb paadimatkale ühe nel<strong>ja</strong>- <strong>ja</strong> ühe kuuekohalise<br />
paadiga. Leiame tõenäosuse, et matka<strong>ja</strong> A satub suuremasse
34<br />
paati, kui matka<strong>ja</strong>d paatidesse loositakse.<br />
Lahendus. Kasutame klassikalist tõenäosust. Olgu sündmus A - matka<strong>ja</strong><br />
A satub suuremasse paati, siis P (A) = m.<br />
Kuna ühe paadi koosseis<br />
n<br />
määrab ühtlasi teise paadi koosseisu, siis lähtume näiteks suuremast<br />
paadist. Sellesse võib loosiga sattuda 6 või 5 või 4 matka<strong>ja</strong>t. Seega<br />
on suurema paadi korral kolm üksteist välistavat varianti, millest antud<br />
katse korral (8 inimese kahte antud paati juhuslik paigutamine) kombinatoorika<br />
liitmislause põh<strong>ja</strong>l kõikide elementaarvõimaluste arv n =<br />
= C8 6 + C8 5 + C8 4 = 28 + 56 + 70 = 154.<br />
Kuna C8 k = C8 8−k , siis on see sama, et n = C8 2 + C8 3 + C8 4 = 154, mis<br />
vastab aga loosimisele väiksemasse paati.<br />
Soodsate võimaluste arvu saame tingimusest, et matka<strong>ja</strong> A satub<br />
loosiga suuremasse paati. Seega soodsate võimaluste arv m on määratud<br />
ülejäänud 7 matka<strong>ja</strong> paigutumisega paatidesse. Eelneva põh<strong>ja</strong>l m =<br />
= C7 5 + C7 4 + C7 3 = 21 + 35 + 35 = 91 ning saame, et<br />
P (A) = 91<br />
154<br />
≈ 0, 591. □<br />
8.3. Lõigule BC paigutatakse juhuslikult kaks punkti L <strong>ja</strong> M. Leiame<br />
tõenäosuse, et punkt L asub punktile M lähemal kui punktile B.<br />
Lahendus. Kasutame geomeetrilist tõenäosust. Olgu lõigu BC pikkus<br />
ρ(B, C) = 1. Tähistame ρ(B, L) = x <strong>ja</strong> ρ(B, M) = y. Meid huvitab<br />
sündmuse A : ρ(L, M) < ρ(B, L) tõenäosus. Kuna L <strong>ja</strong> M on suvalised<br />
punktid lõigult BC, siis x, y ∈ [0, 1]. Kõikide võimalike paaride (x; y)<br />
hulk Ω on ruut [0, 1] × [0, 1] pindalaga µ(Ω) = 1. Sündmus A toimub,<br />
kui |x − y| < x <strong>ja</strong> x < y. Veendu, et juhul x > y on A kindel sündmus!<br />
Lahendame süsteemi<br />
{<br />
|x − y| < x,<br />
⇒ x − y < 0 ⇒ −(x − y) < x ⇒ y < 2x.<br />
x < y,<br />
Sündmus A toimub, kui juhuslik punkt (x; y) satub ruudus [0, 1] × [0, 1]<br />
allapoole sirget y = 2x. Vastav piirkond Ω A on joonisel viirutatud. Viirutatud<br />
osa pindala µ(Ω A ) = 3 4 . Seega<br />
P (A) = µ(Ω A)<br />
µ(Ω)<br />
=<br />
0, 75<br />
1<br />
= 0, 75. □
35<br />
y<br />
✻ y = 2x<br />
1 ✁ ❅ ❅❅<br />
❅<br />
❅❅ ❅ ❅<br />
❅<br />
❅ ❅<br />
✁ ✁✁✁✁✁✁ ❅<br />
❅<br />
❅<br />
1<br />
✲ x<br />
8.4. Ühes komplektis on 8 häälestatud <strong>ja</strong> 7 häälestamata seadet, teises<br />
komplektis 10 häälestatud <strong>ja</strong> 6 häälestamata seadet. Mõlemast komplektist<br />
võetakse juhuslikult 3 seadet. Leiame tõenäosuse, et kõik võetud<br />
seadmed on häälestatud.<br />
Lahendus. I Katse on 3 <strong>ja</strong> 3 seadme võtmine. Meid huvitav sündmus on<br />
kahe sõltumatu sündmuse A 1 <strong>ja</strong> A 2 korrutis.<br />
P (A 1 A 2 ) = P (A 1 ) · P (A 2 )<br />
A 1 - kolme häälestatud seadme saamine esimesest komplektist,<br />
A 2 - kolme häälestatud seadme saamine teisest komplektist.<br />
P (A 1 ) ning P (A 2 ) leiame klassikalise tõenäosuse definitsioonist.<br />
n 1 = C 3 15 = 455, m 1 = C 3 8 = 56, n 2 = C 3 16 = 560, m 2 = C 3 10 = 120.<br />
P (A 1 A 2 ) = m 1<br />
n 1<br />
· m2<br />
n 2<br />
=<br />
56 · 120<br />
455 · 560 = 12<br />
455<br />
≈ 0, 026. □<br />
kasu-<br />
Märkus. Lahenduse võib kir<strong>ja</strong> panna ka valemit Cn m =<br />
n!<br />
tades. Siis<br />
P (A 1 A 2 ) =<br />
8! · 3! · 12! 10! · 3! · 13!<br />
·<br />
3! · 5! · 15! 3! · 7! · 16!<br />
=<br />
m!(n−m)!<br />
8 · 7 · 6 · 10 · 9 · 8<br />
13 · 14 · 15 · 16 · 15 · 14 =<br />
= 241920 ≈ 0, 026.<br />
9172800<br />
II Katse on 6 seadme järjest võtmine, kusjuures võtmiste järjekord ei<br />
ole oluline ning ühest komplektist võetu ei mõjuta teisest komplektist
36<br />
võtmise tulemust. Tähistame A 1,k esimesest komplektist <strong>ja</strong> A 2,k teisest<br />
komplektist häälestatud seadme saamise, k = 1, 2, 3. Siis<br />
A 1 A 2 = A 11 · A 12 · A 13 · A 21 · A 22 · A 23 .<br />
Sündmused A 1,k , samuti sündmused A 2,k on sõltuvad, seega<br />
P (A 1 A 2 ) = P (A 11 ) · P (A 12 /A 11 ) · P (A 13 /A 11 A 12 ) · P (A 21 )·<br />
·P (A 22 /A 21 ) · P (A 23 /A 21 A 22 ) =<br />
= 8<br />
15 · 7<br />
14 · 6<br />
13 · 10<br />
16 · 9<br />
15 · 8<br />
≈ 0, 026. □<br />
14<br />
Võrdle esimese lahendusvariandiga. Analoogsete ülesannete lahendamisel<br />
vali endale sobivam lahendusvariant.<br />
8.5. Signaali püütakse teineteisest sõltumatult kahe vastuvõt<strong>ja</strong>ga. Signaali<br />
tabamise tõenäosus on neil vastavalt 0,5 <strong>ja</strong> 0,7. Leiame tõenäosuse,<br />
et signaal vastu võetakse.<br />
Lahendus. I Signaal võetakse vastu, kui selle tabab vähemalt üks vastuvõt<strong>ja</strong>test.<br />
Tähistame signaali vastuvõtmise sündmusena A, signaali<br />
vastuvõtmise vastuvõt<strong>ja</strong>te poolt A 1 ning A 2 . Siis A = A 1 +A 2 . Sündmused<br />
A 1 ning A 2 on mittevälistavad, seega P (A) = P (A 1 + A 2 ) = P (A 1 )+<br />
+P (A 2 )−P (A 1 )P (A 2 ). Veendu, et sündmused A 1 ning A 2 on ka sõltumatud.<br />
Saame<br />
P (A) = 0, 5 + 0, 7 − 0, 5 · 0, 7 = 0, 85. □<br />
Näeme, et vastuvõt<strong>ja</strong> dubleerimine tõstab oluliselt süsteemi töökindlust<br />
- signaali vastuvõtmise tõenäosust.<br />
II Sündmuse vähemalt üks vastandsündmus on mitte ükski. Vaadeldavas<br />
ülesandes sündmuse A vastandsündmus on, et kumbki vastuvõt<strong>ja</strong> ei taba<br />
signaali ehk A = A 1 A 2 . Seega saame otsitud tõenäosuse ka<br />
P (A) = 1 − P (A) = 1 − P (A 1 A 2 ) = 1 − P (A 1 )P (A 2 ) =<br />
= 1 − 0, 5 · 0, 3 = 1 − 0, 15 = 0, 85. □<br />
III Tõenäosuse saab leida tuginedes sündmust A sisaldavale sündmuste<br />
täielikule süsteemile {A 1 A 2 , A 1 A 2 , A 1 A 2 , A 1 A 2 }. Selle süsteemi neli<br />
sündmust on teineteist paari kaupa välistavad, seega<br />
P (A) = P (A 1 A 2 ) + P (A 1 A 2 ) + P (A 1 A 2 ).
37<br />
Arvestades sündmuste A 1 , A 2 , A 1 , A 2 sõltumatust saame<br />
P (A) = 0, 5 · 0, 7 + 0, 5 · 0, 3 + 0, 5 · 0, 7 = 0, 35 + 0, 15 + 0, 35 = 0, 85. □<br />
Sündmused A 1 <strong>ja</strong> A 1 on võrdtõenäosed.<br />
8.6. Kui suur peab olema signaali vastuvõtmise tõenäosus p ühel edastamisel<br />
selleks, et signaali kordamisel neli korda see võetakse vastu tõenäosusega<br />
vähemalt 0,99?<br />
Lahendus. Signaal võetakse vastu, kui see tabatakse vähemalt ühel korral<br />
nel<strong>ja</strong>st. Tegemist on nel<strong>ja</strong> mittevälistava sõltumatu sündmuse A i (i =<br />
= 1, 2, 3, 4) summaga, kusjuures P (A i ) = p. Tähistame P (A i ) =<br />
= 1 − p = q.<br />
Kasutame summa vastandsündmust<br />
P (A 1 + A 2 + A 3 + A 4 ) = 1 − P (A 1 )P (A 2 )P (A 3 )P (A 4 ) ⇒<br />
⇒ 1 − q 4 ≥ 0, 99 ⇒ q 4 ≤ 0, 01 ⇒ q ≤ 0, 3162 ⇒<br />
⇒ p ≥ 1 − 0, 3162 = 0, 6838. □<br />
8.7. Kolmes kemikaalide partiis on vastavalt 15%, 25% ning 5% aegunud<br />
ampulle. Leiame tõenäosuse, et juhuslikult võetud ampull ei sisalda aegunud<br />
kemikaali.<br />
Lahendus. I Ampull võetakse juhuslikust partiist. Olgu hüpotees H i (i =<br />
= 1, 2, 3), et ampull võetakse i-ndast partiist, siis P (H 1 ) = P (H 2 ) =<br />
= P (H 3 ) = 1 ning meil on hüpoteeside täielik süsteem. Meid huvitava<br />
sündmuse A, võetud ampullis kemikaal ei ole aegunud, tinglikud<br />
3<br />
tõenäosused on P (A/H 1 ) = 0, 85, P (A/H 2 ) = 0, 75, P (A/H 3 ) = 0, 95.<br />
Soovitud tõenäosuse leiame täistõenäosuse valemi põh<strong>ja</strong>l<br />
P (A) = P (H 1 )P (A/H 1 ) + P (H 2 )P (A/H 2 ) + P (H 3 )P (A/H 3 ) =<br />
= 1 (0, 85 + 0, 75 + 0, 95) = 0, 85. □<br />
3<br />
II Ülesande saab lahendada ka täistõenäosuse valemit kasutamata. Partii<br />
<strong>ja</strong> ampulli valik on juhuslik. Kuna partiide kohta ei ole täiendavat informatsiooni,<br />
võib aegumata kemikaaliga ampulli saamist vaadata kui katse:
38<br />
300 ampulli hulgast, milles 85+75+95=255 on aegumata kemikaaliga,<br />
võetakse juhuslikult üks ampull, tulemust.<br />
P (A) = m n = 255<br />
300<br />
= 0, 85. □<br />
8.8. Kolmes komplektis on tooteid tunnusega A ning tunnusega B. Ühes<br />
komplektis on 2 toodet tunnusega A ning 3 toodet tunnusega B, teises<br />
komplektis on vastavaid tooteid 3 ning 5 <strong>ja</strong> kolmandas komplektis 3<br />
ning 7. Leiame tõenäosuse, et juhuslikust komplektist juhuslikult saadud<br />
toode tunnusega A võeti teisest komplektist. Millisest komplektist võeti<br />
toode tunnusega A kõige tõenäosemalt?<br />
Lahendus. Soovitud tõenäosuslikud hinnangud saame Bayesi valemi kaudu.<br />
Leiame kõigepealt tõenäosuse, et juhuslikult võetud toode on tunnusega<br />
A - sündmus A. Hüpoteeside täielik süsteem on {H 1 , H 2 , H 3 }, kus<br />
H i on hüpotees, et toode võeti i- ndast komplektist <strong>ja</strong> P (H 1 ) = P (H 2 ) =<br />
= P (H 3 ) = 1. Samuti on teada P (A/H 3 1) = 2, P (A/H 5 2) = 3, P (A/H 8 3 =<br />
= 3 . Täistõenäosuse valemi põh<strong>ja</strong>l (vt. ülesanne 8.7.)<br />
10<br />
P (A) = 1 3 (0, 4 + 0, 375 + 0, 3) = 1 · 1, 075 = 0, 358(3).<br />
3<br />
Bayesi valemi kaudu saame iga hüpoteesi aposterioorse tõenäosuse pärast<br />
sündmuse toimumist kui sündmuse vaadeldava hüpoteesiga toimumise<br />
võimalikkuse osakaalu täistõenäosuses.<br />
P (H 2 /A) = P (H 2) · P (A/H 2 )<br />
P (A)<br />
=<br />
1<br />
3<br />
1<br />
3<br />
· 0, 375<br />
≈ 0, 3488. □<br />
· 1, 075<br />
Enne sündmuse A toimumist olid kõik P (H i ) = 1 (i = 1, 2, 3). Et saada<br />
3<br />
vastus teisele küsimusele, leiame ka hüpoteeside H 1 ning H 3 tinglikud<br />
tõenäosused pärast sündmuse A toimumist:<br />
