Страница 196 - гдз по алгебре 11 класс учебник Мерзляк, Номировский

Авторы: Мерзляк А. Г., Номировский Д. А., Полонский В. Б., Якир М. С.
Тип: Учебник
Издательство: Просвещение
Год издания: 2016 - 2025
Уровень обучения: базовый
Цвет обложки: синий, зелёный
Допущено Министерством просвещения Российской Федерации
Математика. Алгебра и начала математического анализа
Популярные ГДЗ в 11 классе
Cтраница 196

№1 (с. 196)
Учебник. №1 (с. 196)
скриншот условия

1. Найдите дисперсии случайных величин $x$ и $y$, рассмотренных в примере о безопасности автомобиля.
Решение 2. №1 (с. 196)
Поскольку в задании не приводится сам «пример о безопасности автомобиля», для решения задачи необходимо сделать предположение о данных этого примера. Предположим, что в примере рассматривались две дискретные случайные величины $x$ и $y$, и их совместное распределение вероятностей $p(x_i, y_j) = P(x=x_i, y=y_j)$ было задано следующей таблицей:
$p(x,y)$ | $y=1$ | $y=2$ | $y=3$ |
---|---|---|---|
$x=1$ | 0.10 | 0.20 | 0.10 |
$x=2$ | 0.05 | 0.10 | 0.45 |
Здесь $x$ может представлять количество установленных систем безопасности (например, 1 или 2), а $y$ — уровень безопасности, оцененный в баллах (1, 2 или 3).
Дисперсия случайной величины $X$ вычисляется по формуле: $D(X) = M[X^2] - (M[X])^2$, где $M[X]$ — математическое ожидание $X$.
Дисперсия случайной величины x
1. Найдем маргинальное распределение вероятностей для $x$. Для этого просуммируем вероятности по строкам таблицы:
$P(x=1) = p(1,1) + p(1,2) + p(1,3) = 0.10 + 0.20 + 0.10 = 0.40$
$P(x=2) = p(2,1) + p(2,2) + p(2,3) = 0.05 + 0.10 + 0.45 = 0.60$
Проверка: $0.40 + 0.60 = 1.00$.
2. Вычислим математическое ожидание $M[x]$.
$M[x] = \sum_{i} x_i \cdot P(x=x_i) = 1 \cdot 0.40 + 2 \cdot 0.60 = 0.4 + 1.2 = 1.6$
3. Вычислим математическое ожидание квадрата $M[x^2]$.
$M[x^2] = \sum_{i} x_i^2 \cdot P(x=x_i) = 1^2 \cdot 0.40 + 2^2 \cdot 0.60 = 1 \cdot 0.40 + 4 \cdot 0.60 = 0.4 + 2.4 = 2.8$
4. Вычислим дисперсию $D(x)$.
$D(x) = M[x^2] - (M[x])^2 = 2.8 - (1.6)^2 = 2.8 - 2.56 = 0.24$
Ответ: $D(x) = 0.24$
Дисперсия случайной величины y
1. Найдем маргинальное распределение вероятностей для $y$. Для этого просуммируем вероятности по столбцам таблицы:
$P(y=1) = p(1,1) + p(2,1) = 0.10 + 0.05 = 0.15$
$P(y=2) = p(1,2) + p(2,2) = 0.20 + 0.10 = 0.30$
$P(y=3) = p(1,3) + p(2,3) = 0.10 + 0.45 = 0.55$
Проверка: $0.15 + 0.30 + 0.55 = 1.00$.
2. Вычислим математическое ожидание $M[y]$.
$M[y] = \sum_{j} y_j \cdot P(y=y_j) = 1 \cdot 0.15 + 2 \cdot 0.30 + 3 \cdot 0.55 = 0.15 + 0.60 + 1.65 = 2.4$
3. Вычислим математическое ожидание квадрата $M[y^2]$.
$M[y^2] = \sum_{j} y_j^2 \cdot P(y=y_j) = 1^2 \cdot 0.15 + 2^2 \cdot 0.30 + 3^2 \cdot 0.55 = 1 \cdot 0.15 + 4 \cdot 0.30 + 9 \cdot 0.55 = 0.15 + 1.20 + 4.95 = 6.3$
4. Вычислим дисперсию $D(y)$.
$D(y) = M[y^2] - (M[y])^2 = 6.3 - (2.4)^2 = 6.3 - 5.76 = 0.54$
Ответ: $D(y) = 0.54$
№2 (с. 196)
Учебник. №2 (с. 196)
скриншот условия

