Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Конспект АИ Волковец, АБ Гуринович, БГУИР 2006 (Мет пособие).pdf
Скачиваний:
82
Добавлен:
15.06.2014
Размер:
1.3 Mб
Скачать

ЛЕКЦИЯ 7

Функции одного случайного аргумента

Пусть некоторая случайная величина Х подвергается детерминированному преобразованию ϕ, в результате которого получится величина Y, т.е. Y =ϕ(x).

Очевидно, что величина Y будет случайной, и, как правило, необходимо определить закон распределения и/или числовые характеристики случайной величины Y по известному закону распределения величины Х и виду преобразования ϕ.

Закон распределения функции случайного аргумента

В случае, если Х - дискретная случайная величина с известным рядом распределения вероятностей, определение ряда вероятностей Y не составит сложности.

xi

x1

x2

xn

 

pi

p1

p2

pi

 

 

 

 

 

 

(*)

yi

ϕ(x1)

ϕ(x2)

ϕ(xn)

pi

p1

p2

pn

 

 

 

 

 

 

(**)

yi

y1

y2

ym

pj

p1

p2

pm

 

Из (*) путем упорядочивания и объединения одинаковых значений получаем ряд распределения случайной величины Y (**).

Если Х – непрерывная случайная величина с известной плотностью вероятности f (x) , то алгоритм получения закона распределения Y =ϕ(x) зависит от вида ϕ. Рассмотрим участок оси абсцисс [а,b], на котором лежат все возможные значения величины Х, т.е. p(aX b) =1, в частном случае a = −∞,b = +∞ . Способ решения поставленной задачи зависит от поведения

функции ϕ на участке [а,b] : монотонна она на этом участке или нет. При этом отдельно проанализируем два случая: монотонного возрастания и монотонного убывания функции.

Y = ϕ(х) - монотонно возрастающая функция. Определим функцию распределения G( y) случайной величины У. По определению она равна

ψ ( y )

G ( y) = p(Y < y) = p(ϕ(x) < y) = p( X <ψ ( y)) = f X (x)dx ,

−∞

34

G( y)

где ψ(y) - обратная функция ϕ(x).

Для выполнения условия Y < y

необходимо и достаточно, чтобы случайная величина Х попала на участок оси абсцисс от а до ψ(y). Таким образом, функция распределения Y для аргумента X, распределенного в интервале [a,b], равна

0, y <ψ (a),

ψ ( y )

 

fX (x)dx,ψ (a) y ψ (b),

G( y) =

 

a

1, y >ψ (b).

Y = ϕ(х) - монотонно убывающая функция. Определим функцию распределения случайной величины У. По определению она равна

G( y) = p(Y < y) = p(ϕ(x) < y) =

Y =ϕ(x)

ψ(b)

y

Y<y

ψ(a)

x

f (x)

x

a

ψ(y) b

 

X<ψ(y)

p( X >ψ ( y)) =

f X (x)dx,

 

ψ ( y )

где ψ(y) - обратная функция ϕ(x).

Для выполнения условия Y < y необходимо и достаточно, чтобы

случайная величина Х попала на участок оси абсцисс от х = ψ(y) до b. Таким образом, функция распределения Y для аргумента X, распределенного в интервале [a,b], равна

0, y <ψ(b),

b

G(y) = fX (x)dx,ψ(b) y ψ(a),

ψ ( y)

1, y >ψ(a).

Плотность вероятностей случайной величины Y =ϕ(x) монотонного случая имеет следующий вид:

0, y < ymin ,

g(y) =G(y) = fX (ψ(y)) ψ(y) , ymin y ymax ,

0, y > ymax .

для любого

(7.1)

35

Пример. Пусть случайная величина Х имеет нормальный закон

распределения

f ( x ) =

σ

1

ex2 / 2σ2 ,

Y = X 3 . Найти g( y ).

2π

 

 

 

 

Функция

Y =ϕ(x)

 

строго

монотонна, дифференцируема и имеет

обратную

X =ψ ( y) = 3 Y .Воспользуемся

формулой (7.1). Так как

 

 

fX (ψ ( y)) = fX

( y1/3 ) =

 

 

1

ey2 / 3 / 2σ2 ,

σ

2π

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1/3

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ψ

( y)

 

=

 

( y

 

)

 

=

 

,

 

 

 

 

3y2 /3

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

то

искомая

 

плотность

распределения

функции Y = X 3 :

 

 

 

 

 

g ( y) =

 

 

 

 

1

 

 

 

ey2 / 3 / 2σ 2 .