P (H 1 /A) = 0, 4<br />
1, 075<br />
≈ 0, 3721,<br />
P (H 3 /A) = 0, 3 ≈ 0, 2791.<br />
1, 075<br />
Hüpoteeside ümberhinnatud tõenäosusi võrreldes näeme, et kõige tõenäosem<br />
on hüpotees H 1 ehk toode tunnusega A võeti kõige tõenäosemalt<br />
esimesest komplektist. □
39<br />
Ka pärast ümberhindamist<br />
P (H 1 /A) + P (H 2 /A) + P (H 3 /A) = 0, 3488 + 0, 3721 + 0, 2791 = 1.<br />
Mõtle, millisest lisainformatsioonist tuleneb hüpoteeside erinev võimalikkus<br />
pärast sündmuse A toimumist?<br />
Märkus. Lahendades sama ülesande sündmuse B suhtes, et juhuslikul<br />
võtmisel saadi toode tunnusega B leiame:<br />
P (B) = 1 · 1, 925 = 0, 641(6) (NB! P (A) + P (B) = 1),<br />
3<br />
P (H 1 /B) = 0, 3117, P (H 2 /B) = 0, 3247, P (H 3 /B) = 0, 3636.<br />
Analüüsi tulemusi analoogiliselt sündmuse A korral tehtule!<br />
8.9. Rendifirma mistahes auto võib ööpäeva jooksul va<strong>ja</strong>da remonti<br />
tõenäosusega 0,02. Leiame tõenäosuse, et suvalisest kümnest rendiautost<br />
va<strong>ja</strong>b ööpäevas remonti kolm. Mitu autot kümnest va<strong>ja</strong>b ööpäevas<br />
remonti kõige tõenäosemalt? Leiame ka selle tõenäosuse.<br />
Lahendus. Leiame esimese tõenäosuse Bernoulli valemi kaudu:<br />
P n (m) = C m n p m q n−m ,<br />
kus n = 10, m = 3, p = 0, 02, q = 0, 98, C 3 10 = 10!<br />
3!·7! = 120.<br />
P 10 (3) = C 3 10 · 0, 02 3 · 0, 98 7 = 0, 0008(3) ≈ 8, 3 · 10 −4 . □<br />
Leiame tõenäoseima remonti va<strong>ja</strong>va rendiautode arvu kümnest<br />
[(n + 1)p] ⇒ [(10 + 1) · 0, 02] = [0, 22] = 0. □<br />
Seega kõige tõenäolisemalt ei va<strong>ja</strong> antud rendifirma mistahes kümnest<br />
autost ööpäevas remonti ükski.<br />
8.10. Firma juhatusse kuulub 7 liiget. Tähtsate otsuste vastuvõtmiseks<br />
on tarvis kahe kolmandiku liikmete kohalolek. Järjekordseks istungiks<br />
saab iga liige kohale tulla tõenäosusega 0,7. Leiame tõenäosuse, et sellel<br />
koosolekul saab vastu võtta tähtsaid otsuseid.<br />
Lahendus. Kaks kolmandikku seitsmest on 4,(6), seega peab koosolekul<br />
osalema vähemalt 5 juhatuse liiget ehk 5 või 6 või 7 liiget. Tuleb leida
40<br />
kolme üksteist välistava sündmuse summa tõenäosus. Kuna kõigil juhatuse<br />
liikmeil on sama osavõtu võimaluse tõenäosus p = 0, 7, siis kasutame<br />
Bernoulli valemit.<br />
P 7 (5) + P 7 (6) + P 7 (7) = C 5 7 · 0, 7 5 · 0, 3 2 + C 6 7 · 0, 7 6 · 0, 3 + 0, 7 7 =<br />
= 0, 317652 + 0, 247063 + 0, 082354 ≈ 0, 647. □<br />
Märkus. Antud ülesande tingimustel on kõige tõenäosem kohale tulla<br />
saavate juhatuse liikmete arv<br />
[(7 + 1) · 0, 7] = [5, 6] = 5.<br />
8.11. Viiest kaalust üks on ebatäpne. Selle eraldamiseks tehakse iga<br />
kaaluga etaloni kontrollkaalumine. Kaalude kontrollimise järjekord on<br />
juhuslik. Leiame ebatäpse kaalu väl<strong>ja</strong>selgitamiseks va<strong>ja</strong>like kaalumiste<br />
(kontrollitud kaalude) arvu <strong>ja</strong>otusseaduse.<br />
Lahendus Ebatäpne kaal võib osutuda kontrollitavaks esimesel, teisel, ...,<br />
viiendal kaalumisel. Seega kontrollkaalumiste arv on diskreetne juhuslik<br />
suurus X, millel on viis võimalikku väärtust x i ∈ {1, 2, 3, 4, 5}. Leiame<br />
sündmuste X = x i tõenäosused p i . Selleks avaldame sündmused X = x i<br />
sündmuste A-kontrollitav kaal on ebatäpne ning A-kontrollitav kaal on<br />
täpne korrutisena.<br />
Kui esimesena kontrollitud kaal on ebatäpne, lõpetatakse kaalumine, sest<br />
sündmus A toimus. Seega X = 1, p 1 = P (X = 1) = P (A) = 1 5 .<br />
Kui esimesena kontrollitud kaal on täpne, kontrollitakse järgmist. Kui<br />
see osutub ebatäpseks, siis lõpetatakse kaalumine. Kuna esimesena kontrollitud<br />
kaalu uuesti ei kontrollita, on tegemist sõltuvate sündmuste korrutamisega,<br />
sest iga kaalumisega kontrollitavate kaalude arv väheneb.<br />
p 2 = P (X = 2) = P (AA) = P (A)P (A/A) = 4 5 · 1<br />
4 = 1 5 .<br />
Selliselt, mõtteliselt katset jätkates, saame<br />
p 3 = P (X = 3) = P (AAA) = P (A)P (A/A)P (A/AA) = 4 5 · 3<br />
4 · 1<br />
3 = 1 5 ,<br />
p 4 = P (X = 4) = P (AAAA) = P (A)P (A/A)P (A/AA) · P (A/AAA) =<br />
= 4 5 · 3<br />
4 · 2<br />
3 · 1<br />
2 = 1 5 ,
p 5 = P (X = 5) = P (AAAAA) = ... = 4 5 · 3<br />
4 · 2<br />
3 · 1<br />
2 · 1 = 1 5 ,<br />
sest P (A/AAAA) = P (K) = 1. Sündmused X = 1, ..., X = 5 moodustavad<br />
täieliku süsteemi (kontrolli!).<br />
Vormistame kontrollkaalumiste arvu X <strong>ja</strong>otusseaduse <strong>ja</strong>otustabelina<br />
x i 1 2 3 4 5<br />
p i 1/5 1/5 1/5 1/5 1/5 . □<br />
Kontrollkaalumiste arvul X on diskreetne ühtlane <strong>ja</strong>otus.<br />
41<br />
8.12. Signaali edastatakse selle kinnipüüdmiseni. Igal edastamisel võidakse<br />
signaal kinni püüda tõenäosusega p = 0, 7. Leiame signaali kinnipüüdmiseks<br />
va<strong>ja</strong>like edastamiste arvu <strong>ja</strong>otusseaduse <strong>ja</strong> <strong>ja</strong>otusfunktsiooni.<br />
Lahendus. Signaali võidakse kinni püüda mistahes edastamisel. Kinnipüüdmiseks<br />
va<strong>ja</strong>like edastamiste arv on juhuslik suurus X, millel on<br />
loenduv hulk võimalikke väärtusi x i ∈ {1, 2, ..., n, ...}. Praktiliselt osutub<br />
see hulk lõplikuks. Vaatame katsega (signaalide järjestikune sõltumatu<br />
edastamine <strong>ja</strong> püüdmine kuni signaali vastuvõtmiseni) kaasnevaid võimalusi<br />
<strong>ja</strong> leiame neile vastavad tõenäosused P (X = x i ) = p i .<br />
Signaal võetakse vastu esimesel edastamisel:<br />
x 1 = 1, P (X = 1) = p.<br />
Signaal võetakse vastu teisel edastamisel (esimesel seda kinni ei püütud):<br />
x 2 = 2, P (X = 2) = qp, kus q = 1−p on tõenäosus, et signaali ei tabata.<br />
Signaal võetakse vastu kolmandal edastamisel (kahel esimesel edastamisel<br />
seda ei tabatud):<br />
x 3 = 3, P (X = 3) = q · q · p = q 2 p.<br />
Kasutades matemaatilise induktsiooni meetodit saame x n = n, P (X =<br />
= n) = p q n−1 . □<br />
Tegemist on geomeetrilise <strong>ja</strong>otusega, sest sündmuste x = 1, x =<br />
= 2, ..., x = n, ... tõenäosused<br />
p, p q, p q 2 , ..., p q n−1 , ...<br />
on geomeetrilise rea liikmed, kusjuures q = 0, 3 < 1.<br />
Leiame selle rea summa<br />
∞∑<br />
∞∑<br />
∞∑<br />
P (X = x i ) = p q i−1 = p q i =<br />
p<br />
1 − q = p p = 1.<br />
i=1<br />
i=1<br />
i=0
42<br />
Seega sündmuste X = x i hulk on täielik süsteem.<br />
Kinnipüüdmiseni edastatud signaalide arvu <strong>ja</strong>otustabel on<br />
x i 1 2 3 4 ... n<br />
p i 0,7 0, 7 · 0, 3 = 0, 7 · 0, 3 2 = 0, 7 · 0, 3 3 = ... 0, 7 · 0, 3 n−1<br />
= 0, 21 = 0, 063 = 0, 0189<br />
□<br />
X väärtuste hulga täielikkus on eelnevalt üldjuhul kontrollitud. Leiame<br />
tabelis toodud tõenäosuste põh<strong>ja</strong>l, kui suur on tõenäosus, et signaali<br />
kinnipüüdmiseks on va<strong>ja</strong> seda kuni neli korda edastada:<br />
P (X ≤ 4) = P (X = 1) + P (X = 2) + P (X = 3) + P (X = 4) =<br />
= 0, 7 + 0, 21 + 0, 063 + 0, 0189 = 0, 9919.<br />
Tulemusest järeldub, et signaali kinnipüüdmine nel<strong>ja</strong> edastamise jooksul<br />
on praktiliselt kindel sündmus. Pikemate edastamisseeriate korral suureneb<br />
signaali vastuvõtmise tõenäosus ainult 0,0081 võrra.<br />
Jaotusfunktsioon<br />
F (x) = ∑ k
43<br />
ühega, saame silmade arvu X <strong>ja</strong>otusseaduse esitada <strong>ja</strong>otustabelina<br />
x i 1 2 3 4<br />
p i 0,5 0,25 0,125 0,125 . □<br />
Jaotusfunktsioon on<br />
⎧<br />
0, kui x ≤ 1,<br />
⎪⎨ 0, 5, kui 1 < x ≤ 2,<br />
F (x) = 0, 75, kui 2 < x ≤ 3,<br />
0, 875, kui 3 < x ≤ 4,<br />
⎪⎩<br />
1, kui 4 < x. □<br />
Lihtne on veenduda, et F (1) = P (X < 1) = P (V ) = 0, F (2) =<br />
= P (X < 2) = P (X = 1) = 0, 5, F (3) = P (X < 3) = P (X = 1)+<br />
+P (X = 2) = 0, 5 + 0, 25 = 0, 75 jne. Kui x > 4, siis F (x) = P (X =<br />
= 1)+P (X = 2)+P (X = 3)+P (X = 4) = 0, 5+0, 25+0, 125+0, 125 = 1.<br />
Kasutades Heaviside’i funktsiooni, saame <strong>ja</strong>otusfunktsiooni esitada<br />
F (x) = 0, 5 · 1(x − 1) + 0, 25 · 1(x − 2) + 0, 125 · 1(x − 3) + 0, 125 · 1(x − 4).<br />
Leiame nüüd nõutud tõenäosused:<br />
P (X < 4) = F (4) = 0, 875,<br />
P (2 ≤ X < 4) = P (X = 2) + P (X = 3) = 0, 25 + 0, 125 = 0, 375,<br />
P (X > 3) = P (X = 4) = 0, 125. □<br />
8.14. Pideva juhusliku suuruse X <strong>ja</strong>otustihedus avaldub kujul<br />
{<br />
0, kui x ∉ [0, 1],<br />
f(x) =<br />
ax 3 , kui x ∈ [0, 1].<br />
Määrame korda<strong>ja</strong> a, leiame F (x), skitseerime mõlema funktsiooni graafikud.<br />
Leiame juhusliku suuruse X keskväärtuse EX, standardhälbe σ<br />
ning tõenäosused P (X < 0, 5), P (X ∈ [0, 25; 0, 75]).<br />
Lahendus. Korda<strong>ja</strong> a määrame tingimusest ∫ +∞<br />
f(x)dx = 1. Kuna f(x)<br />
−∞<br />
on nullist erinev vaid lõigul [0, 1], siis ∫ 0<br />
f(x)dx = ∫ +∞<br />
f(x)dx = 0<br />
−∞ 1
44<br />
<strong>ja</strong> ∫ 1<br />
0 ax3 dx Peab!<br />
= 1. Saame a x4<br />
4 |1 0 = 1 ⇒ a 4<br />
<strong>ja</strong>otustiheduse täpne avaldis<br />
Jaotusfunktsioon<br />
seega<br />
f(x) =<br />
{<br />
0, kui x ∉ [0, 1],<br />
4x 3 , kui x ∈ [0, 1].<br />
= 1 ⇒ a = 4. □ Seega on<br />
F (x) = ∫ x<br />
−∞ f(t)dt = ∫ x<br />
0 4t3 dx = 4 · t4 4 |x 0 = x4 ,<br />
⎧<br />
⎪⎨ 0, kui x < 0,<br />
F (x) = x<br />
⎪⎩<br />
4 , kui 0 ≤ x ≤ 1,<br />
1, kui x > 1. □<br />
Skitseerime funktsioonide f(x) <strong>ja</strong> F (x) graafikud<br />
f(x)<br />
✻<br />
4<br />
F (x)<br />
✻<br />
1<br />
✛<br />
1<br />
✲ x<br />
1<br />
✲ x<br />
Leiame<br />
EX = ∫ +∞<br />
−∞ xf(x)dx = ∫ 0<br />
−∞ x · 0dx + ∫ 1<br />
0 x · 4x3 dx + ∫ +∞<br />
1<br />
x · 0dx =<br />
= 4 ∫ 1<br />
0 x4 dx = 4 · x5<br />
5 |1 0 = 4 5<br />
= 0, 8. □<br />
Vaadates tihedusfunktsiooni graafikut on arusaadav keskväärtuse tugev<br />
nihe paremale, sest sealt tulevad X väärtused palju tihedamalt esile.