2. Найдите дисперсию числа очков, выпадающих при бросании игрального кубика.
Решение 2. №2 (с. 196)
Дисперсия случайной величины является мерой разброса её значений относительно её математического ожидания. Для нахождения дисперсии числа очков, выпадающих при бросании игрального кубика, необходимо выполнить несколько шагов.
Пусть $X$ — это случайная величина, равная числу очков, выпавших при одном бросании кубика. Возможные значения, которые может принимать $X$, это $\{1, 2, 3, 4, 5, 6\}$.
Поскольку игральный кубик считается правильным (симметричным), вероятность выпадения каждой из шести граней одинакова: $P(X=k) = \frac{1}{6}$ для любого $k \in \{1, 2, 3, 4, 5, 6\}$.
Дисперсию $D(X)$ можно рассчитать по формуле: $D(X) = M(X^2) - [M(X)]^2$, где $M(X)$ — математическое ожидание случайной величины $X$, а $M(X^2)$ — математическое ожидание квадрата случайной величины $X$.
1. Найдем математическое ожидание $M(X)$
Математическое ожидание вычисляется как сумма произведений всех возможных значений случайной величины на их вероятности: $M(X) = \sum_{i=1}^{6} x_i \cdot p_i = 1 \cdot \frac{1}{6} + 2 \cdot \frac{1}{6} + 3 \cdot \frac{1}{6} + 4 \cdot \frac{1}{6} + 5 \cdot \frac{1}{6} + 6 \cdot \frac{1}{6}$ $M(X) = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = \frac{7}{2} = 3.5$
2. Найдем математическое ожидание квадрата случайной величины $M(X^2)$
Для этого нужно каждое значение случайной величины возвести в квадрат, умножить на его вероятность и сложить полученные произведения: $M(X^2) = \sum_{i=1}^{6} x_i^2 \cdot p_i = 1^2 \cdot \frac{1}{6} + 2^2 \cdot \frac{1}{6} + 3^2 \cdot \frac{1}{6} + 4^2 \cdot \frac{1}{6} + 5^2 \cdot \frac{1}{6} + 6^2 \cdot \frac{1}{6}$ $M(X^2) = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6}$
3. Вычислим дисперсию $D(X)$
Теперь подставим найденные значения $M(X)$ и $M(X^2)$ в формулу для дисперсии: $D(X) = M(X^2) - [M(X)]^2 = \frac{91}{6} - (\frac{7}{2})^2$ $D(X) = \frac{91}{6} - \frac{49}{4}$
Приведем дроби к общему знаменателю 12: $D(X) = \frac{91 \cdot 2}{12} - \frac{49 \cdot 3}{12} = \frac{182}{12} - \frac{147}{12} = \frac{182 - 147}{12} = \frac{35}{12}$
Ответ: $\frac{35}{12}$
№3 (с. 196)
Учебник. №3 (с. 196)
скриншот условия

3. Пусть случайная величина $x$ имеет распределение Бернулли:
Значение $x$ 0 1
Вероятность $1 - p$ $p$
Докажите, что
$M(x) = p, D(x) = p(1 - p)$.
Решение 2. №3 (с. 196)
Для решения задачи нам понадобятся определения математического ожидания и дисперсии для дискретной случайной величины.
Случайная величина $x$ имеет распределение Бернулли и принимает следующие значения:
- $x_1 = 0$ с вероятностью $p_1 = 1 - p$
- $x_2 = 1$ с вероятностью $p_2 = p$
Доказательство, что $M(x) = p$
Математическое ожидание ($M(x)$) дискретной случайной величины вычисляется как сумма произведений всех её возможных значений на их вероятности. Формула имеет вид:
$M(x) = \sum_{i=1}^{n} x_i p_i$
Применим эту формулу к нашей случайной величине $x$:
$M(x) = x_1 \cdot p_1 + x_2 \cdot p_2 = 0 \cdot (1-p) + 1 \cdot p$
Выполним вычисления:
$M(x) = 0 + p = p$
Таким образом, математическое ожидание случайной величины $x$, имеющей распределение Бернулли, действительно равно $p$.
Ответ: Доказано, что $M(x) = p$.
Доказательство, что $D(x) = p(1 - p)$
Дисперсия ($D(x)$) дискретной случайной величины может быть вычислена по формуле:
$D(x) = M(x^2) - [M(x)]^2$
Мы уже доказали, что $M(x) = p$. Теперь нам нужно найти $M(x^2)$ — математическое ожидание квадрата случайной величины. Оно вычисляется аналогично математическому ожиданию, но значения величины возводятся в квадрат:
$M(x^2) = \sum_{i=1}^{n} x_i^2 p_i$
Подставим наши значения:
$M(x^2) = x_1^2 \cdot p_1 + x_2^2 \cdot p_2 = 0^2 \cdot (1-p) + 1^2 \cdot p$
Выполним вычисления:
$M(x^2) = 0 \cdot (1-p) + 1 \cdot p = 0 + p = p$
Теперь, зная $M(x^2) = p$ и $M(x) = p$, подставим эти значения в формулу для дисперсии:
$D(x) = M(x^2) - [M(x)]^2 = p - p^2$
Вынесем общий множитель $p$ за скобки:
$D(x) = p(1 - p)$
Таким образом, дисперсия случайной величины $x$, имеющей распределение Бернулли, действительно равна $p(1-p)$.
Ответ: Доказано, что $D(x) = p(1-p)$.
Помогло решение? Оставьте отзыв в комментариях ниже.