- •1.3. Операции над событиями
- •1.5. Классический метод определения вероятностей
- •1.7. Свойства вероятности (основные теоремы)
- •1.9. Формула полной вероятности
- •1.10. Формула Байеса
- •2.3. Функция распределения
- •2.4. Плотность распределения непрерывной случайной величины
- •3.2. Закон распределения многомерной случайной величины
- •3.5. Условные законы распределения
- •4.1.1. Математическое ожидание
- •4.1.5. Моменты распределения случайных величин
- •5.1. Одномерное приближение
- •5.2. Двумерное приближение
- •5.4. Характеристические функции
- •6.1. Биномиальный закон распределения
- •6.3. Равномерный закон распределения
- •6.5.1. Функция Лапласа
- •7.1. Неравенство Чебышева
- •7.2. Теорема Чебышева
- •8.1. Выборка, вариационный ряд, гистограмма
- •8.2. Оценки и методы их получения
- •8.2.2. Метод наибольшего правдоподобия
- •8.3. Свойства оценок
- •9.3. Распределение Стьюдента (t – распределение)
- •9.4. Распределение Фишера (F-распределение)
- •11.3. Проверка гипотезы о равенстве дисперсий (критерий Фишера)
- •11.5. Критерий Романовского
- •12.3. Коэффициент корреляции (оценки)
- •13.2. Числовые характеристики случайного процесса
- •13.8. Теорема Винера-Хинчина
- •13.10. Разложение случайного процесса в ряд Котельникова
- •13.12.1. Марковские процессы с непрерывным временем
Рис. 2.3 |
Р |
|
|
Вершины ординат соединяются ломаной линией только для наглядности, |
т. к. в промежутках x1 и x2 |
, x2 и x3 , … дискретная случайная величина никаких |
|||||
|
|
|
|
|
|
И |
значений принять не может и вероятность ее появления в этих промежутках |
||||||
равна нулю. |
|
|
|
|
У |
|
|
|
|
|
|
||
Многоугольники распределения (см. рис. 2.3) могут иметь различную |
||||||
|
|
|
|
Г |
|
|
|
|
|
|
Б |
|
|
форму, но имеют общее свойство – сумма ординат многоугольника распреде- |
||||||
|
|
|
а |
|
|
|
ления равна единице. Это следует из того, к к отмечалось ранее, что все воз- |
||||||
|
|
к |
|
|
|
|
можные значения дискретной случайной величины X образуют полную группу |
||||||
несовместных событий. |
е |
|
|
|
|
|
|
|
|
|
|
||
|
т |
|
|
|
|
|
|
2.3. Функция распределения |
|
Для дискретноймножествослучайн й величины закон распределения чаще задается имеет бесчис енное возможных значений, которые сплошь запол-
в виде ряда распределенияи. Но для непрерывной случайной величины ряд рас-
пределения постро ть нельзя. Поскольку непрерывная случайная величина |
|||
ной случайнойвеличины не обладает никакой, отличной от нуля, вероятностью. |
|||
|
б |
нтервал числовой оси, отделить и перечислить их в какой- |
|
няют некоторый |
|
||
либо таблице невозможно. Кроме того, каждое отдельное значение непрерыв- |
|||
Функцией |
распределения F(x), или интегральным законом распределе- |
||
Поэтому желательно иметь наиболее общую форму закона распределения слу- |
|||
Б |
|
|
|
чайной вел ч ны X, каковой является функция распределения.
ния случайной величины X, называется вероятность того, что случайная величина X примет значение меньше чем x – аргумент функции F(x):
F(x) = P(X<x). |
(2.1) |
Отсюда следует, что она существует для любых случайных величин: как дискретных, так и непрерывных.
38
Определение функции распределения имеет простую геометрическую интерпретацию. Если рассматривать случайную величину как случайную точку X на оси Ox, которая в результате опыта может занять то или иное положение (рис. 2.4), то функция распределения F(x) есть вероятность того, что случайная точка X в результате опыта попадает левее точки x.