Kuna σ = √ DX, leiame dispersiooni DX kasutades selle avaldumist algmomentide<br />
kaudu.<br />
millest<br />
Lõpetuseks<br />
DX = EX 2 − (EX) 2 = ∫ 1<br />
0 x2 · 4x 3 dx − ( 4 5 )2 = 4 6 − 16<br />
25 = 2 75 ,<br />
σ = √ 0, 02(6) ≈ 0, 1633. □<br />
P (X < 0, 5) = F (0, 5) = 0, 5 4 = 0, 0625,<br />
P (X ∈ [0, 25; 0, 75]) = F (0, 75) − F (0, 25) = 0, 75 4 − 0, 25 4 = 0, 3125. □<br />
45<br />
8.15. Seade rikneb garantiia<strong>ja</strong> jooksul tõenäosusega 0,01. Leiame tõenäosuse,<br />
et 20 sellisest seadmest rikneb garantiia<strong>ja</strong> jooksul kuni 3 seadet.<br />
Lahendus. Riknevate seadmete arv on juhuslik suurus X, millel on binoom<strong>ja</strong>otus<br />
parameetriga n = 20 <strong>ja</strong> p = 0, 01. Arvutades EX = np =<br />
= 20·0, 01 = 0, 2 ning DX = np q = 20·0, 01·0, 99 = 0, 198 ≈ 0, 2 näeme,<br />
et EX ≈ DX. Seega võime binoom<strong>ja</strong>otuse asendada Poissoni <strong>ja</strong>otusega,<br />
mille parameeter λ = np = 0, 2. Esitame (X ≤ 3) = (X = 0) + (X =<br />
= 1) + (X = 2) + (X = 3). Liidetavad sündmused on üksteist välistavad.<br />
Tähistame P (X = k) = p(k), siis<br />
p(k) ≈<br />
0, 2k<br />
e −0,2 .<br />
k!<br />
P (X ≤ 3) = p(0)+p(1)+p(2)+p(3) ≈ e −0,2 0, 20<br />
(<br />
0!<br />
+ 0, 2 0, 22<br />
+ +<br />
1! 2!<br />
= e −0,2 (1 + 0, 2 + 0, 02 + 0, 001(3)) = 0, 99994. □<br />
0, 23<br />
) =<br />
3!<br />
8.16 Kiirtee teataval lõigul toimub nädalas keskmiselt 2 liiklusõnnetust.<br />
Leiame tõenäosuse, et 3 päeva jooksul toimub sellel teelõigul vähemalt<br />
üks liiklusõnnetus.
46<br />
Lahendus. Liiklusõnnetuste arv päevas on juhuslik suurus X, millel on<br />
Poissoni <strong>ja</strong>otus. Jaotuse parameeter λ on keskmine liiklusõnnetuste arv<br />
meid huvitavas a<strong>ja</strong>vahemikus. Sündmuse X ≥ 1, toimub vähemalt üks<br />
liiklusõnnetus, asemel kasutame selle vastandsündmust X = 0, et ei<br />
toimu ühtegi liiklusõnnetust.<br />
P (X ≥ 1) = 1 − P (X = 0),<br />
kus P (X = m) = λm<br />
m! e−λ <strong>ja</strong> λ = 2 · 3 = 6 7 7<br />
päeva kohta.<br />
on keskmine õnnetuste arv kahe<br />
P (X ≥ 1) = 1 − ( 6 7 )0<br />
0!<br />
· e − 6 7 = 1 − e<br />
− 6 7 ≈ 0, 576. □<br />
8.17. Trollibussid sõidavad regulaarselt intervalliga 5 min. Üliõpilane<br />
jõuab peatusse juhuslikul a<strong>ja</strong>hetkel. Leiame tõenäosuse, et üliõpilasel ei<br />
tule oodata kauem kui 2 min.; 0,5 min. Kui pikk on keskmine ooteaeg?<br />
Lahendus. Trollibussi ootamise aeg X on lõigul [0,5] ühtlase <strong>ja</strong>otusega<br />
juhuslik suurus. Selle <strong>ja</strong>otuse <strong>ja</strong>otusfunktsioon F (X) = x−0 = x, kui<br />
5−0 5<br />
x ∈ [0, 5]. Leiame sündmuste X ≤ 2 <strong>ja</strong> X ≤ 0, 5 tõenäosused<br />
P (X ≤ 2) = P (X < 2) = F (2) = 2/5 = 0, 4,<br />
P (X ≤ 0, 5) = P (X < 0, 5) = F (0, 5) = 0, 5/5 = 0, 1. □<br />
Keskmine ooteaeg on ootea<strong>ja</strong> keskväärtus<br />
EX = a + b<br />
2<br />
= 0 + 5<br />
2<br />
= 2, 5 min. □<br />
8.18. Seadme garantiiaeg on 10 aastat. Leiame tõenäosuse, et rike<br />
toimub esimese 5 aasta jooksul. Enne millist aega seade ei rikne tõenäosusega<br />
0,95? Kui suur on tõenäosus, et seade rikneb a<strong>ja</strong>vahemikus (5, 15)?<br />
Lahendus. Seadme tõrketa tööaeg on eksponent<strong>ja</strong>otusega juhuslik suurus<br />
T , mille <strong>ja</strong>otusfunktsioon<br />
F (t) = 1 − e −λt ,
kus t ≥ 0 <strong>ja</strong> parameeter λ - sündmuse toimumiste keskmine arv a<strong>ja</strong>ühikus<br />
(käesolevas ülesandes aasta), λ = 1 = 0, 1 sündmust aasta kohta.<br />
10<br />
P (T < 5) = F (5) = 1 − e −0,1·5 = 1 − 0, 606531 ≈ 0, 394. □<br />
Et tõrke tõenäosuse leidmine on riski hindamine, siis ümardame tulemuse<br />
ülespoole.<br />
Teisele küsimusele vastuse saamiseks lahendame a<strong>ja</strong> t suhtes võrrandi<br />
P (T ≥ t) = 0, 95 ⇒ 1 − P (T < t) = 0, 95 ⇒ F (t) = 0, 05 ⇒<br />
⇒ 1 − e −0,1t = 0, 95 ⇒ e −0,1t = 0, 05 ⇒ −0, 1t = ln0, 05 ⇒<br />
⇒ t = 29, 957 ≈ 30aastat. □<br />
Seega peaks seade soovitud usaldatavuse saavutamiseks töötama tõrgeteta<br />
kolm korda kauem kui on garantiiaeg. Lõpuks<br />
P (5 < T < 15) = F (15) − F (5) = 1 − e 1,5 − (1 − e −0,5 ) =<br />
= e −0,5 − e −1,5 = e − 1<br />
e √ e<br />
≈ 0, 3834. □<br />
47<br />
8.19. Signaali edastatakse korduvalt selle vastuvõtmiseni. Signaali vastuvõtmise<br />
tõenäosus igal edastamisel on 0,4. Paneme kir<strong>ja</strong> signaali vastuvõtmiseks<br />
kulunud edastamiste arvu X, kui juhusliku suuruse, <strong>ja</strong>otusfunktsiooni<br />
ning <strong>ja</strong>otustiheduse ning leiame keskväärtuse <strong>ja</strong> dispersiooni.<br />
Lahendus. Signaali edastamiste arv X on diskreetne juhuslik suurus,<br />
mille võimalike väärtuste hulk on loenduv hulk {1, 2, ..., n, ...}. Juhuslikul<br />
suurusel X on geomeetriline <strong>ja</strong>otus parameetriga p = 0, 4, millest q =<br />
= 1 − p = 0, 6. Jaotusfunktsioon<br />
F (x) = ∑ m
48<br />
Jaotustiheduse avaldame deltafunktsiooni kaudu.<br />
∞∑<br />
f(x) = 0, 4 · 0, 6 m−1 δ(x − m). □<br />
m=1<br />
Liikmeti kirjutatuna on nende funktsioonide avaldised<br />
F (x) = 0, 4(1(x−1)+0, 6·1(x−2)+0, 6 2·1(x−3)+...+0, 6 n−1·1(x−n)+...),<br />
f(x) = 0, 4(δ(x − 1) + 0, 6 · δ(x − 2) + ... + 0, 6 n−1 · δ(x − n) + ...).<br />
Keskväärtuse <strong>ja</strong> dispersiooni leidmiseks kasutame juhusliku suuruse X<br />
karakteristlikku funktsiooni<br />
g(w) def.<br />
= Ee iwX , w ∈ R.<br />
Et juhuslikul suurusel e iwX on sama <strong>ja</strong>otus kui suurusel X, siis keskväärtuse<br />
definitsioonist<br />
∞∑<br />
∑ ∞<br />
g(w) = e iwm · 0, 4 · 0, 6 m−1 = 0, 4e iw (0, 6e iw ) m−1 =<br />
m=1<br />
m=1<br />
= 0, 4e iw (1 + 0, 6e iw + (0, 6e iw ) 2 + (0, 6e iw ) 3 + ...) =<br />
= [sulgudes on geomeetriline rida, mille esimene liige on 1 <strong>ja</strong> tegur<br />
0, 6e iw < 1, sest|e iw | = 1] = 0, 4e iw ·<br />
1 0, 4eiw<br />
=<br />
1 − 0, 6eiw 1 − 0, 6e . iw<br />
Teame, et EX = 1 i g′ (0) <strong>ja</strong> DX = EX 2 − (EX) 2 = 1 i 2 g ′′ (0) − ( 1 i g′ (0)) 2 .<br />
Leiame karakteristliku funktsiooni esimest <strong>ja</strong> teist järku tuletised kohal<br />
w = 0.<br />
g ′ (w) = d<br />
dw<br />
0, 4e iw<br />
1 − 0, 6e iw = 0, 4eiw · i(1 − 0, 6e iw ) − 0, 4e iw (−0, 6e iw · i)<br />
(1 − 0, 6e iw ) 2 =<br />
=<br />
0, 4ie iw<br />
(1 − 0, 6e iw ) 2 ,<br />
g ′′ (w) = 0, 4ieiw · i(1 − 0, 6e iw ) 2 − 0, 4ie iw · 2(1 − 0, 6e iw )(−0, 6e iw · i)<br />
(1 − 0, 6e iw ) 4 =<br />
EX = 1 i ·<br />
= 0, 4i2 e iw (1 + 0, 6e iw )<br />
.<br />
(1 − 0, 6e iw )<br />
0, 4ie 0<br />
(1 − 0, 6e 0 ) = 0, 4<br />
2 0, 4 = 1<br />
2 0, 4<br />
= 2, 5,
DX = 1 i 2 · 0, 4i2 e 0 (1 + 0, 6e 0 )<br />
(1 − 0, 6e 0 ) 3 − ( 1<br />
0, 4 )2 =<br />
= 0, 6 = 3, 75. □<br />
0, 42 0, 4(1 + 0, 6)<br />
0, 4 3 − 1<br />
0, 4 2 =<br />
Märkus. Üldjuhul, kui juhuslikul suurusel X on geomeetriline <strong>ja</strong>otus<br />
parameetriga p, siis EX = 1 q<br />
<strong>ja</strong> DX = .<br />
p p 2<br />
49<br />
8.20. Firma personaliülem testib töölesoovi<strong>ja</strong>id <strong>ja</strong> nõuab kandidaatidelt<br />
500-punktilist tulemust. Leiame, mitu protsenti töölesoovi<strong>ja</strong>test jääb<br />
konkureerima teise ringi, kui testitulemustel on normaal<strong>ja</strong>otus, mille<br />
EX = 485 punkti <strong>ja</strong> σ = 30 punkti.<br />
Lahendus. Tähistame punktides hinnatud testitulemuse X. Leiame<br />
sündmuse X ≥ 500 tõenäosuse.<br />
P (X ≥ 500) = 1 − P (X < 500) = 1 − (0, 5 + Φ(<br />
= 0, 5 − Φ(0, 5) = 0, 5 − 0, 19146 ≈ 0, 308.<br />
500 − 485<br />
)) =<br />
30<br />
Seega pääseb teise ringi ümmarguselt 31% töölesoovi<strong>ja</strong>test. □<br />
Märkus. Laplace’i funktsiooni väärtust leides tuleb tähele panna, milline<br />
normeerimisteisendus on tabeli või arvutusalgoritmi aluseks, kas X−EX<br />
σ<br />
(antud ülesandes) või X−EX<br />
σ √ . 2<br />
8.21. Sündmuse A toimumise tõenäosus igal sõltumatul üksikkatsel on<br />
0,6. Leiame tõenäosuse, et 100 katsel sündmus A toimub mitte vähem<br />
kui 50 <strong>ja</strong> mitte rohkem kui 70 korda.<br />
Lahendus. Sündmuse A toimumiste arvul X on binoom<strong>ja</strong>otus parameetritega<br />
p = 0, 6 <strong>ja</strong> n = 100. Seega EX = np = 60 <strong>ja</strong> DX = npq = 24.<br />
Kontrollime kolme sigma reeglit: np − 3σ = 60 − 3 √ 24 ≈ 45, 3 > 0 <strong>ja</strong><br />
np + 3σ = 60 + 3 √ 24 ≈ 74, 7 < 100. Seega võime rakendada Moivre’i-<br />
Laplace’i integraalset piirteoreemi.<br />
70 − 60 50 − 60<br />
P (50 ≤ X ≤ 70) ≈ Φ( √ ) − Φ( √ ) = Φ( √ 10 ) − Φ(−√ 10 ) =<br />
24 24 24 24<br />
= [Φ(−x) = −Φ(x)] = 2Φ( 10 √<br />
24<br />
) = 2Φ(2, 041) = 2·0, 47937 = 0, 95874. □
50<br />
Märkus. Et mõlemad lõigu otspunktid oleks arvesse võetud, kasutatakse<br />
hinnangu täpsustamiseks nn. pidevuse korrektsiooni. Kuna X väärtused<br />
muutuvad sammuga 1, võetakse vahemikuks (49,5; 70,5) ehk lõigu otspunktid<br />
viiakse poole ühiku võrra väl<strong>ja</strong>poole. Leiame nüüd<br />
P (49, 5 < X < 70, 5) ≈ 2Φ( 10, 5 √<br />
24<br />
) = 2Φ(2, 143) = 2 · 0, 4839 ≈ 0, 9678.<br />
Tõenäosuse hinnangute võrdlemine jääb luge<strong>ja</strong>le.<br />
8.22 Mitu toodet tuleb kontrollida, et kvaliteetsete toodete suhteline<br />
sagedus erineks toote kvaliteetsuse tõenäosusest 0,9 vähem kui 0,02 võrra<br />
tõenäosusega 0,977?<br />
Lahendus. Kasutame Bernoulli teoreemi. Tähistame otsitava toodete<br />
arvu n, üksiktoote kvaliteetsuse tõenäosus p = 0, 9, ε = 0, 02. Seosest<br />
saame, et<br />
P (| m n − p| < ε) ≈ 2Φ(ε √ n<br />
p q )<br />
√<br />
2Φ(0, 02<br />
√<br />
Φ(0, 02<br />
n<br />
0, 9 · 0, 1<br />
n<br />
0, 9 · 0, 1<br />
) ≈ 0, 977<br />
) ≈ 0, 4885.<br />
Tabelist või arvutiga leiame tõenäosusele 0,4885 vastava argumendi väärtuse.<br />
√ n<br />
0, 02<br />
0, 9 · 0, 1 ≈ 2, 273 ⇒ √ n = 34, 095 ⇒ n ≥ 1163. □<br />
Märkus. Kui alandada usaldusnivood P , väheneb nõutav kontrollimiste<br />
arv. Näiteks, kui P = 0, 95, siis nõutav n ≥ 865, kui P = 0, 9, siis<br />
n ≥ 610.<br />
8.23. Mõõdetava suuruse väärtused alluvad normaal<strong>ja</strong>otusele, suuruse<br />
keskväärtus on 20,25 <strong>ja</strong> dispersioon 70,56. Leiame tõenäosuse, et selle<br />
suuruse nel<strong>ja</strong> sõltumatu mõõtmise tulemustest kolm satuvad vahemikku<br />
(9,75; 37,47) <strong>ja</strong> üks sellest väl<strong>ja</strong>.
