2.1. Функция распределения.
Во всех рассмотренных выше случаях случайная величина определялась путем задания значений самой величины и вероятностей этих значений.
Однако, такой метод применим далеко не всегда. Например, в случае непрерывной случайной величины, ее значения могут заполнять некоторый произвольный интервал. Очевидно, что в этом случае задать все значения случайной величины просто нереально.
Даже в случае, когда это сделать можно, зачастую задача решается чрезвычайно сложно. Рассмотренный только что пример даже при относительно простом условии (приборов только четыре) приводит к достаточно неудобным вычислениям, а если в задаче будет несколько сотен приборов?
Поэтому встает задача по возможности отказаться от индивидуального подхода к каждой задаче и найти по возможности наиболее общий способ задания любых типов случайных величин.
Пусть х – действительное число. Вероятность события, состоящего в том, что Х примет значение, меньшее х, т.е. Х < x, обозначим через F(x).
Функцией распределения называют функцию F(x), определяющую вероятность того, что случайная величина Х в результате испытания примет значение, меньшее х.
Функцию распределения также называют интегральной функцией.
Функция распределения существует как для непрерывных, так и для дискретных случайных величин. Она полностью характеризует случайную величину и является одной из форм закона распределения.
Для дискретной случайной величины функция распределения имеет вид:
Знак неравенства под знаком суммы показывает, что суммирование распространяется на те возможные значения случайной величины, которые меньше аргумента х.
Функция распределения дискретной случайной величины Х разрывна и возрастает скачками при переходе через каждое значение х i.
Так для примера, рассмотренного выше, функция распределения будет иметь вид:
Свойства функции распределения:
1) значения функции распределения принадлежат отрезку [0, 1].
2) F(x) – неубывающая функция.
при 
3) Вероятность того, что случайная величина примет значение, заключенное в интервале (a , b) , равна приращению функции распределения на этом интервале.
4) На минус бесконечности функция распределения равна нулю, на плюс бесконечности функция распределения равна единице.
5) Вероятность того, что непрерывная случайная величина Х примет одно определенное значение, равна нулю.
Таким образом, не имеет смысла говорить о каком – либо конкретном значении случайной величины. Интерес представляет только вероятность попадания случайной величины в какой – либо интервал, что соответствует большинству практических задач.
2.2. Плотность распределения.
Функция распределения полностью характеризует случайную величину, однако, имеет один недостаток. По функции распределения трудно судить о характере распределения случайной величины в небольшой окрестности той или иной точки числовой оси.
Плотностью распределения вероятностей непрерывной случайной величины Х называется функция f ( x ) – первая производная от функции распределения F(x).
Плотность распределения также называют дифференциальной функцией. Для описания дискретной случайной величины плотность распределения неприемлема.
Смысл плотности распределения состоит в том, что она показывает как часто появляется случайная величина Х в некоторой окрестности точки х при повторении опытов.
После введения функций распределения и плотности распределения можно дать следующее определение непрерывной случайной величины.
Случайная величина Х называется непрерывной, если ее функция распределения F(x) непрерывна на всей оси ОХ, а плотность распределения f(x) существует везде, за исключением( может быть, конечного числа точек.
Зная плотность распределения, можно вычислить вероятность того, что некоторая случайная величина Х примет значение, принадлежащее заданному интервалу.
Теорема. Вероятность того, что непрерывная случайная величина Х примет значение, принадлежащее интервалу ( a , b ), равна определенному интегралу от плотности распределения, взятому в пределах от a до b .
Доказательство этой теоремы основано на определении плотности распределения и третьем свойстве функции распределения, записанном выше.
Геометрически это означает, что вероятность того, что непрерывная случайная величина примет значение, принадлежащее интервалу (a, b), равна площади криволинейной трапеции, ограниченной осью ОХ, кривой распределения f(x) и прямыми x = a и x = b .
Функция распределения может быть легко найдена, если известна плотность распределения, по формуле:
Свойства плотности распределения:
1) Плотность распределения – неотрицательная функция: 
2) Несобственный интеграл от плотности распределения в пределах от - ¥ до ¥ равен единице: 
Пример. Случайная величина подчинена закону распределения с плотностью:
Требуется найти коэффициент а, построить график функции плотности распределения, определить вероятность того, что случайная величина попадет в интервал от 0 до 
.
Построим график плотности распределения:
Для нахождения коэффициента а воспользуемся свойством 
.
Находим вероятность попадания случайной величины в заданный интервал.
Пример. Задана непрерывная случайная величина х своей функцией распределения f ( x ).
