- •§ 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
§ 13. Распределение «хи квадрат»
Пусть Xi(i = 1, 2, ..., п) — нормальные независимые случайные величины, причем математическое ожидание каждой из них равно нулю, а среднее квадратическое отклонение—единице. Тогда сумма квадратов этих величин
распределена по закону («хи квадрат») сk = п степенями свободы; если же эти величины связаны одним линейным соотношением, например ,то число степеней свободы k=n- 1.
Плотность этого распределения
где — гамма-функция; в частности,
(n+1)=n!.
Отсюда видно, что распределение «хи квадрат» определяется одним параметром — числом степеней свободы k.
С увеличением числа степеней свободы распределение медленно приближается к нормальному.
§ 14. Распределение Стьюдента
Пусть Z—нормальная случайная величина, причем M(Z) = 0, (Z)=1, a V—независимая от Z величина, которая распределена по закону с k степенями свободы. Тогда величина
(*)
имеет распределение, которое называют t-распределением или распределением Стьюдента (псевдоним английского статистика В. Госсета), с k степенями свободы.
Итак, отношение нормированной нормальной величины к квадратному корню из независимой случайной величины, распределенной по закону «хи квадрат» с k степенями свободы, деленной на k, распределено по закону Стьюдента с k степенями свободы.
С возрастанием числа степеней свободы распределение Стьюдента быстро приближается к нормальному. Дополнительные сведения об этом распределении приведены далее (см. гл. XVI, § 16).
§ 15. Распределение f Фишера — Снедекора
Если U и V—независимые случайные величины, распределенные по закону со степенями свободы k1 и k2, то величина
(*)
имеет распределение, которое называют распределением F Фишера—Снедекора со степенями свободы k1 и k2 (иногда его обозначают через V2).
Плотность этого распределения
где
Мы видим, что распределение F определяется двумя параметрами—числами степеней свободы. Дополнительные сведения об этом распределении приведены далее (см. гл. XIX, § 8).
Задачи
1. Найти математическое ожидание и дисперсию случайной величины X, зная ее плотность распределения:
а)при остальных значенияхx;
б) f(x)=1/2l при а — lxa+l, f(x)=0 при остальных значениях х.
Отв. a) М (Х) = 0, D(X) = l/2; б) М(Х) = а, D(X)= l2/3.
2.Случайная величина X распределена нормально. Математическое ожидание и среднее квадратическое отклонение этой величины соответственно равны 6 и 2. Найти вероятность того, что в результате испытания X примет значение, заключенное в интервале (4,8).
Отв. 0,6826.
3.Случайная величина распределена нормально. Среднее квадратическое отклонение этой величины равно 0,4. Найти вероятность того, что отклонение случайной величины от ее математического ожидания по абсолютной величине будет меньше 0,3.
Отв. 0,5468.
4.Случайные ошибки измерения подчинены нормальному закону со средним квадратическим отклонением =1 мм и математическим ожиданием а = 0. Найти вероятность того, что из двух независимых наблюдений ошибка хотя бы одного из них не превзойдет по абсолютной величине 1,28 мм.
Отв. 0,96.
5. Валики, изготовляемые автоматом, считаются стандартными, если отклонение диаметра валика от проектного размера не превышает 2 мм. Случайные отклонения диаметра валиков подчиняются нормальному закону со средним квадратическим отклонением = 1,6 мм и математическим ожиданием а = 0. Сколько процентов стандартных валиков изготовляет автомат?
Отв. Примерно 79%.
6. Дискретная случайная величина X задана законом распределения:
X |
1 |
2 |
3 |
p |
0,2 |
0,1 |
0,7 |
X |
-1 |
1 |
2 |
p |
0,1 |
0,2 |
0,7 |
Найти закон распределения случайной величины Y=X4.
Y |
1 |
16 |
81 |
p |
0,2 |
0,1 |
0,7 |
Y |
1 |
16 |
p |
0,3 |
0,7 |
7.Непрерывная случайная величина X задана плотностью распределения f(x). Найти дифференциальную функцию g(y) случайной величины Y, если:
а) Y = Х+1 ( < х < ); б) Y =2Х (— а < x < а).
Отв. a) g (у) =f (y— 1) ( < y < );
б) g (y) =1/2f(y/2) (— 2а < у < 2а).
8.Независимые дискретные случайные величины заданы следующими законами распределения:
-
X
2
3
5
Y
1
4
p
0,3
0,5
0,2
p
0,2
0,8
Найти законы распределения функций: a) Z = X+Y; б) Z = XY.
Z |
3 |
4 |
6 |
7 |
9 |
p |
0,06 |
0,10 |
0,28 |
0,40 |
0,16 |
Z |
2 |
3 |
5 |
8 |
12 |
20 |
p |
0,06 |
0,10 |
0,04 |
0,24 |
0,40 |
0,16 |
9.Независимые случайные величины X и Y заданы плотностями распределений
Найти композицию этих законов, т. е. плотность распределения случайной величины Z = X+Y.
Отв.
Глава тринадцатая
ПОКАЗАТЕЛЬНОЕ РАСПРЕДЕЛЕНИЕ