Lahendus. Mõõdetava suuruse mistahes väärtus satub etteantud vahemikku<br />
tõenäosusega p = P (9, 75 < X < 37, 47) ning vahemikust väl<strong>ja</strong><br />
tõenäosusega 1 − p. Leiame<br />
P (9, 75 < X < 37, 47) = Φ(<br />
37, 47 − 20, 25 9, 75 − 20, 25<br />
) − Φ( ) =<br />
8, 4<br />
8, 4<br />
= Φ(2, 05) − Φ(−1, 25) = Φ(2, 05) + Φ(1, 25) =<br />
= 0, 47982 + 0, 39435 = 0, 87417.<br />
Soovitud tõenäosuse leidmiseks kasutame Bernoulli valemit, sest mõõtmiste<br />
näol on tegemist sõltumatute korduvate katsete seeriaga, milles on<br />
neli katset (mõõtmist) ning iga tulemus võib sattuda soovitud vahemikku<br />
tõenäosusega p = 0, 87417 <strong>ja</strong> sellest väl<strong>ja</strong> tõenäosusega q = 1 − p =<br />
= 0, 12583.<br />
Tähistame sündmuse A - nel<strong>ja</strong>st sõltumatust mõõtmistulemusest kolm<br />
satub vahemikku (9,75; 37,47) <strong>ja</strong> üks sellest väl<strong>ja</strong>, siis<br />
P (A) = P 4 (3) = C 3 4p 3 q = 4 · 0, 87417 3 · 0, 12583 ≈ 0, 336. □<br />
8.24 Seadmes on kolm üksteisest sõltumata funktsioneerivat sõlme. Iga<br />
sõlm on defektita tõenäosusega 0,9 või defektiga tõenäosusega 0,1. Olgu<br />
X - defektita sõlmede arv <strong>ja</strong> Y - defektiga sõlmede arv. Koostame juhusliku<br />
vektori (X, Y ) <strong>ja</strong>otustabeli, kirjutame juhuslike suuruste X ning Y<br />
marginaalsed <strong>ja</strong>otusseadused, arvutame EX, EY, DX, DY, kovariatsioonimomendi<br />
cov(X, Y ) <strong>ja</strong> korrelatsioonikorda<strong>ja</strong> r(X, Y ). Kas selle<br />
vektori komponendid on korreleeruvad?, sõltuvad? Kui ühel või kahel<br />
sõlmel avastatakse defekt, siis seade saadetakse remonti. Kui kõik sõlmed<br />
on defektiga, seade praagitakse väl<strong>ja</strong>. Kui tõenäone on, et kontrollitud<br />
seade läheb remonti?<br />
Lahendus. Juhusliku vektori komponendid on diskreetsed binoom<strong>ja</strong>otusega<br />
juhuslikud suurused võimalike väärtustega 0, 1, 2, 3. Esitame<br />
vektori (X, Y ) <strong>ja</strong>otusseaduse <strong>ja</strong>otustabeliga.<br />
51<br />
y j<br />
\ x i<br />
0 1 2 3 p(y j )<br />
0 0 0 0 0,729 0,729<br />
1 0 0 0,243 0 0,243<br />
2 0 0,027 0 0 0,027<br />
3 0,001 0 0 0 0,001<br />
p(x i ) 0,001 0,027 0,243 0,729
52<br />
Tähistades P ((X = x i )(Y = y j )) = p ij saame<br />
p 00 = p 10 = p 20 = p 01 = p 11 = p 31 = p 02 = p 22 = p 32 = p 13 = p 23 =<br />
= p 33 = 0.<br />
See on ilmne, sest kõikidel toodud juhtudel i + j≠3 ehk defektita <strong>ja</strong> defektiga<br />
sõlmede tegeliku koguarvuga.<br />
p 30 = P ((X = 3)(Y = 0)) = 0, 9 3 = 0, 729,<br />
p 21 = P ((X = 2)(Y = 1)) = 3 · 0, 9 2 · 0, 1 = 0, 243,<br />
p 12 = P ((X = 1)(Y = 2)) = 3 · 0, 9 · 0, 1 2 = 0, 027,<br />
p 03 = P ((X = 0)(Y = 3)) = 0, 1 3 = 0, 001.<br />
Liites arvutatud tõenäosused 0,729+0,243+0,027+0,001=1 näeme, et<br />
need neli sündmust moodustavad täieliku süsteemi.<br />
Esitame suuruste X ning Y marginaalsed <strong>ja</strong>otusseadused <strong>ja</strong>otustabelina<br />
<strong>ja</strong> <strong>ja</strong>otustihedusena.<br />
x i 0 1 2 3<br />
p i 0,001 0,027 0,243 0,729<br />
y j 0 1 2 3<br />
p j 0,729 0,243 0,027 0,001<br />
f 1 (x) = 0, 001δ(x) + 0, 027δ(x − 1) + 0, 243δ(x − 2) + 0, 729δ(x − 3),<br />
f 2 (y) = 0, 729δ(y) + 0, 243δ(y − 1) + 0, 027δ(y − 2) + 0, 001δ(y − 3). □<br />
Järgnevalt arvutame ülesandes nimetatud arvkarakteristikud.<br />
EX = ∑ 3<br />
i=0 x ip i = 1 · 0, 027 + 2 · 0, 243 + 3 · 0, 729 = 2, 7,<br />
EY = ∑ 3<br />
j=0 y jp j = 1 · 0, 243 + 2 · 0, 027 + 3 · 0, 001 = 0, 3.<br />
Punkt (EX; EY ) ehk (2,7;0,3) on juhusliku vektoriga (X, Y ) määratud<br />
tasandi juhuslike punktide parve <strong>ja</strong>otuskese ehk hajuvuskese.<br />
Hajuvuse karakteristikud<br />
DX = EX 2 − (EX) 2 = (1 · 0, 027 + 4 · 0, 243 + 9 · 0, 729) − 2, 7 2 = 0, 27,<br />
DY = EY 2 − (EY ) 2 = (1 · 0, 243 + 4 · 0, 027 + 9 · 0, 001) − 0, 3 2 = 0, 27,<br />
cov(X, Y ) = E(XY ) − EX · EY = (0 · 3 · 0, 001 + 1 · 2 · 0, 027 + 2 · 1 ·<br />
0, 243 + 3 · 0 · 0, 729) − 2, 7 · 0, 3 = 0, 54 − 0, 81 = −0, 27. □<br />
Saadud tulemus ütleb, et suuruste X <strong>ja</strong> Y vahel on olemas vastupidise
muutumistendentsiga korrelatiivne seos. Arvutame korrelatsioonikorda<strong>ja</strong><br />
r(X, Y ) = cov(X, Y ) −0, 27<br />
= √ √ = −1. □<br />
σ x · σ y 0, 27 · 0, 27<br />
Väärtus −1 ütleb, et suuruste X <strong>ja</strong> Y vahel on lineaarne sõltuvus, mis<br />
avaldub seosega<br />
Y = 3 − X, x ∈ {0, 1, 2, 3}.<br />
Tõenäosus, et seade läheb remonti, on<br />
P ((X = 1)(Y = 2)) + P ((X = 2)(Y = 1)) = 0, 027 + 0, 243 = 0, 270. □<br />
53<br />
8.25 Juhusliku vektori (X, Y ) <strong>ja</strong>otustihedus on<br />
{<br />
a(x − y), kui (x; y) ∈ [1, 2] × [0, 1],<br />
f(x, y) =<br />
0 mu<strong>ja</strong>l.<br />
Määrame korda<strong>ja</strong> a, leiame marginaalsed <strong>ja</strong>otustihedused, EX, EY, DX,<br />
DY, cov(X, Y ), r(X, Y ), f(y/x), f(x/y) ning regressioonijoonte võrrandid<br />
y = E(Y/x), x = (X/y).<br />
Lahendus. Korda<strong>ja</strong> a määrame tingimusest ∫ +∞<br />
−∞<br />
a<br />
∫ 2<br />
1<br />
dx<br />
∫ 1<br />
0<br />
∫ 2<br />
1<br />
dx<br />
(x − y)dy = a<br />
∫ 1<br />
0<br />
∫ 2<br />
1<br />
a(x − y)dy = 1,<br />
∫ +∞<br />
P eab!<br />
f(x, y)dxdy = 1.<br />
−∞<br />
∫ 2<br />
(xy − y2<br />
2 )1 dx = a (x − 1<br />
0 2 )dx =<br />
= a( x2<br />
2 − x 2 )2 1 = a(4 2 − 2 2 − 1 2 + 1 2 ) = a.<br />
Et arvutatud integraali väärtus peab olema 1, saame a = 1. □<br />
Seega<br />
{<br />
x − y, kui (x; y) ∈ [1, 2] × [0, 1],<br />
f(x, y) =<br />
0 mu<strong>ja</strong>l.<br />
1<br />
Leiame marginaalsed <strong>ja</strong>otustihedused.
