- •2. Тема: «Случайные величины и законы их распределения». 10
- •3. Основные законы распределения случайных величин. 16
- •Тема: «Случайные величины и законы их распределения».
- •Понятие случайной величины.
- •Дискретная случайная величина.
- •Числовые характеристики дискретной случайной величины.
- •Непрерывная случайная величина.
- •Вероятность попадания непрерывной случайной величины на заданный участок числовой оси.
- •Числовые характеристики непрерывной случайной величины.
- •Математическое ожидание.
- •Дисперсия непрерывной случайной величины.
- •Распределение Пуассона.
- •Основные законы распределения непрерывной случайной величины.
- •Равномерное или прямоугольное распределение.
- •Нормальное распределение.
- •Числовые характеристики непрерывной случайной величины, распределенной по нормальному закону.
- •Математическое ожидание.
- •Дисперсия.
- •Нормированные случайные величины. Нормальная функция распределения.
Нормальное распределение.
Случайная величина называется распределенной по нормальному закону, если она имеет плотность вероятности следующего вида:
,
здесь постоянные величины, смысл которых станет ясен при дальнейшем рассмотрении. Пока же будем называть их параметрами кривой,- основание натурального логарифма ()
График этой функции приведен на рисунке.
Часто эту кривую называют колоколом за ее форму. Отметим ее основные особенности. Кривая симметрична. Центр симметрии, и это легко доказать, есть точка . Значит параметрможно назвать центром симметрии. При возрастании величины, например, для, кривая, не меняя своей формы будет смещаться вдоль оси абсцисс вправо.
Ветви кривой не пересекают ось абсцисс, а лишь асимптотически приближаются к ней, то есть
Исследование заданной функции с помощью производных, а именно нахождение максимума и точек перегиба (что рекомендуется проделать самостоятельно) дает следующие результаты:
Координаты точек перегиба .
Параметр часто называют параметром ширины кривой. При возрастанииформа кривой будет изменяться. Во-первых, будут смещаться точки перегиба, разбегаясь от центра симметрии. Во-вторых, будет уменьшаться высота кривой, так как она обратно пропорциональна. В-третьих, и это очень важно, нужно вспомнить условие нормировки для непрерывной случайной величины:
Это значит, что площадь под кривой должна сохраняться постоянной, равной единице. Следовательно, если вершина колокола опускается, то ветви будут подниматься. Вот пример двух кривых Гаусса для разных . Пусть
Числовые характеристики непрерывной случайной величины, распределенной по нормальному закону.
Математическое ожидание.
Вспомним общую формулу для .
Подставим вместо функцию Гаусса:
.
Чтобы взять этот интеграл, введем замену переменной:
Сократив на и представив интеграл от суммы функций, как сумму интегралов, имеем:
.
Решая первый интеграл, получаем:
.
При подстановке значений верхнего и нижнего пределов интеграл обращается в ноль.
Обратимся ко второму интегралу. Функция вида - есть табличный интеграл.
В результате интегрирования мы пришли к интересному и важному результату: .
Дисперсия.
.
Подставляя под интеграл функцию Гаусса и пользуясь только что полученным соотношением , имеем:
Дисперсия была введена как мера рассеяния всех значений вблизи математического ожидания. Оказалось, что параметр ширины кривой играет ту же роль. Его называют среднеквадратичным отклонением . Пользоваться величиной для оценки меры отклонения гораздо удобнее, так как размерности самой случайной величины, ее математического ожидания и среднеквадратичного отклонения совпадают. Например, если случайная величина это длина, тоизмеряются в метрах, в то время как дисперсия измеряется в метрах квадратных.
Нормированные случайные величины. Нормальная функция распределения.
В прикладных задачах при изучении случайных непрерывных величин чаще всего встречаются ситуации, когда необходимо проводить сравнение поведения нескольких случайных величин, либо рассчитывать вероятности попадания случайной величины в заданный интервал на числовой оси. Возникает потребность привести сравниваемые случайные величины к одному уровню, стандартизировать их. Тогда не нужно будет сравнивать метры и килограммы, градусы и миллиметры ртутного столба. С этой целью было предложено нормировать случайные величины с помощью линейного преобразования
.
Нормированная случайная величина обладает целым рядом ценных качеств. Во-первых, она безразмерна. Во-вторых, ее математическое ожидание равно нулю. В-третьих, ее среднеквадратичное отклонение равно 1,
Плотность вероятности нормированной случайной величины будет соответственно:
.
А функция распределения равна:
и называется нормальной функцией распределения.
Вероятность попадания случайной величины на заданный отрезок определяется соотношением:.
Вспомним, что вероятность попадания случайной величины на заданный отрезок численно равна площади под кривой. Как она будет выглядеть для нормированной случайной величины?
Приведем фрагмент таблицы для нормальной функции распределения
Интервал |
Вероятность |
Значения функции распределения отдос шагом 0,01 можно найти в таблицах математической статистики.
Перечислим свойства нормальной функции распределения.
Последнее свойство широко используется, если требуется найти значение нормальной функции распределения для отрицательных значений нормированной случайной величины. В таблицах математической статистики обычно приводятся значения только для положительных.
График нормальной функции распределения имеет следующий вид: