Характеристики случайНой непрерывНой величиНы

Плотность вероятности. Имеется случайная величина x, которая можем принимать непрерывной значения. Вероятности обнаружения x в единичном интервале около выбранного значения называется плотностью вероятности результата

. (1.11)

Сравните с определением скорости , которая является перемещением за единицу времени. Вероятность получения результата в интервалеравна

.

Пример: Пусть – скорость частицы идеального газа. Вероятность обнаружения частицы со скоростью в интервалеравна

,

где

–концентрация частиц со скоростями в интервале ;

n – концентрация частиц со всеми скоростями;

плотность вероятности

– вероятность обнаружения частицы со скоростью в единичном интервале около значения v.

Условие нормировки для непрерывного распределения

. (1.12)

Средние значения

,

. (1.13)

Рассмотрим основные дискретные распределения: биномиальное, Пуассона и Гаусса.

Биномиальное распределение

Имеются N независимых частиц или N независимых попыток с положительным или отрицательным результатами. Если известна вероятность p положительного результата для одной частицы или попытки, то вероятность положительного результата для любых частиц или попыток описывается биномиальным распределением

, (1.26)

где

; ;

–биномиальный коэффициент;

; ,,

,

, ,.

Распределение обосновал Якоб Бернулли, результат опубликован в 1713 г.

Якоб Бернулли (1654–1705)

Для доказательства (1.26) рассмотрим идеальный газ из N тождественных частиц в объеме V, все точки которого равноправны. Получим вероятность обнаружения n любых частиц в объеме .

1. Вероятность найти определенную частицу в объеме V согласно (1.5)

.

2. Вероятность найти определенную частицу вне объема V

.

Эти несовместимые события образуют полный набор и удовлетворяют условию нормировки.

3. Вероятность найти n определенных частиц в объеме V согласно теореме об умножении вероятностей независимых событий (1.6) равна . Вероятность найти (N – n) определенных частиц вне объема V равна .

4. Вероятность найти одновременно n определенных частиц в объеме V и (N – n) других частиц вне этого объема

.

5. Взаимная перестановка тождественных частиц дает состояние, не отличимое от исходного. Число таких состояний есть число сочетаний n частиц из общего числа N и равно .

6. В результате получаем (1.26) для вероятности найти n любых частиц в объеме V и (N – n) любых других частиц вне V.

Условие нормировки. Складываем вероятности всех возможных случайных результатов

,

где использована формула бинома Ньютона

.

Отсюда идет название распределения.

Исаак Ньютон (1642–1727)

Производящая функция биномиального распределения

. (1.27)

Для доказательства (1.27) подставляем биномиальное распределение (1.26)

в определение производящей функции (П1.14)

. (П.1.4)

Используем бином Ньютона

,

и получаем (1.27).

Выполняется условие нормировка (П1.16) для биномиального распределения

.

Среднее число частиц в объеме V получаем подстановкой производящей функции (1.27)

в (П1.17)

.

Находим

, (1.28)

где учтено . Результат очевиден, поскольку– средняя концентрация.

Из (1.28) выражаем вероятность положительного результата у частицы

и подставляем в биномиальное распределение (1.26)

.

Получаем вероятность положительного результата для n частиц, если этот результат наблюдается в среднем у частиц

. (1.29)

В частности, вероятность отрицательного результата у всех частиц

,

вероятность положительного результата у всех частиц

.

Среднеквадратичное число частиц и дисперсия. Подставляем производящую функцию (1.27)

в (П1.18)

.

Находим среднее квадратичное

, (1.30)

получаем дисперсию

. (1.31)

Дисперсия равна нулю при и, придостигается максимальное значение.

График распределения для , , показан на рис. 1.1, a.

а б

Рис. 1.1. Распределения биномиальное (а)

и Пуассона (б) дляN= 10, ,р= 0,45