54<br />
f 1 (x) = ∫ +∞<br />
f(x, y)dy = ∫ 1<br />
y2<br />
(x − y)dy = xy −<br />
−∞ 0 2 |1 = x − 1,<br />
0 2<br />
{<br />
x − 0, 5, kui x ∈ [1, 2],<br />
f 1 (x) =<br />
0, kui x ∉ [1, 2].<br />
f 2 (y) = ∫ +∞<br />
f(x, y)dx = ∫ 2<br />
x2<br />
(x − y)dx = − −∞ 1 2 yx|2 =<br />
1<br />
= 4 2 − 2y − 1 2 + y = 3 2 − y,<br />
f 2 (y) =<br />
{<br />
1, 5 − y, kui y ∈ [0, 1],<br />
0, kui y ∉ [0, 1].<br />
□<br />
Arvutame vektori <strong>ja</strong>otuse põhilised arvkarakteristikud.<br />
EX = ∫ +∞<br />
−∞ xf 1(x)dx = ∫ 2<br />
1 x(x − 0, 5)dx = ∫ 2<br />
1 (x2 − 0, 5x)dx =<br />
= x3 − x2<br />
3 4 |2 = 8 − 4 − 1 + 1 = 7 − 3 = 19<br />
1 3 4 3 4 3 4 12<br />
EY = ∫ +∞<br />
yf −∞ 2(y)dy = ∫ 1<br />
0<br />
≈ 1, 58.<br />
y(1, 5−y)dy =<br />
3y2<br />
4 − y3<br />
3 |1 0 = 3 4 − 1 3 = 5<br />
12<br />
≈ 0, 42.<br />
Juhusliku vektoriga (X, Y ) määratud punktiparve hajuvuskese on punktis<br />
( 19;<br />
5 ). Selle punkti ümbrusesse tulevad <strong>ja</strong>otusega f(x, y) = x−y, kui<br />
12 12<br />
x ∈ [1, 2] <strong>ja</strong> y ∈ [0, 1], määratud juhuslikud punktid kõige sagedamini ehk<br />
selle punkti ümbruses paiknevad juhuslikud punktid kõige tihedamalt.<br />
Järgnevalt leiame punktide hajuvuse põhikarakteristikud.<br />
DX = EX 2 −(EX) 2 = ∫ 2<br />
1 x2 (x−0, 5)dx−( 19<br />
12 )2 = ∫ 2<br />
1 (x3 −0, 5x 2 )dx−<br />
− 361<br />
144 = x4<br />
4 − x3<br />
6 |2 1 − 361<br />
144 = ( 16 4 − 8 6 − 1 4 + 1 6 ) − 361<br />
144 = 31<br />
12 − 361<br />
144 =<br />
= 11<br />
144 ≈ 0, 076. ⇒ σ x ≈ 0, 276.<br />
DY = EY 2 − (EY ) 2 = ∫ 1<br />
0 y2 (1, 5 − y)dy − ( 5 12 )2 = (0, 5y 3 − y4<br />
4 )1 0 − 25<br />
144 =<br />
= (0, 5 − 0, 25) − 25<br />
144 = 36−25<br />
144<br />
= 11<br />
144 ≈ 0, 076. ⇒ σ y ≈ 0, 276. □
cov(X, Y ) = E(XY )−EX ·EY = ∫ +∞<br />
−∞<br />
= ∫ 2<br />
dx ∫ 1<br />
1 0<br />
55<br />
∫ +∞<br />
xyf(x, y)dxdy −EX ·EY =<br />
−∞<br />
xy(x − y)dy −<br />
19<br />
12 · 5<br />
12 = ∫ 2<br />
1 dx ∫ 1<br />
0 (x2 y − xy 2 )dy − 95<br />
144 =<br />
= ∫ 2 y2<br />
(x2 − x y2<br />
1 2 3 )1 95<br />
dx − = ∫ 2<br />
( x2 − x 95<br />
)dx − =<br />
0 144 1 2 3 144<br />
= ( x3<br />
6 − x2<br />
6 )2 1 − 95<br />
144 = ( 8 6 − 4 6 − 1 6 + 1 6 ) − 95<br />
144 = 2 3 − 95<br />
144 = 1<br />
144<br />
≈ 0, 007. □<br />
Kuna cov(X, Y ) ≈ 0, 007 ≠ 0, siis on juhuslikud suurused X ning Y<br />
nõrgalt korreleeruvad. Arvutame korrelatsioonikorda<strong>ja</strong><br />
r(X, Y ) = cov(X, Y )<br />
σ x · σ y<br />
=<br />
√<br />
1<br />
144<br />
11 · 144<br />
√<br />
11<br />
144<br />
= 1 11<br />
= 0, (09). □<br />
Kas juhuslikud suurused on sõltuvad?<br />
võrduse f(x, y) = f 1 (x)f 2 (y) kehtivust.<br />
Vastuse saamiseks kontrollime<br />
f 1 (x)f 2 (y) = (x − 0, 5)(1, 5 − y) = 1, 5x + 0, 5y − xy ≠ x − y.<br />
Järelikult on juhuslikud suurused X ning Y sõltuvad.<br />
Leiame regressioonijoonte võrrandid. Selleks leiame enne tinglikud <strong>ja</strong>otustihedused.<br />
f(y/x) =<br />
f(x/y) =<br />
f(x/y) =<br />
f(x, y)<br />
f 2 (y) ⇒ f(x/y) =<br />
f(x, y)<br />
f 1 (x) ⇒ f(y/x) =<br />
x − y<br />
1, 5 − y ehk<br />
2(x − y)<br />
, kui y ∈ [0, 1];<br />
3 − 2y<br />
x − y , kui x ∈ [1, 2]. □<br />
x − 0, 5<br />
Regressioonijoonte võrrandid on x = E(X/y) <strong>ja</strong> y = E(Y/x).<br />
E(X/y) = ∫ +∞<br />
−∞ xf(x/y)dx.<br />
E(X/y) = ∫ 2<br />
1 x · x−y<br />
1,5−y<br />
dx = [nimeta<strong>ja</strong> 1, 5 − y ei sõltu integreerimismuu-<br />
∫ 2<br />
1 (x2 − xy)dx =<br />
tu<strong>ja</strong>st x, seega võime selle tuua integraali ette] = 1<br />
1,5−y<br />
= 1<br />
1,5−y ( x3<br />
3 − x2 y<br />
2 )2 1 = 1<br />
1,5−y · ( 8 3 − 2y − 1 3 + y 2 ) = 2<br />
3−2y · 14−9y<br />
6<br />
= 14−9y<br />
3(3−2y) .<br />
E(X/y) =<br />
14 − 9y<br />
, kus y ∈ [0, 2]. □<br />
3(3 − 2y)
56<br />
Analoogiliselt<br />
E(Y/x) =<br />
∫ +∞<br />
−∞<br />
yf(y/x)dy.<br />
E(Y/x) = ∫ 1<br />
y · x−y<br />
dy = ∫ 1 1<br />
(xy − 0 x−0,5 x−0,5 0 y2 )dy = 1 ( xy2 − y3<br />
x−0,5 2 3 )1 =<br />
0<br />
= 1<br />
x−0,5 ( x 2 − 1 3 ) = 2<br />
2x−1 · 3x−2<br />
6<br />
= 3x−2<br />
3(2x−1) .<br />
E(Y/x) = 3x − 2 , kus x ∈ [1, 2]. □<br />
3(2x − 1)<br />
Näeme, et suuruse Y tinglikud keskväärtused suuruse X suhtes katavad<br />
pidevalt joone<br />
y = 3x − 2<br />
3(2x − 1) ,<br />
milleks on hüperbooli y −0, 5 = − 1 · 1<br />
kaar punktist (1; 7 ) punktini<br />
12 x−0,25 18<br />
(2; 19).<br />
42<br />
8.26. Juhusliku vektori (X, Y ) <strong>ja</strong>otuspind z = f(x, y) on püstkoonuse<br />
külgpind. Koonuse põh<strong>ja</strong>ks on ring raadiusega R <strong>ja</strong> keskpunktiga O(0; 0).<br />
Leiame vektori (X, Y ) <strong>ja</strong>otustiheduse <strong>ja</strong> tõenäosuse, et juhuslik punkt<br />
(x; y) satub ringi D, mille keskpunkt ühtib põh<strong>ja</strong> keskpunktiga <strong>ja</strong> raadius<br />
r < R.<br />
Lahendus. Koonuse külgpind on vektori (X, Y ) <strong>ja</strong>otuspind. Tähistame<br />
koonuse kõrguse h. Jaotustiheduse omaduse põh<strong>ja</strong>l peab koonuse ruumala<br />
võrduma ühega. Saame<br />
1<br />
3 πR2 h = 1 ⇒ h = 3<br />
πR 2 .
57<br />
z<br />
✻<br />
B <br />
❆❆<br />
❆<br />
❆<br />
✁ ✁✁✁✁✁✁<br />
❆<br />
♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣<br />
r z<br />
❆<br />
♣<br />
A ′<br />
<br />
O ′ ❆<br />
♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ❆<br />
♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣<br />
♣ ♣ ♣<br />
♣<br />
<br />
h <br />
❆♣<br />
♣<br />
❆<br />
✁ ✁✁✁✁ ♣<br />
♣<br />
♣<br />
D<br />
❆<br />
A <br />
♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣ ♣<br />
♣ ♣ ♣<br />
<br />
♣ ♣<br />
❆<br />
❅ ❅<br />
<br />
O r R<br />
❅ ❅❅ ❅❅ ❅ ❅<br />
❅<br />
r<br />
<br />
R<br />
x✠<br />
✲ y<br />
Olgu ringile D toetuva, koonuse sisse moodustatud silindri kõrgus z.<br />
Siis sarnastest kolmnurkadest AOB <strong>ja</strong> A ′ O ′ B saame<br />
BO ′<br />
BO = A′ O ′<br />
AO ⇒ h − z<br />
h<br />
= r R ⇒ z = h (R − n).<br />
R<br />
Asendades r = √ x 2 + y 2 <strong>ja</strong> tähistades z = f(x, y) saame <strong>ja</strong>otuspinna<br />
võrrandi (tihedusfunktsiooni avaldise) lõppkujuks<br />
f(x, y) = 3<br />
πR 3 (R − √ x 2 + y 2 ). □<br />
Tõenäosus, et juhuslik punkt satub piirkonda D, avaldub<br />
∫ ∫<br />
P ((x; y) ∈ D) = f(x, y)dxdy.<br />
Antud ülesandes<br />
∫ ∫<br />
3<br />
P ((x; y) ∈ D) =<br />
D πR (R − √ x 2 + y 2 )dxdy =<br />
3<br />
{<br />
x = ρ cos α, ρ ∈ [0, r],<br />
= [läheme üle polaarkoordinaatidele<br />
y = ρ sin α, α ∈ [0, 2π]<br />
D<br />
<strong>ja</strong> arvestame, et f(x, y) on nii x kui ka y suhtes paarisfunktsioon] =
58<br />
Seega<br />
= 12 ∫ π<br />
2<br />
πR 3<br />
kus r = √ x 2 + y 2 .<br />
0<br />
= 3 ∫ π<br />
πR · 4 2<br />
3<br />
dα ·<br />
∫ r<br />
0<br />
0<br />
∫ r<br />
dα ρ(R − ρ)dρ =<br />
0<br />
(Rρ − ρ 2 )dρ = 12<br />
πR 3 · π<br />
2 · (Rρ2 2 − ρ3<br />
3 )r 0 =<br />
= 6 R 3 (Rr2 2 − r3<br />
3 ) = r2<br />
R 3<br />
(3R − r).<br />
P ((x; y) ∈ D) = r2<br />
(3R − 2r),<br />
R □<br />
3<br />
8.27. Juhusliku vektori (X, Y ) komponendid on normaal<strong>ja</strong>otusega sõltumatud<br />
juhuslikud suurused, mille karakteristikud on EX = 3, DX = 25<br />
ning EY = 1, 7, DY = 9. Kirjutame <strong>ja</strong>otustiheduse avaldise f(x, y) <strong>ja</strong><br />
hajuvusellipsite võrrandi.<br />
Lahendus. Teades, et sellisel juhuslikul vektoril on kahemõõtmeline normaal<strong>ja</strong>otus,<br />
mille <strong>ja</strong>otustihedus avaldub<br />
f(x, y) =<br />
1<br />
2πσ x σ y<br />
exp (− 1 − EX)2<br />
((x +<br />
2 σx<br />
2<br />
(y − EY )2<br />
)),<br />
σy<br />
2<br />
saame<br />
f(x, y) =<br />
1<br />
2π · 5 · 3 exp (−1 − 3)2<br />
((x +<br />
2 25<br />
(y − 1, 7)2<br />
)),<br />
9<br />
f(x, y) = 1<br />
30π exp (−1 − 3)2 (y − 1, 7)2<br />
((x + )). □<br />
2 25 9<br />
Hajuvusellipsi igas punktis on juhusliku vektori <strong>ja</strong>otustihedusel sama<br />
positiivne väärtus k > 0 ehk <strong>ja</strong>otuspinna nivoojoonte parve võrrand on<br />
f(x, y) = k, mis eeldab, et<br />
(x − 3) 2<br />
+<br />
25<br />
(y − 1, 7)2<br />
9<br />
= C 2 , kus C 2 ≥ 0.<br />
Jagades võrrandi mõlemaid pooli suurusega C 2 saame<br />
(x − 3) 2<br />
25C 2 +<br />
(y − 1, 7)2<br />
9C 2 = 1, □
mis ongi hajuvusellipsite kanooniline võrrand.<br />
Märkus. Kui võtta C = 1, siis tõenäosus, et juhuslik punkt (x; y) satub<br />
ellipsisse (x−3)2 + (y−1,7)2 = 1 on<br />
25 9<br />
∫ ∫<br />
P ((x, y) ∈ D) = f(x, y)dxdy =<br />
⎡<br />
x = 5ρ cos ϕ, ρ ∈ [0, 1],<br />
= ⎣<br />
y = 3ρ sin ϕ, ϕ ∈ [0, 2π],<br />
D<br />
⎤<br />
J = 15ρ⎦ =<br />
59<br />
=<br />
∫ 2π<br />
0<br />
= 2π ·<br />
∫ 1<br />
dϕ<br />
0<br />
1<br />
30π<br />
· 15ρ exp(−ρ2 )dρ = [ρ2<br />
2 2 = t, ρdρ = dt, t ∈ [0, 1 2 ]] =<br />
∫ 1<br />
1 2<br />
e −t dt = −e −t | 0,5<br />