Требуется определить коэффициент А, найти функцию распределения, построить графики функции распределения и плотности распределения, определить вероятность того, что случайная величина х попадет в интервал 
.
Найдем коэффициент А.
Найдем функцию распределения:
1) На участке 
: 
2) На участке 
3) На участке 
Итого: 
Построим график плотности распределения:
f ( x )
Построим график функции распределения:
F ( x )
Найдем вероятность попадания случайной величины в интервал .
Ту же самую вероятность можно искать и другим способом:
2. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, мода, медиана).
Пусть непрерывная случайная величина Х задана функцией распределения f ( x ). Допустим, что все возможные значения случайной величины принадлежат отрезку [a , b].
Закон распределения полностью характеризует случайную величину. Однако, когда невозможно найти закон распределения, или этого не требуется, можно ограничиться нахождением значений, называемых числовыми характеристиками случайной величины. Эти величины определяют некоторое среднее значение, вокруг которого группируются значения случайной величины, и степень их разбросанности вокруг этого среднего значения.
Математическим ожиданием дискретной случайной величины называется сумма произведений всех возможных значений случайной величины на их вероятности.
Математическое ожидание существует, если ряд, стоящий в правой части равенства, сходится абсолютно.
С точки зрения вероятности можно сказать, что математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений случайной величины.
Свойства математического ожидания:
1) Математическое ожидание постоянной величины равно самой постоянной.
2) Постоянный множитель можно выносить за знак математического ожидания.
3) Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий.
Это свойство справедливо для произвольного числа случайных величин.
4) Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий слагаемых.
Это свойство также справедливо для произвольного числа случайных величин.
Пусть производится п независимых испытаний, вероятность появления события А в которых равна р.
Теорема. Математическое ожидание М(Х) числа появления события А в п независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании.
Однако, математическое ожидание не может полностью характеризовать случайный процесс. Кроме математического ожидания надо ввести величину, которая характеризует отклонение значений случайной величины от математического ожидания.
Это отклонение равно разности между случайной величиной и ее математическим ожиданием. При этом математическое ожидание отклонения равно нулю. Это объясняется тем, что одни возможные отклонения положительны, другие отрицательны, и в результате их взаимного погашения получается ноль.
Математическим ожиданием непрерывной случайной величины Х, возможные значения которой принадлежат отрезку [a,b], называется определенный интеграл
Если возможные значения случайной величины рассматриваются на всей числовой оси, то математическое ожидание находится по формуле:
При этом, конечно, предполагается, что несобственный интеграл сходится.
Дисперсией (рассеиванием) дискретной случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания.
Пример. Для рассмотренного выше примера закон распределения случайной величины имеет вид:
| X | 0 | 1 | 2 |
| p | 0,0625 | 0,375 | 0,5625 |
Найти математическое ожидание и дисперсию случайной величины.
Математическое ожидание случайной величины равно:
Возможные значения квадрата отклонения:
Тогда
| [X-M(X)]2 | 2,25 | 0,25 | 0,25 |
| p | 0,0625 | 0,375 | 0,5625 |
Дисперсия равна:
Однако, на практике подобный способ вычисления дисперсии неудобен, т.к. приводит при большом количестве значений случайной величины к громоздким вычислениям.
Поэтому применяется другой способ.
Вычисление дисперсии.
Теорема. Дисперсия равна разности между математическим ожиданием квадрата случайной величины Х и квадратом ее математического ожидания.
Доказательство. С учетом того, что математическое ожидание М(Х) и квадрат математического ожидания М2(Х) – величины постоянные, можно записать:
Применим эту формулу для рассмотренного выше примера:
| X | 0 | 1 | 2 |
| X2 | 0 | 1 | 4 |
| p | 0,0625 | 0,375 | 0,5625 |
Дисперсией непрерывной случайной величины называется математическое ожидание квадрата ее отклонения.
По аналогии с дисперсией дискретной случайной величины, для практического вычисления дисперсии используется формула:
Свойства дисперсии.
1) Дисперсия постоянной величины равна нулю: 
2) Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат: 
3) Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин: 
4) Дисперсия разности двух независимых случайных величин равна сумме дисперсий этих величин: 
Справедливость этого равенства вытекает из свойства 2.
Теорема. Дисперсия числа появления события А в п независимых испытаний, в каждом из которых вероятность р появления события постоянна, равна произведению числа испытаний на вероятности появления и непоявления события в каждом испытании.
Дата: 2019-02-19, просмотров: 517.