P(X x)
|
|
Х |
х |
|
|
|
Х |
|
Р |
|
|
|
|
|
|
|
|
||||
0 |
|
|
|
|
|
|||||
|
|
|
И |
|
||||||
|
|
|
Рис. 2.4 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
Для дискретной случайной величины X функция распределения опреде- |
||||||||||
ляется так: |
|
|
|
|
Г |
|
|
|
||
|
|
|
Б |
У |
|
|
||||
|
|
F(x) = P(X |
|
|
(2.2) |
|||||
|
|
xi ). |
|
|
||||||
|
|
|
xi x |
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
Из выражения (2.2) видно, что суммируются вероятности для тех значений
случайной величины xi , которые по своей величине меньше аргумента x. Форму- |
|||||||
|
|
|
|
|
|
к |
|
ла (2.2) показывает, что функция распределения дискретной случайной величины |
|||||||
|
|
|
|
|
е |
|
|
X разрывна и возрастает скачками при переходе через точки возможных ее значе- |
|||||||
ний xi ,…,xn |
, причем величина скач а равна вероятности соответствующего зна- |
||||||
|
|
|
|
т |
|
|
|
чения. Характерный вид F(x) для дискр тной случайной величины приведен на |
|||||||
рис. 2.5, F(x) для непрерывной случайной величины – на рис. 2.6. |
|||||||
|
|
|
о |
|
|
|
|
|
|
и |
|
|
|
|
|
|
л |
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
и |
|
Рис. 2.5 |
|
|
|
Рис. 2.6 |
|
|
|
|
|
|
|||
Свойства функции распределения одномерной случайной величины. |
|||||||
Б1. Функция распределения F(x) есть неотрицательная функция и прини- |
мает значения 0 F(x) 1.
Доказательство.
Так как по определению (2.1) F(x) – это вероятность случайного события {X<x}, а вероятность любого события 0 P(·) 1, значит и 0 F(x) 1.
39
2. Вероятность попадания случайной величины в интервал [ полузамкнутый слева, равна разности значений функции распределения на концах интервала:
P( X< ) = F( )–F( ). |
(2.3) |
Доказательство:
На рис. 2.7. изображены события: событие А состоит в том, что случайная величина Х принимает значение меньше : А={X< событие В состоит в том,
что Х принимает значение лежащее между и : |
В={ X< }; событие С со- |
||||||||||||||||||||
стоит в том, что случайная |
величина Х принимает |
|
|
|
Р |
||||||||||||||||
значение меньше β: |
|||||||||||||||||||||
С={X< . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
С |
|
|
|
|
|
|
|
У |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
А |
|
|
|
|
В |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Г |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Б |
Х |
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
а |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
Рис. 2.7 |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
к |
|
|
|
|
|
т. е. А В=O. |
||||||
|
|
|
|
|
|
е |
|
|
А и В несовместны, |
||||||||||||
Можно записать: С=А В, события |
|||||||||||||||||||||
Применяя третью аксиому для н совм стных событий получаем |
|
|
|||||||||||||||||||
|
|
|
|
P(С)=P(А)+P(В). |
|
|
|
|
|
|
(2.4) |
||||||||||
|
|
о |
|
функции |
распределения (2.1) |
|
и получаем: |
||||||||||||||
Учитываем определение |
|
|
|||||||||||||||||||
P(С) = P(X< ) = F( ); P(А) = P(X< ) = F( ); P(В) = P( X< ). Подставляя эти |
|||||||||||||||||||||
выражения в (2.4), получ м: Fт( ) = F( )+P( X< ) P( X< ) = F( )–F( ). |
|||||||||||||||||||||
л |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание. Вероятность того, что непрерывная случайная величина при- |
|||||||||||||||||||||
мет в результате опыта определенное значение, равна нулю. Покажем это. |
|||||||||||||||||||||
б |
|
|
того, |
что непрерывная случайная величина при- |
|||||||||||||||||
Опреде им вероятностьи |
непрерывнаБив точке , предел равен нулю. Вероятность, равная нулю, свидетельствует о том, что частота этого события неограниченно убывает при увеличении числа опытов и не означает, что данное событие невозможно.