0 = −e −0,5 − (−e 0 ) = 1 − √ 1 ≈ 0, 393.<br />
2π 0<br />
e<br />
8.28 Juhusliku suuruse X <strong>ja</strong>otustihedus<br />
{<br />
0, 5(x + 1), kui x ∈ [−1, 1],<br />
f 1 (x) =<br />
0, kui x ∉ [−1, 1].<br />
Leiame juhusliku suuruse Y = 1−X 2 <strong>ja</strong>otustiheduse f 2 (y) ning karakteristikud<br />
EY <strong>ja</strong> DY .<br />
Lahendus. Funktsioon ϕ(x) = 1 − x 2 on paarisfunktsioon ning ei ole<br />
lõigul [−1, 1] rangelt monotoonne. Poolitades lõigu, saame poollõigul<br />
[−1, 0] rangelt kasvava <strong>ja</strong> poollõigul [0, 1] rangelt kahaneva funktsiooni.<br />
Seosest y = 1 − x 2 ⇒ x = ± √ 1 − y, kus ψ 1 (x) = − √ 1 − y vastab<br />
poollõigule x ∈ [−1, 0] <strong>ja</strong> ψ 2 (x) = √ 1 − y poollõigule x ∈ [0, 1].<br />
x = − √ 1 − y<br />
y<br />
✻<br />
1<br />
x = √ 1 − y<br />
<br />
−1<br />
<br />
1<br />
✲ x
60<br />
Nüüd<br />
f 2 (y) = f 1 (ψ 1 (y))|ψ ′ 1(y)| + f 1 (ψ 2 (y))|ψ ′ 2(y)|.<br />
f 2 (y) = 0, 5(− √ 1 − y + 1) ·<br />
1<br />
2 √ 1 − y + 0, 5(√ 1<br />
1 − y + 1) ·<br />
2 √ 1 − y =<br />
= 0, 5(− 1 2 + 1<br />
2 √ 1 − y + 1 2 + 1<br />
2 √ 1 − y ) = 1<br />
2 √ 1 − y ,<br />
f 2 (y) =<br />
{<br />
1<br />
2 √ , kui y ∈ [0, 1),<br />
1−y<br />
0, kui y ∉ [0, 1).<br />
□<br />
Märkus. Otspunkti y = 1 võime arvestamata jätta, sest väärtuse 1 omandamine<br />
lõpmatust väärtuste hulgast [0, 1] on sündmus, mille tõenäosus<br />
on praktiliselt 0. Keskväärtuse leiame suurusele Y üle minemata, arvestades,<br />
et suurustel X <strong>ja</strong> 1 − X 2 on sama <strong>ja</strong>otustihedus. Saame<br />
EY =<br />
∫ 1<br />
−1<br />
= 0, 5(2<br />
(1 − x 2 )0, 5(x + 1)dx = 0, 5<br />
∫ 1<br />
0<br />
dx − 2<br />
∫ 1<br />
0<br />
∫ 1<br />
−1<br />
(1 + x − x 2 − x 3 )dx =<br />
x 2 dx) = x − x3<br />
3 |1 0 = 1 − 1 3 = 2 3 . □<br />
Märkus. 1. Sama tulemuse saame integraaliga EY = ∫ +∞<br />
−∞ yf 2(y)dy.<br />
EY = ∫ 1<br />
0<br />
y dy<br />
2 √ = ∫ 1 y+1−1<br />
1−y 0 2 √ dy = ∫ 1<br />
1−y 0<br />
dy<br />
2 √ − ∫ 1<br />
1−y 0<br />
1−y<br />
2 √ 1−y =<br />
= − √ 1 − y| 1 − 0, 5 ∫ 1 √<br />
0 0 1 − ydy = 1 +<br />
1 · 2(1<br />
− 2 3 y)2/3 | 1 = 1 − 1 = 2 0 3 3.<br />
2. Samuti võime keskväärtuse EY leida kasutades arvkarakteristikute<br />
omadusi.<br />
EY = E(1−X 2 ) = E1+E(−X 2 ) = 1−EX 2 = 1−0, 5 ∫ 1<br />
−1 x2 (x+1)dx =<br />
= 1 − 0, 5 ∫ 1<br />
−1 x3 dx − 2 · 0, 5 ∫ 1<br />
0 x2 dx = 1 − 0 − x3<br />
3 |1 0 = 1 − 1 3 = 2 3.<br />
Väärtuste EX = 1 3 <strong>ja</strong> DX = 2 9<br />
DY = EY 2 − (EY ) 2 .<br />
õigsus jääb luge<strong>ja</strong> kontrollida.<br />
DY = E(1 − X 2 ) 2 − (EY ) 2 = E(1 − 2X 2 + X 4 ) − ( 2 3 )2 =
= E1 − 2EX 2 + EX 4 − 4 9 = 1 − 2 · 1<br />
3 + ∫ 1<br />
−1 x4 · 0, 5(x + 1)dx − 4 9 =<br />
= 1 9 + 0, 5 ∫ 1<br />
−1 x5 dx + 0, 5 ∫ 1<br />
−1 x4 dx = 1 9 + 0, 5 · 0 + 2 · 0, 5 ∫ 1<br />
0 x4 dx =<br />
61<br />
= 1 9 + x5<br />
5 |1 0 = 1 9 + 1 5 = 14<br />
45 . □<br />
8.29. Juhuslik suurus X on ühtlase <strong>ja</strong>otusega lõigul [0, 2], Y = 3X − 2<br />
<strong>ja</strong> Z = −X 2 + 3X + 1. Leiame suuruste X, Y <strong>ja</strong> Z keskväärtused, dispersioonid<br />
ning kovariatsioonimomendi cov(X, Y ), cov(X, Z), cov(Y, Z)<br />
<strong>ja</strong> kirjutame korrelatsioonimaatriksi.<br />
Lahendus. Kui juhuslik suurus X on ühtlase <strong>ja</strong>otusega lõigul [a, b], siis<br />
EX = a+b <strong>ja</strong> DX = (b−a)2 . Siit ülesande tingimustel (a = 0, b = 2)EX =<br />
2 12<br />
= 1 <strong>ja</strong> DX = 1.<br />
3<br />
Kõik teised karakteristikud leiame karakteristikute omadustele tuginedes.<br />
Selleks leiame eelnevalt juhusliku suuruse X algmomendid nel<strong>ja</strong>nda<br />
järguni.<br />
EX 2 = DX + (EX) 2 = 1 3 + 1 = 4 3 ,<br />
EX 3 = ∫ 2<br />
EX 4 = ∫ 2<br />
0 x3 · 1<br />
2<br />
0 x4 · 1<br />
2<br />
x4<br />
dx =<br />
8 |2 = 2, sest f(x) = 1 , kui x ∈ [0, 2],<br />
0 2<br />
dx =<br />
x5<br />
10 |2 0 = 16 5 .<br />
Keskväärtuse omadusi rakendades<br />
EY = E(3X − 2) = E(3X) + E(−2) = 3EX − 2 = 3 − 2 = 1,<br />
EZ = E(−X 2 + 3X + 1) = −EX 2 + 3EX + 1 = − 4 3 + 3 · 1 + 1 = 8 3 .<br />
Dispersiooni <strong>ja</strong> keskväärtuse omadusi rakendades<br />
DY = D(3x − 2) = 3 2 DX + D(−2) = 9 · 1 + 0 = 3, sest 3X <strong>ja</strong> −2 on<br />
3<br />
sõltumatud,
62<br />
DZ = D(−X 2 + 3X + 1) =<br />
= D(−X 2 ) + D(3X) + D1 + 2 · (−1) · 3cov(X 2 , X) + 0 + 0 =<br />
= (−1) 2 DX 2 + 3 2 DX + 0 − 6cov(X 2 , X) =<br />
= DX 2 + 9DX − 6(E(X 2 · X) − EX 2 · EX) =<br />
= E(X 2 ) 2 − (EX 2 ) 2 + 9 · 1<br />
3 − 6(EX3 − 4 3 · 1) =<br />
= EX 4 − 16 9 + 3 − 6(2 − 4 3 ) = 16<br />
5 − 16<br />
9 + 3 − 4 = 16 · 4<br />
45 − 1 = 19<br />
45 .<br />
Korrelatsioonimaatriksi elementide saamiseks arvutame kovariatsioonid<br />
cov(X, Y ) = cov(Y, X), cov(X, Z) = cov(Z, X) <strong>ja</strong> cov(Y, Z) = cov(Z, Y ).<br />
cov(X, Y ) = E(XY ) − EXEY = E(3X 2 − 2X) − 1 · 1 =<br />
= 3EX 2 − 2EX − 1 = 4 − 2 − 1 = 1,<br />
cov(X, Z) = E(XZ) − EXEZ = E(−X 3 + 3X 2 + X) − 1 · 8<br />
3 =<br />
= −EX 3 + 3EX 2 + EX − 8 3 = −2 + 4 + 1 − 8 3 = 1 3 ,<br />
cov(Y, Z) = E(Y Z) − EY EZ = E(−3X 3 + 11X 2 − 3X − 2) − 1 · 8<br />
3 =<br />
= −3EX 3 + 11EX 2 − 3EX − 2 − 8 3<br />
= −6 +<br />
44<br />
3 − 3 − 14<br />
3 = 1.<br />
Järgmisena arvutame korrelatsioonikorda<strong>ja</strong>d<br />
r(X, Y ) = r(Y, X) = cov(X,Y )<br />
σ X σ Y<br />
= 1<br />
1<br />
r(X, Z) = r(Z, X) = cov(X,Z)<br />
σ X σ Z<br />
=<br />
√<br />
3 ·√3 = 1,<br />
1<br />
3<br />
√<br />
1 19<br />
3 ·√ 45<br />
r(Y, Z) = r(Z, Y ) = cov(Y,Z)<br />
σ Y σ Z<br />
=<br />
1<br />
√<br />
3·√<br />
19<br />
45<br />
=<br />
√<br />
15<br />
19<br />
√<br />
15<br />
19<br />
=<br />
≈ 0, 89,<br />
≈ 0, 89.<br />
Arvestades kovariatsiooni- <strong>ja</strong> korrelatsioonimaatriksi sümmeetrilisust peadiagonaali<br />
suhtes, jätame peadiagonaalist allpool asetsevad elemendid<br />
kirjutamata. Kovariatsioonimaatriksi peadiagonaali elementideks on<br />
juhuslike suuruste X, Y, <strong>ja</strong> Z dispersioonid, korrelatsioonimaatriksis aga<br />
ühed (juhusliku suuruse korrelatsioon iseendaga, näiteks r(X, X) =
63<br />
= cov(X,X)<br />
σ X σ X<br />
= DX<br />
σ 2 X<br />
= DX<br />
DX = 1).<br />
Kovariatsioonimaatriks K <strong>ja</strong> korrelatsioonimaatriks R on<br />
⎛<br />
K = ⎝<br />
1 1<br />
1<br />
3 3<br />
3 1<br />
19<br />
45<br />
⎞<br />
⎠ ,<br />
⎛<br />
1 1<br />
⎞<br />
0, 89<br />
R = ⎝ 1 0, 89⎠ .<br />
1<br />
Märkus. Tulemus r(X, Y ) = 1 kinnitab tõsias<strong>ja</strong>, et juhuslike suuruste X<br />
<strong>ja</strong> Y vahel on lineaarne sõltuvus. Tõepoolest Y = 3X − 2. Suuruste X<br />
<strong>ja</strong> Z ning Y <strong>ja</strong> Z (kuna X = 1 3 (Y + 2) ⇒ Z = 1 9 (23 + 5y − y2 )) vahel on<br />
ruutsõltuvus. Kõik kolm suurust on omavahel paarikaupa korreleeruvad.<br />
8.30. Antud on juhuslik funktsioon X(t) = t 3 U + a, kus U on juhuslik<br />
suurus <strong>ja</strong> a on kindel suurus. Suuruse U <strong>ja</strong>otustihedus on<br />
f(u) =<br />
{<br />
u<br />
, kui u ∈ [0, 2],<br />
2<br />
0, kui u ∉ [0, 2].<br />
Leiame ühemõõtmelise <strong>ja</strong>otustiheduse f 1 (x; t) <strong>ja</strong> <strong>ja</strong>otusfunktsiooni<br />
F 1 (x; t) ning EX(t), DX(t), K x (t 1 , t 2 ) <strong>ja</strong> R x (t 1 , t 2 ).<br />
Lahendus. X(t) ühemõõtmelise <strong>ja</strong>otustiheduse leiame juhusliku suuruse<br />
U <strong>ja</strong>otustiheduse f(u) kaudu analoogiliselt näidisülesandele 8.28.<br />
Kuna funktsioon x = t 3 u + a on rangelt monotoonne lõigul [0, 2],<br />
siis avaldame u = x−a , kus x ∈ [a, 2t 3 + a]. Leiame üleminekukorda<strong>ja</strong><br />
t 3<br />
| du|<br />
= 1 , siis f(u) = | du|<br />
= x−a · 1 <strong>ja</strong><br />
dx t 3 dx 2t 3 t 3<br />
f 1 (x; t) =<br />
{<br />
x−a<br />
2t 6 , kui x ∈ [a, 2t 3 + a],<br />
0, kui x ∉ [a, 2t 3 + a].<br />
□<br />
Ühemõõtmelise <strong>ja</strong>otusfunktsiooni F 1 (x; t) leidmiseks integreerime tihedusfunktsiooni<br />
f 1 (x; t) arvestades, et x ∈ [a, 2t 3 + a].<br />
F 1 (x; t) = ∫ x<br />
f −∞ 1(v; t)dv = ∫ x v−adv =<br />
a 2t 6
64<br />
=<br />
[ ]<br />
v − a = h | v = a, h = 0<br />
=<br />
dv = dh | v = x, h = x − a<br />
Seega<br />
= ∫ x−a<br />
0<br />
h dh<br />
2t 6<br />
= h2<br />
4t 6 | x-a<br />
0 = (x−a)2<br />
4t 6 .<br />
⎧<br />
⎪⎨ 0, kui x ≤ a,<br />
(x−a)<br />
F 1 (x; t) =<br />
2<br />
, kui a < x ≤ 2t<br />
4t ⎪⎩<br />
3 + a,<br />
6<br />
1, kui x > 2t 3 + a.<br />
Keskväärtuse EX(t) võime leida mitmel erineval moel.<br />
a) Kasutame keskväärtuse definitsiooni, juhusliku suuruse U <strong>ja</strong>otustihedust<br />
ning tõsias<strong>ja</strong>, et juhuslikul suurusel t 3 U + a on sama <strong>ja</strong>otustihedus.<br />
□<br />
EX(t) =<br />
∫ +∞<br />
−∞<br />
= 4 3 t3 + a. □<br />
x(u)f(u)du =<br />
∫ 2<br />
0<br />
(t 3 u + a) u 2 du = (t3 2 · u3<br />
3 + a 2 · u2<br />