 

3σ y2 / 3

2π

 

 

 

 

 

 

 

 

 

 

 

Y

=

 

 

ϕ(х)

 

 

-

немонотонная

функция. Алгоритм получения закона распределения Y =ϕ(x) приведен ниже.

Y =ϕ(x)

ψ(b)

y

Y<y

ψ(a)

x

f (x)

x

a ψ(y)

b

X>ψ(y)

1.Построить график Y = ϕ(х) и определить диапазон значений Y [ymin,ymax].

2.Диапазон Y разбить на M интервалов, в каждом из которых одинаковая степень неоднозначности ki, i=1,2, .. M:

[ymin,y1),[y1,y2) … [yM-1,ymax].

Степень неоднозначности ki – число значений Х, соответствующих одному значению Y, или число обратных функций для данного интервала ψj(у), j=1… ki.

3.Определить обратные функции ψj(у) = ϕ-1 (х) и вычисляется ψj'(у) .

Вобщем случае число обратных функций ψj(у) в i-м интервале равко ki

4.Определить плотность вероятностей g(y) по следующей формуле:

0, y < ymin ,

 

 

 

 

 

 

 

 

 

 

 

 

ki

 

 

 

 

 

 

 

 

 

(ψ j ( y ))

 

ψ j ( y )

 

, yi 1 y < yi ,

(7.2)

 

 

g ( y ) =

f X

 

 

j =1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0, y >

y

 

.

 

 

 

 

 

 

max

 

 

 

 

 

 

 

 

 

 

 

 

 

 

В частном случае, когда обратные функций одинаковы для всех интерваловψj ( y) =ψ( y), ψj ( y) = ψ( y) , формула (7.2) принимает вид

36

0, y < ymin ,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ψ ( y )

 

 

 

 

 

 

 

 

 

g ( y ) = ki

f X

(ψ ( y ))

, yi 1

y < yi , ,

(7.3)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0, y > ymax .

 

 

 

 

 

а если величина Х равномерно распределена в интервале [a, b], т.е. ее плотность

равна

1/(ba), a x b

то выражение для g(у) можно представить как

fX (x) =

0, x <a, x >b

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0 , y <

y m in ,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

ψ ( y )

 

 

 

 

g ( y ) =

k i

 

 

, y i 1 y < y i ,

(7.4)

 

 

 

b a

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0 , y >

y m ax .

 

 

 

 

 

 

Числовые характеристики функции случайного аргумента

Пусть Y = ϕ(х), где X – случайная величина с известным законом распределения, и необходимо определить числовые характеристики Y. В том случае, когда закон распределения Y определен (см. выражения (7.1) (7.4)), то числовые характеристики Y легко вычислить по формулам (5.1) (5.7). Однако, если закон распределения величины Y в явном виде не нужен, а необходимы только ее числовые характеристики, применимы следующие формулы.

Если Х – дискретная случайная величина с известным рядом распределения вероятностей, то

m Y = M [Y ]

= n

ϕ ( x i ) p i ;

 

(7.5)

 

 

 

i = 1

 

 

 

 

D Y = M [Y 2 ] m Y

2

=

n

 

ϕ 2 ( x i ) p i

m Y2 ;

(7.6)

 

 

 

 

i = 1

 

 

 

α k ( y ) = M

[ Y k ] =

n

ϕ k ( x i ) p i ;

(7.7)

 

 

 

 

i

= 1

 

 

µ k ( y ) = M [Y k

] =

 

n

(ϕ ( x i ) m Y

) k p i .

(7.8)

 

 

 

i = 1

 

 

 

 

 

Если Х – непрерывная случайная величина с известной плотностью вероятностей f(x), то формулы принимают вид

 

 

 

+∞

 

m Y = M [Y ]

=

ϕ ( x ) f ( x ) dx ;

(7.9)

 

 

 

− ∞

 

D Y = M [ Y 2 ] m Y

2

=

+∞ϕ 2 ( x ) f ( x ) dx m Y2 ;

(7.10)

 

 

 

− ∞

 

37