Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Mathematics5.pdf
Скачиваний:
100
Добавлен:
17.03.2015
Размер:
1.16 Mб
Скачать

 

 

 

 

 

 

 

 

 

 

 

33

Решение.

β a

 

α a

7 5

4 5

 

 

P(4 X 7) = P(4 X < 7) = Ф

 

 

Ф

 

 

= Ф

 

Ф

=

 

 

σ

 

σ

 

 

 

 

1

 

 

1

= Ф(2) Ф(1) = Ф(2) +Ф(1) = 0,4775 + 0,3413 = 0,8185.

 

 

 

 

т.к. Ф(t) нечетная

 

 

 

 

 

 

функция

 

 

 

 

 

 

 

Функция f (t)

быстро убывает при t → ±∞. Площадь под всей кривой

равна 1. Площади криволинейных трапеций над интервалами

[a σ ; a +σ ],

[a 2σ ; a + 2σ ] и

[a 3σ ; a + 3σ ]

равны

соответственно

0,6827 ,

0,9545 ,

0,9973 . Таким образом, почти вся площадь под кривой сосредоточена над интервалом [a 3σ ; a + 3σ ]. Поскольку площадь криволинейной трапеции

численно равна вероятности того, что случайная величина примет значение в соответствующем интервале, имеем

P(a 3σ X < a + 3σ ) = 0,9973 .

Это утверждение составляет содержание правила “трех сигм” для нормального распределения: практически достоверно, что нормальная случайная величина с параметрами a и σ принимает значения в интервале [a 3σ ; a + 3σ ]. Слова “практически достоверно” означают – с вероятно-

стью 0,9973 .

3.4. Равномерное распределение

Определение. Распределение непрерывной случайной величины, заданное дифференциальной функцией распределения

 

1

 

,

при

a t b,

 

 

 

 

 

 

 

 

 

 

f (t) = b

a

 

 

 

 

 

 

(6)

 

 

 

 

 

при

t < a

или t > b,

 

0,

 

 

 

 

 

называется равномерным распределением на отрезке [a ; b ].

 

График функции (6) изображен на рис. 14.2.

 

Интегральный закон равномерного распределения имеет следующий

вид:

0,

 

 

при

t < a,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t a

 

при

a t b,

 

F(t) =

 

 

 

,

(2)

 

 

 

 

 

b

a

 

 

 

 

 

 

 

1,

 

 

при

t > b.

 

 

 

 

 

 

 

График функции (7) изображен на рис. 14.3.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

34

 

f (t)

 

 

 

 

 

 

 

 

 

 

 

F(t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b

 

 

 

 

t

 

 

0

a

 

 

b

t

 

 

0

 

 

 

a

 

 

 

 

 

 

 

 

 

 

 

Рис. 14.2

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 14.3

 

 

 

 

 

 

 

 

 

Найдем P(α X < β) , где X – равномерно распределенная случайная

величина.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Имеют место следующие случаи:

 

 

 

 

 

 

 

 

 

 

 

 

 

а)

 

a <α < β < b

(рис. 14.4),

 

 

f (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) =

 

β α

;

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

a

 

α

 

β

b

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 14.4

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

f (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

б)

 

α a < β < b

(рис. 14.5),

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

β a

 

 

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) =

 

;

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

α

a

β

b

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рис. 14.5

 

 

 

 

 

в)

 

a <α < b β

(рис. 14.6),

 

 

f (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) = b α .

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

a

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

α

 

 

b

β

 

 

Если

 

α = a ,

 

 

β = b ,

то

 

 

 

Рис. 14.6

 

 

 

 

 

P(α X < β) =1.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Моделью равномерного распределения может служить пример с рулет-

кой (см. выше).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Теорема.

Если

 

X

– равномерно распределенная непрерывная слу-

чайная величина на отрезке [a ; b ]

, то

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

35

M ( X ) =

a + b

,

D( X ) =

(a b)2

,

σ( X ) =

 

 

a b

 

 

(8)

 

 

 

 

 

 

 

 

 

12

 

2

3

 

 

2

 

 

 

 

 

 

 

 

3.5 Показательное (экспоненциальное) распределение

Определение. Распределение непрерывной случайной величины X , заданное дифференциальной функцией распределения

 

 

at

, при

t 0,

a e

 

f (t) =

 

 

 

(9)

 

0,

 

при

t < 0,

 

 

где a > 0 – некоторый параметр, называется показательным (экспоненциаль-

ным) распределением.

График функции (9) изображен на рис. 14.7.

f (t) a

0

t

Рис. 14.7

Действительно,

Интегральная функция распределения показательной величины X имеет вид:

 

1e

at

, при

t 0,

 

 

F (t) =

 

 

 

(10)

 

0,

 

при

t < 0.

 

 

 

 

t

t

 

 

a

 

 

 

 

 

 

 

 

at

 

 

at

t

 

at

 

 

F(t) =

f (t) dt = a e

 

dt =

 

e

 

 

=1 e

 

, t > 0.

 

 

a

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

−∞

0

 

 

 

 

 

 

 

 

 

 

Вычислим P(α X < β) показательной случайной величины.

а)

α > 0,

β > 0 :

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) = eaα eaβ ;

 

 

 

 

 

 

 

 

 

б)

α < 0,

β > 0 :

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) = F(β) F (α) =1 eaβ ;

 

 

 

 

 

 

в)

α < 0,

β < 0 :

 

 

 

 

 

 

 

 

 

 

 

P(α X < β) = 0 .

 

 

 

 

 

 

 

 

 

Теорема. Если X – показательная случайная величина с дифференциальной функцией распределения (9), то

M ( X ) =

1

,

D( X ) =

1

,

σ( X ) =

1

(11)

a

a2

a

 

 

 

 

 

 

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]