2 )2 0 =<br />
b)Kasutame keskväärtuse definitsiooni, minnes üle suuruselt U suurusele<br />
X.<br />
EX(t) =<br />
∫ +∞<br />
−∞<br />
xf 1 (x; t)dx =<br />
∫ 2t 3 +a<br />
a<br />
x · x − a<br />
2t 6 dx =<br />
= 1<br />
2t 6 (x3 3 − ax2 + a<br />
2 )2t3 = ... = 1<br />
a 2t · 1<br />
6 3 (8t9 + 6t 6 a) = 4 3 t3 + a.<br />
c)Kasutame tehteid juhuslike funktsioonidega.<br />
EX(t) = E(t 3 U + a) = t 3 EU + a = [EU =<br />
=<br />
∫ 2<br />
0<br />
u 2<br />
2 du = 4 3 ] = 4 3 t3 + a.<br />
∫ +∞<br />
−∞<br />
uf(u)du =<br />
Dispersiooni DX(t) võime samuti leida mitmel erineval moel. Kasutame<br />
kolmandat (c) moodust.<br />
DX(t) = D(t 3 U + a) = D(t 3 U) + Da = (t 3 ) 2 DU + 0 = t 6 DU =<br />
= [liidetavad t 3 U ning a on sõltumatud, DU = EU 2 − (EU) 2 =
65<br />
= ∫ 2<br />
0<br />
u 3<br />
2 du − 16 9 = u4<br />
8 |2 0 − 16 9 = 16 8 − 16<br />
9 = 2 9 ] = 2 9 t6 . □<br />
Kuna DX(t) = K x (t, t), siis K x (t 1 , t 2 ) = 2 9 t3 1t 3 2, sest K x (t, t) = 2 9 t3 t 3 =<br />
= 2 9 t6 = DX.<br />
Sama tulemuse saaksime kovariatsioonifunktsiooni definitsioonist.<br />
K x (t 1 , t 2 ) = E(X(t 1 ) − EX(t 1 ))(X(t 2 ) − EX(t 2 ) =<br />
= E(X(t 1 )X(t 2 )) − EX(t 1 )EX(t 2 ) =<br />
= E((t 3 1U + a)(t 3 2U + a)) − ( 4 3 t3 1 + a)( 4 3 t3 2 + a) =<br />
= t 3 1t 3 2EU 2 + at 3 1EU + at 3 2EU + a 2 −<br />
− ( 16<br />
9 t3 1t 3 2 + 4 3 at3 1 + 4 3 at3 2 + a 2 ) =<br />
= [EU 2 = 2, EU = 4 3 ] = ... = 2 9 t3 1t 3 2. □<br />
Korrelatsioonifunktsiooni R x (t 1 , t 2 ) definitsioonist<br />
R x (t 1 , t 2 ) =<br />
eeldusel, et t 1 , t 2 > 0.<br />
2<br />
K x (t 1 , t 2 )<br />
√<br />
DX(t1 )DX(t 2 ) = √<br />
1t 3 9t3 2<br />
2<br />
9 t6 1 · 2<br />
9 t6 2·<br />
= 1, □<br />
8.31. Juhuslik funktsioon X(t) = Y sin ωt, kus ω on kindel suurus,<br />
EY = a <strong>ja</strong> DY = σ 2 . Leiame EX(t), K x (t 1 , t 2 ), DX(t), σ x (t) ning<br />
R x (t 1 , t 2 ).<br />
Lahendus. Kasutades karakteristikute omadusi, saame<br />
EX(t) = E(Y sin ωt) = sin ωt · EY = a sin ωt;<br />
K x (t 1 , t 2 ) = sin ωt 1 sin ωt 2 DY = σ 2 sin ωt 1 sin ωt 2 ;<br />
DX(t) = K x (t, t) = σ 2 sin ωt sin ωt = σ 2 sin 2 ωt;<br />
σ x (t) = √ √<br />
DX(t) = σ 2 sin 2 ωt = σ sin ωt;<br />
R x (t 1 , t 2 ) = K x(t 1 , t 2 )<br />
σ x (t 1 )σ x (t 2 ) = σ2 sin ωt 1 sin ωt 2<br />
σ sin ωt 1 · σ sin ωt 2<br />
= 1. □<br />
□<br />
□<br />
□<br />
□
66<br />
8.32. On teada juhusliku funktsiooni X(t) karakteristikud EX(t) = t 2<br />
<strong>ja</strong> K x (t 1 , t 2 ) = cos ωt 1 cos ωt 2 . Leiame juhusliku funktsiooni Y (t) =<br />
X(t) + t karakteristikud.<br />
= 1 t<br />
d<br />
dt<br />
Lahendus. Leiame EY (t), K y (t 1 , t 2 ) <strong>ja</strong> DY (t).<br />
EY (t) = E( 1 t<br />
= 1 t E( d dt X(t)) + t = 1 t<br />
d<br />
dt X(t) + t) = E 1 d<br />
X(t) + Et =<br />
t dt<br />
d<br />
dt EX(t) + t = 1 dt 2<br />
t dt + t = 1 t<br />
· 2t + t = 2 + t. □<br />
K y (t 1 , t 2 ) = 1 t 1<br />
· 1<br />
t 2 δ 2<br />
δt 1 δt 2<br />
K x (t 1 , t 2 ) = 1<br />
t 1 t 2<br />
δ 2 cos ωt 1 cos ωt 2<br />
δt 1 δt 2<br />
=<br />
= 1<br />
t 1 t 2<br />
δ<br />
δt 1<br />
( δ cos ωt 1 cos ωt 2<br />
δt 2<br />
) = 1<br />
t 1 t 2<br />
δ<br />
δt 1<br />
(cos ωt 1<br />
δ cos ωt 2<br />
δt 2<br />
) =<br />
= 1 δ<br />
(cos ωt 1 (− sin ωt 2 )ω) = − ω sin ωt 2<br />
· δ cos ωt 1<br />
=<br />
t 1 t 2 δt 1 t 1 t 2 δt 1<br />
= − ω sin ωt 2<br />
(− sin ωt 1 · ω) = ω2 sin ωt 1 sin ωt 2<br />
. □<br />
t 1 t 2 t 1 t 2<br />
DY (t) = K y (t, t) = ω2 sin 2 ωt<br />
. □<br />
t 2<br />
8.33. Juhusliku funktsiooni X(t) karakteristikud on EX(t) = cos t <strong>ja</strong><br />
K x (t 1 , t 2 ) = e t 2−t 1<br />
. Leiame juhusliku funktsiooni Y (t) = t ∫ t<br />
X(τ)dτ + t2<br />
0<br />
karakteristikud.<br />
Lahendus. Karakteristikute leidmine erineb eelnevas ülesandes tehtust<br />
ainult matemaatiliste operatsioonide poolest.<br />
EY (t) = E(t ∫ t<br />
0 X(τ)dτ + t2 ) = t ∫ t<br />
0 EX(τ)dτ + t2 = t ∫ t<br />
0 cos τdτ + t2 =<br />
= t sin τ| t 0 + t2 = t sin t + t 2 = t(sin t + t); □
67<br />
K y (t 1 , t 2 ) = t 1 t 2<br />
∫ t1<br />
0<br />
∫ t2<br />
K ∫ t1<br />
∫ t2<br />
0 x(τ 1 , τ 2 )dτ 1 dτ 2 = t 1 t 2 0 0 eτ 1−τ 2<br />
dτ 1 dτ 2 =<br />
= [kuna integreerimisra<strong>ja</strong>d on konstantsed <strong>ja</strong> integrand e τ 2−τ 1<br />
dτ 1 dτ 2 =<br />
= e −τ 1<br />
dτ 1 · e τ 2<br />
dτ 2 , võime kahekordse integraali asendada kahe määratud<br />
integraali korrutisega] = t 1 t 2<br />
∫ t1<br />
0 e−τ 1<br />
dτ 1·∫ t 2<br />
0 eτ 2<br />
dτ 2 = t 1 t 2 (−e −τ 1<br />
) t 1<br />
0·eτ 2<br />
| t 2<br />
0 =<br />
= t 1 t 2 (−e −t 1<br />
+ 1)(e t 2<br />
− 1) = t 1 t 2 (1 − e −t 1<br />
)(e t 2<br />
− 1). □<br />
DY (t) = K y (t, t) = t 2 (1 − e −t )(e t − 1) = t 2 (e t − 1 − 1 + e −t ) =<br />
= t 2 (e t + e −t − 2). □<br />
8.34. Juhusliku funktsiooni X(t) kanooniline arendus on X(t) = 1+<br />
+X 1 t+ X 2<br />
t<br />
+X 3 cos 2t+X 4 sin 2t, kusjuures DX 1 = 1, DX 2 = 2, DX 3 =<br />
= DX 4 = 4. Leiame EX(t), K x (t 1 , t 2 ) <strong>ja</strong> DX(t). Kas juhuslik funktsioon<br />
X(t) on statsionaarne?<br />
Lahendus. Kuna antud on kanooniline arendus, siis juhuslikud suurused<br />
X 1 , X 2 , X 3 <strong>ja</strong> X 4 on mittekorreleeruvad ning EX 1 = EX 2 = EX 3 =<br />
= EX 4 = 0.<br />
EX(t) = E(1 + X 1 t + X 2<br />
t<br />
+ X 3 cos 2t + X 4 sin 2t) =<br />
= E1 + tEX 1 + 1 t EX 2 + cos 2tEX 3 + sin 2tEX 4 = 1. □<br />
Kuna juhuslik funktsioon on antud kanoonilise arendusena, siis kõik<br />
cov(X i , X j ) = 0, kui i ≠ j ning cov(X i , X j ) = DX i , kus i = 1, 2, 3, 4.<br />
Seega<br />
4∑<br />
K x (t 1 , t 2 ) = ϕ i (t 1 )ϕ i (t 2 )DX i .<br />
i=1<br />
Antud ülesandes ϕ 1 (t) = t, ϕ 2 (t) = 1 t , ϕ 3(t) = cos 2t <strong>ja</strong> ϕ 4 (t) = sin 2t.<br />
K x (t 1 , t 2 ) = t 1 t 2 DX 1 + 1<br />
t 1 t 2<br />
DX 2 +cos 2t 1 cos 2t 2 DX 3 +sin 2t 1 sin 2t 2 DX 4 =<br />
= t 1 t 2 + 2<br />
t 1 t 2<br />
+ 4(cos 2t 1 cos 2t 2 + sin 2t 1 sin 2t 2 ) =
68<br />
= t 1 t 2 + 2<br />
t 1 t 2<br />
+ 4 cos 2(t 1 − t 2 ). □<br />
DX(t) = K x (t, t) = t 2 + 2 t 2 + 4 cos 0 = t2 + 2 t 2 + 4. □<br />
Kontrollime, kas juhuslik funktsioon X(t) on statsionaarne. Keskväärtus<br />
EX(t) on konstantselt 1, kuid kovariatsioonifunktsioon K x (t 1 , t 2 ) sõltub<br />
lisaks vahele t 2 − t 1 (cos 2(t 1 − t 2 ) = cos 2(t 2 − t 1 ) kui paarisfunktsioon)<br />
veel liidetavatest t 1 t 2 ning 2<br />
t 1 t 2<br />
. Seega juhuslik funktsioon X(t) ei ole<br />
statsionaarne.<br />
8.35. Suuruste X <strong>ja</strong> Y kümne sõltumatu mõõtmise väärtuspaarid on<br />
mõõtmiste järjekorras tabelina<br />
x k 3, 4 2, 2 4, 6 1, 8 3, 0 5, 5 1, 3 5, 2 6, 1 3, 9<br />
y k 8, 7 9, 8 8, 5 8, 9 9, 3 8, 8 9, 4 9, 1 8, 3 9, 6.<br />
Leiame arvkarakteristikute EX, EY, DX, DY, σ x , σ y , cov(X, Y ), r xy<br />
empiirilised väärtused, EX, EY,<br />
DX, DY nihutamata hinnangud, EX, EY, DX, DY usaldusvahemikud<br />
usaldusnivool α = 0, 95 ning regressioonisirge y = b 0 + b 1 x võrrandi.<br />
Lahendus. Tegemist on väikese valimiga, sest selle maht n = 10. Kuna<br />
selle näiteülesande lahendamisel me ei kasuta standardprogramme, siis<br />
leiame kõigepealt järgnevates arvutustes va<strong>ja</strong>likud summad.<br />
∑10<br />
k=1<br />
x k = 37, 0;<br />
∑10<br />
k=1<br />
y k = 90, 4;<br />
∑10<br />
k=1<br />
x 2 k = 161, 2;<br />
∑10<br />
k=1<br />
y 2 k = 819, 34;<br />
10∑<br />
k=1<br />
x k y k = 330, 17.<br />
1 o Leiame empiirilised keskväärtused E ∗ X = ¯x <strong>ja</strong> E ∗ Y = ȳ, mis on<br />
ühtlasi keskväärtuste nihutamata hinnangud.<br />
¯x = 1<br />
10<br />
∑10<br />
k=1<br />
x k = 3, 70; ȳ = 1<br />
10<br />
∑10<br />
k=1<br />
y k = 9, 04. □
Punkt koordinaatidega (3, 70; 9, 04) on hajuvuskese, mille ümbrusesse<br />
satuvad katsetulemustega määratud punktid kõige sagedamini.<br />
2 o Leiame empiirilised dispersioonid D ∗ X = x 2 − (x) 2 <strong>ja</strong> D ∗ y = y 2 − (y) 2<br />
ning dispersioonide nihutamata hinnangud<br />
Sx 2 =<br />
n<br />
n − 1 D∗ X <strong>ja</strong> Sy 2 =<br />
n<br />
n − 1 D∗ Y<br />
Samuti leiame standardhälvete vastavad hinnangud.<br />
D ∗ X = x 2 − (x) 2 = 16, 12 − 13, 69 = 2, 43, siit σ ∗ x = √ D ∗ X ≈ 1, 559,<br />
S 2 x = 10<br />
9 · 2, 43 = 2, 7; S x = 1, 643; □<br />
D ∗ Y = y 2 − (y) 2 = 81, 934 − 81, 7216 = 0, 2124, siit σ ∗ y ≈ 0, 4609,<br />
S 2 y = 10<br />
9 · 0, 2124 = 0, 236; S y ≈ 0, 4858 □<br />
3 o Nüüd saame leida keskväärtuste <strong>ja</strong> dispersioonide usaldusvahemikud<br />
etteantud usaldusnivool. Võtame usaldusnivooks α = 0, 95, mis tähendab,<br />
et leiame kahepoolsed usalduspiirid ehk 0,025 -kvantiilid <strong>ja</strong> 0,975 kvantiilid.<br />
Keskväärtuse sümmeetrilised usalduspiirid määrame Studenti <strong>ja</strong>otuse<br />
kaudu.<br />
P (¯x − ε α < EX < ¯x + ε α ) = α,<br />
kus<br />
ε α = t( 1 + α<br />