нимает отдельно взятое значение , для этого найдем предел формулы (2.3), ко-
гда : P(X= )=limP( X ) =lim[F( ) F( )]. При , если F(x)
3. Функция распределения случайной величины – неубывающая функция:
если > , то F( ) F( ). Из свойства 2 имеем F( )=F( )+P( X< ), но т. к. для любого события P( ) 0 всегда, значит F( ) F( ), если > .
4. Значение функции распределения на равно нулю, а на равно единице: F( ) = 0, F( ) = 1.
40
При неограниченном перемещении точки x влево, когда х , попадание случайной точки X левее x в пределе становится невозможным событием. То есть никакая случайная величина принять значение меньшее не может. Невозможное событие обозначается пустым множеством Ø, а значит и вероятность этого события равна нулю: F( ) = P(X< ) = P(O) = 0. При неограниченном перемещении точки x вправо, когда х , попадание точки X левее x в пределе становится достоверным событием, т. е. любая случайная величина в результате опыта принимает значение меньшее . Достоверное событие
обозначается Ω, и вероятность этого события равна единице: |
||
F( ) = P(X< ) = P( ) = 1. |
|
Р |
|
|
|
Все свойства функции распределения можно сформулировать так: каждая |
||
|
И |
|
функция распределения является неотрицательной, неубывающей функцией, |
||
удовлетворяющей условиям F( ) = 0, F( ) = 1. |
У |
|
Отметим, что свойства функции распределения 1, 3, 4 называются ха- |
рактеристическими, т. е. функцией распределения может быть только та функция, которая удовлетворяет этим свойствам.
Пример. |
|
|
|
|
|
|
|
|
|
|
|||
Для дискретной случайной величины заданной рядом распределения по- |
|||||||||||||
строить функцию распределения. |
|
|
|
Г |
|||||||||
|
|
|
|
||||||||||
Ряд распределения имеет следующий вид. |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Б |
||
|
|
|
|
|
|
|
а |
|
|||||
X |
x1= 1 |
|
x2 = 2 |
x3 = 4 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|||
P |
0,2 |
|
|
0,5 |
|
0,3 |
|
|
|
|
|||
|
|
|
|
|
к |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
е |
|
|
|
|||
Для построения функции распределения используем формулу (2.2): |
|||||||||||||
F(x) = P(X xi ). |
|
т |
|
|
|
|
|||||||
xi x |
|
|
|
|
|
|
|
|
|||||
Рассчитаем значен я функции распределения для фиксированных значе- |
|||||||||||||
ний хi , |
взятых |
з таб |
о |
|
|
|
|
|
|
||||
цы. |
|
|
|
|
|
|
|||||||
1. |
|
|
и |
|
|
)= 0. |
|
|
|
||||
х1 =1, F(1) = |
P(X xi |
|
|
|
|||||||||
|
|
л |
xi 1 |
|
|
|
|
|
|
|
|||
2. xб2 = 2, F(2) = |
P(X xi )= P(X =1) = 0,2. |
|
|||||||||||
и |
|
|
|
xi 2 |
|
|
|
|
|
|
|
||
|
F(4) = |
P(X xi )= P(X = 1) + P(X = 2) = 0,2 + 0,5 = 0,7. |
|||||||||||
3. x3 = 4, |
|||||||||||||
Б |
|
|
|
|
xi 4 |
|
|
|
|
|
|
|
|
Обязательно делаем четвертый шаг, полагаем x4 = , и суммируем |
|||||||||||||
4. |
|||||||||||||
вероятности для xi < : |
|
|
|
|
|
|
|
x4 = , F( ) = P(X xi )= P(X =1) + P(X = 2) + P(X = 4) = 0,2 + 0,5 + 0,3 = 1.
xi
Строим оси координат и делаем разметку осей (рис. 2.8).
41