- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлений события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§ 10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательного закона надежности
§ 1. Числовые характеристики непрерывных случайных величин
Распространим определения числовых характеристик дискретных величин на величины непрерывные. Начнем с математического ожидания.
Пусть непрерывная случайная величина X задана плотностью распределения f(x). Допустим, что все возможные значения X принадлежат отрезку [а, b]. Разобьем этот отрезок на п частичных отрезков длиной ,,..., и выберем в каждом из них произвольную точку xi (i = 1, 2, ..., п). Нам надо определить математическое ожидание непрерывной величины по аналогии с дискретной; составим сумму произведений возможных значений xi на вероятности попадания их в интервал ; (напомним, что произведениеf(х) приближенно равно вероятности попадания X в интервал ):
Перейдя к пределу при стремлении к нулю длины наибольшего из частичных отрезков, получим определенный интеграл
Математическим ожиданием непрерывной случайной величины- X, Возможные значения которой принадлежат отрезку [a,b], называют определенный интеграл
M(X)= (*)
Если возможные значения принадлежат всей оси Ох, то
M(X)=
Предполагается, что несобственный интеграл сходится абсолютно, т. е. существует интеграл Если бы это требование не выполнялось, то значение интеграла зависело бы от скорости стремления (в отдельности) нижнего предела к —, а верхнего—к +.
По аналогии с дисперсией дискретной величины определяется и дисперсия непрерывной величины.
Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
Если возможные значения X принадлежат отрезку[a,b], то
D(X)=
если возможные значения принадлежат всей оси х, то
D(X)=
Среднее квадратическое отклонение непрерывной случайной величины определяется, как и для величины дискретной, равенством
(X)=.
Замечание 1. Можно доказать, что свойства математического ожидания и дисперсии дискретных величин сохраняются и для непрерывных величин.
Замечание 2. Легко получить для вычисления дисперсии более удобные формулы:
D(X)= (**)
D(X)=
Пример 1. Найти математическое ожидание и дисперсию случайной величины X, заданной функцией распределения
Решение. Найдем плотность распределения:
Найдем математическое ожидание по формуле (*):
M(X)=
Найдем дисперсию по формуле (**):
D(X)=
Пример 2. Найти математическое ожидание и дисперсию непрерывной случайной величины X, распределенной равномерно в интервале (а, b).
Решение. Найдем математическое ожидание X по формуле (*), учитывая, что плотность равномерного распределения f (x) = 1/(b — а)(см. гл. XI, § 6):
M(X)=
Выполнив элементарные выкладки, получим
M(X)=(a+b)/2
Найдем дисперсию X по формуле (**):
D(X)=
Выполнив элементарные выкладки, получим
D(X) = (b — a)2/12.
Замечание 3. Математическое ожидание и дисперсия случайной величины R, распределенной равномерно в интервале (0, 1), т. е. если a = 0, b=1, как следует из примера 2, соответственно равны М (R) = 1/2, D(R)=l/12. Этот же результат мы получили в примере 1 по заданной функции распределения случайной величины R.
§ 2. Нормальное распределение
Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью
Мы видим, что нормальное распределение определяется двумя параметрами: а и . Достаточно знать эти параметры, чтобы задать нормальное распределение. Покажем, что вероятностный смысл этих параметров таков: а есть математическое ожидание, —среднее квадратическое отклонение нормального распределения.
а) По определению математического ожидания непрерывной случайной величины,
M(X)=
Введем новую переменную z = (x—а)/. Отсюда x=z+a, dx=dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим
M(X)=
Первое из слагаемых равно нулю (под знаком интеграла нечетная функция; пределы интегрирования симметричны относительно начала координат). Второе из слагаемых равно a ( интеграл Пуассона ).
Итак, М(Х) = а, т. е. математическое ожидание нормального распределения равно параметру а.
б) По определению дисперсии непрерывной случайной величины, учитывая, что М(Х) = а, имеем
D(X)=
Введем новую переменную z = (x—а)/. Отсюда х—a = z, dx = dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим
D(X)=
Интегрируя по частям, положив u = z, dv=, найдем
D(X)=
Следовательно,
(X)=.
Итак, среднее квадратическое отклонение нормального распределения равно параметру .
Замечание 1. Общим называют нормальное распределение с произвольными параметрами а и ( > 0).
Нормированным называют нормальное распределение с параметрами а = 0 и =1. Например, если X — нормальная величина с параметрами а и , то U =(X — а)/ — нормированная нормальная величина, причем M(U)=0, (U)=1.
Плотность нормированного распределения
Эта функция табулирована (см. приложение 1).
Замечание 2. Функция F(х) общего нормального распределения (см. гл. XI, § 3)
а функция нормированного распределения
Функция Fo (x) табулирована. Легко проверить, что
F(x)=F0((x-a)/ ).
Замечание 3. Вероятность попадания нормированной нормальной величины X в интервал (0, х) можно найти, пользуясь функцией Лапласа Действительно (см.гл.XI, § 2),
P(0<X<x)=
Замечание 4. Учитывая, что (см. гл.XI, §4,свойство 2), и, следовательно, в силу симметрии (х) относительно нуля
, а значит, и Р (-< X < 0)=0,5,
легко получить, что
F0(x)=0,5+(x).
Действительно,
F0(x)=P(-<X<x)=P(-<X<0)+P(0<X<x)=0,5+(x).