√<br />
S<br />
2<br />
, n − 1) x<br />
2<br />
n .<br />
Käesolevas ülesandes valisime α = 0, 95, seega 1+α = 0, 975. Kuna<br />
2<br />
n − 1 = 9, siis t - <strong>ja</strong>otuse tabelist t(0, 975; 9) = 2, 262 ning suuruse<br />
X korral<br />
√<br />
2, 7<br />
ε 0,95 = 2, 262 ≈ 1, 175.<br />
10<br />
Järelikult mõõtmistulemuste põh<strong>ja</strong>l saime usaldusvahemiku<br />
EX ∈ (3, 7 − 1, 18; 3, 7 + 1, 18)<br />
ehk EX ∈ (2, 52; 4, 88) tõenäosusega 0, 95. □<br />
Analoogiliselt leiame EY usaldusvahemiku.<br />
ε α = t( 1 + α<br />
√ √<br />
S<br />
2<br />
y<br />
0, 236<br />
, n − 1)<br />
2<br />
n = 2, 262 10<br />
≈ 0, 347.<br />
69
70<br />
Järelikult<br />
EY ∈ (9, 04 − 0, 35; 9, 04 + 0, 35)<br />
ehk EY ∈ (8, 69; 9, 39) tõenäosusega 0, 95. □<br />
Dispersioonide 0,025 - <strong>ja</strong> 0,975 - kvantiilid määrame χ 2 - <strong>ja</strong>otuse kaudu.<br />
(n − 1)S 2 x<br />
χ 2 0,975; n−1<br />
< DX < (n − 1)S2 x<br />
,<br />
χ 2 0,025; n−1<br />
9 · 2, 7<br />
19, 023<br />
< DX <<br />
9 · 2, 7<br />
2, 7<br />
⇒ DX ∈ (1, 28; 9, 00). □<br />
9 · 0, 236<br />
19, 023<br />
(n − 1)S 2 y<br />
χ 2 0,975; n−1<br />
< DY <<br />
9 · 0, 236<br />
2, 7<br />
< DY < (n − 1)S2 y<br />
,<br />
χ 2 0,025; n−1<br />
⇒ DY ∈ (0, 11; 0, 79). □<br />
4 o Selgitame suuruste X <strong>ja</strong> Y omavahelise seose olemasolu, iseloomu <strong>ja</strong><br />
tugevuse. Selleks arvutame juhuslike suuruste X <strong>ja</strong> Y kovariatsiooni<br />
cov(X, Y ) ning korrelatsioonikorda<strong>ja</strong> hinnangud.<br />
cov ∗ (X, Y ) = xy − ¯x · ȳ = 33, 017 − 33, 448 = −0, 431. □<br />
cov ∗ (X, Y ) ≠ 0, seega on suuruste vahel korrelatiivne seos. Tulemus<br />
cov ∗ (X, Y ) < 0 ütleb, et suuruste X ning Y muutumistendentsid on<br />
vastupidised: ühe suuruse kasvades teine suurus kahaneb.<br />
Arvutame lineaarse korrelatsioonikorda<strong>ja</strong> hinnangu<br />
r ∗ xy = cov∗ (X, Y )<br />
σ ∗ x · σ ∗ y<br />
0, 431<br />
= −<br />
1, 5588 · 0, 4609<br />
≈ −0, 5999 ≈ −0, 60. □<br />
Tulemus täpsustab eelnevat. Suuruste X <strong>ja</strong> Y vahel on keskmise tugevusega<br />
negatiivne korrelatiivne seos suuruste muutumise vastupidise tendentsiga.<br />
5 o Leiame lineaarse regressioonimudeli y = b 0 + b 1 x. Regressioonisirge<br />
tõus (regressioonikorda<strong>ja</strong>)<br />
b 1 = n ∑ x i y i − ∑ x i y i<br />
n ∑ 10 · 330, 17 − 37 · 90, 4<br />
x 2 i − (∑ = ≈ −0, 177.<br />
x i )<br />
2<br />
10 · 161, 2 − 37 2
Vabaliikme b 0 määrame tingimusest, et regressioonisirge läbib hajuvuskeset<br />
ȳ = b 0 + b 1¯x ⇒ b 0 = ȳ − b 1¯x = 9, 04 + 0, 177 · 3, 7 ≈ 9, 695.<br />
Seega on suuruste X <strong>ja</strong> Y vahelist seost kirjeldav parim lineaarne mudel<br />
- regressioonisirge võrrand<br />
y = 9, 695 − 0, 177x.<br />
Hinnangu saadud lineaarse mudeli sobivusele annab determinatsioonikorda<strong>ja</strong><br />
d = r 2 · 100% = 0, 3599 · 100% ≈ 36%. Tulemus ütleb, et lineaarse<br />
mudeli prognoosiv võime antud korrelatiivse seose korral on keskmiselt<br />
36% õigeid tulemusi, kui anname suurusele X meid huvitavaid väärtusi<br />
<strong>ja</strong> arvutame regressioonisirge võrrandist vastavad suuruse Y väärtused.<br />
Kas see tulemus rahuldab, sõltub uuritavast probleemist <strong>ja</strong> uuri<strong>ja</strong> poolt<br />
püstitatud nõuetest.<br />
6 o Esitame lähteandmed <strong>ja</strong> viimase tulemuse graafiliselt korrelatsiooniväl<strong>ja</strong>na<br />
koos selle punkte siduva regressioonisirgega.<br />
71<br />
y<br />
✻<br />
10<br />
9 y<br />
8<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
y = 9, 695 − 0, 177x<br />
7<br />
<br />
2 x 4 6 8<br />
✲ x<br />
8.36. Kahe samaotstarbelise erinevat tüüpi seadme võrdlemiseks parameetri<br />
X alusel tehti mõlema seadme parameetri X kümme sõltumatut<br />
mõõtmist. Mõõtmistulemused on<br />
X 1 : 63, 81, 57, 66, 82, 68, 59, 75, 82, 73;<br />
X 2 : 64, 72, 83, 59, 65, 82, 63, 56, 74, 82.
72<br />
Kontrollime hüpoteese dispersioonide DX 1 , DX 2 <strong>ja</strong> keskväärtuste EX 1 ,<br />
EX 2 võrdsusest.<br />
Lahendus. Valime usaldusnivooks α = 0, 99. Kontrollime hüpoteesi H 0 :<br />
DX 1 = DX 2 . Selle kehtimisel võime eeldada, et mõlema seadme korral<br />
oli mõõtmistäpsus sama. Eeldusel DX 1 = DX 2 on suurusel S1/S 2 2 2 või<br />
S2/S 2 1 2 Fisheri <strong>ja</strong>otus (F-<strong>ja</strong>otus) vabadusastmete arvudega n 1 − 1, n 2 − 1<br />
või n 2 − 1, n 1 − 1.<br />
Arvutame S1 2 = 10(5064,<br />
2 − 4984, 36) = 88, 71, 9 S2 2 = 10 (4990, 4−<br />
9<br />
−4900, 0) = 100, 44.<br />
Valides dispersioonide nihutamata hinnangute suhte nii, et statistiku F<br />
empiiriline väärtus F e > 1, piisab nullhüpoteesi kontrollimiseks ühepoolse<br />
tingimuse F e < F kr või F e > F kr määramisest. Statistiku F kriitilise<br />
väärtuse F kr ( 1+α;<br />
n 2 1 − 1, n 2 − 1) või F kr ( 1+α;<br />
n 2 2 − 1, n 1 − 1) leiame<br />
Fisheri <strong>ja</strong>otuse tabelist: F kr (0, 995; 9, 9) = 6, 54. Kuna antud ülesandes<br />
S 2 2 > S 2 1, siis<br />
F e = S2 2<br />
S 2 1<br />
=<br />
100, 44<br />
88, 71<br />
≈ 1, 132.<br />
Seega F e < F kr <strong>ja</strong> ei ole põhjust nullhüpoteesi tagasi lükata. Tõenäosusega<br />
0,99 võib eeldada, et dispersioonid DX 1 <strong>ja</strong> DX 2 on võrdsed ning<br />
mõõtmistäpsus ei tohiks põhjustada keskmiste erinevust.<br />
Kontrollime hüpoteesi keskväärtuste EX 1 <strong>ja</strong> EX 2 võrdsusest. Püstitame<br />
nullhüpoteesi H 0 : EX 1 = EX 2 . Hüpoteesi kehtivuse kontrollimiseks<br />
kasutame Studenti <strong>ja</strong>otusega statistikut<br />
t e =<br />
√<br />
|¯x 1 − ¯x 2 |<br />
,<br />
( 1 n 1<br />
+ 1 n 2<br />
) (n 1−1)S1 2+(n 2−1)S2<br />
2<br />
n 1 +n 2 −2<br />
kus eeldus EX 1 = EX 2 on asendatud samaväärse eeldusega EX 1 −<br />
−EX 2 = 0.<br />
Arvutame lähteandmete põh<strong>ja</strong>l empiirilise väärtuse<br />
t e =<br />
70, 6 − 70, 0<br />
√<br />
( 1 + 1 ) 9·88,71+9·100,44<br />
10 10 10+10−2<br />
≈ 0, 6 √ 18, 915<br />
≈ 0, 138.<br />
Studenti <strong>ja</strong>otuse tabelist t kr (0, 995; 18) = 2, 878. Kuna empiiriline väärtus<br />
t e < t kr , ei ole põhjust hüpoteesi H 0 tagasi lükata ehk tõenäosusega<br />
0,99 võib lugeda keskväärtused EX 1 <strong>ja</strong> EX 2 võrdseks. Seega võrreldud<br />
seadmed on parameetri X järgi samaväärsed.
73<br />
9. Teadmiste kontroll <strong>ja</strong> hindamine<br />
Käesolev kursus lõpeb eksamiga. Eksamil kontrollitakse nii teadmisi<br />
teooriast kui ka ülesannete lahendamise oskust. Ala<strong>ja</strong>otuses 6 nimetatud<br />
teoreeme, valemeid <strong>ja</strong> omadusi tuleb osata tõestada või tuletada. Ala<strong>ja</strong>otuses<br />
7 on toodud ülesannete tüübid, mida üliõpilane peab oskama<br />
lahendada. Semestri jooksul tehakse kontrolltöid õppejõu juuresolekul<br />
TTÜ ruumes.<br />
Õppeaines <strong>YMR0070</strong> on kolm kontrolltööd ning õppeainetes<br />
YMR0110 <strong>ja</strong> <strong>YMR3720</strong> kaks kontrolltööd. Kõik üliõpilased lahendavad<br />
<strong>statistika</strong> arvutus-graafilise töö, mis vastab näidisülesandele 8.35. Kontrolltööde<br />
alusel võib üliõpilane saada jooksvalt eksamihinde.<br />
Kontrolltööde mater<strong>ja</strong>l on:<br />
• 1. kontrolltöö:<br />
- teooria: programmis esitatud teemad 6.1.-6.5.<br />
- ülesanded: tüüpülesanded<br />
• 2. kontrolltöö:<br />
- teooria: programmis esitatud teemad 6.6.-6.12.<br />
- ülesanded: tüüpülesanded<br />
• 3. kontrolltöö*:<br />
- teooria: programmis esitatud teemad 6.14.-6.22.<br />
- ülesanded: tüüpülesanded<br />
Igat kontrolltööd hinnatakse 100 punkti süsteemis. Eksamihinde saamiseks<br />
peab olema esitatud <strong>ja</strong> arvestatud <strong>statistika</strong> arvutus-graafiline<br />
töö.<br />
Eksamihinne h määratakse kontrolltööde hinnete aritmeetilise keskmise<br />
k alusel järgnevalt:<br />
• kui k ≥ 91, siis h = 5<br />
• kui 81 ≤ k ≤ 90, siis h = 4
74<br />
• kui 71 ≤ k ≤ 80, siis h = 3<br />
• kui 61 ≤ k ≤ 70, siis h = 2<br />
• kui 51 ≤ k ≤ 60, siis h = 1<br />
• kui k ≤ 50, siis h = 0<br />
Kui üliõpilane eelistab kontrolltööde asemel oma teadmisi näidata eksamil,<br />
siis eksamil tuleb sooritada ülalkirjeldatud kolme (<strong>YMR0070</strong>) või<br />
kahe, siis 1. <strong>ja</strong> 2., (YMR0110, <strong>YMR3720</strong>) kontrolltöö baasil koostatud<br />
ühine kontrolltöö, mida hinnatakse samuti 100 punkti süsteemis. Eksamihinne<br />
h määratakse sellisel juhul saadud kontrolltööhinde k järgi<br />
ülaltoodud tingimustel.<br />
Eksami-, kontrolltööde <strong>ja</strong> konsultatsioonide a<strong>ja</strong>d teatatakse õppetöö<br />
korraldamise graafikuga jooksval semestril.<br />
Juhendi koosta<strong>ja</strong>:<br />
Ahto Lõhmus<br />
TTÜ matemaatikainstituudi rakendusmatemaatika<br />
erakorraline dotsent