- •Оглавление
- •Предисловие
- •Определение и классификация случайных величин
- •Закон распределения дискретной случайной величины
- •Функция распределения случайной величины и ее свойства
- •Плотность вероятности
- •Функция от случайной величины
- •Понятие о системе случайных величин. Сумма и произведение случайных величин
- •Числовые характеристики случайных величин
- •Математическое ожидание случайных величин
- •Дисперсия и среднее квадратическое отклонение. Ковариация и коэффициент корреляции
- •Мода и медиана случайных величин
- •Некоторые важные законы распределения случайных величин
- •Биномиальный закон распределения
- •Распределение Пуассона
- •Равномерное распределение
- •Нормальное распределение
- •Закон больших чисел
Закон распределения дискретной случайной величины
Пусть задана д.с.в. Х, которая в результате эксперимента может принять одно из своих возможных значений: х1, х2, … , xn . Поскольку заранее неизвестно, какое значение примет с.в. Х, то, скажем, событие (Х=х1), заключающееся в том, что с.в. Х в результате эксперимента примет значение х1, есть случайное событие – оно может произойти или не произойти. Все, чем мы можем характеризовать случайное событие, это его вероятность как степень нашей уверенности, что это событие произойдет. Обозначим эту вероятность р1=Р(Х=х1). Аналогично, обозначим вероятности событий: р2=Р(Х=х2), …, рn=P(Х=хn). Тогда эти два набора чисел: { х1, х2, … , xn } и {p1, p2, … , pn} полностью характеризуют д.с.в. Х (и уже даже не важно, с каким именно экспериментом связана эта с.в. и что она в этом эксперименте означает). Законом (иногда говорят «рядом») распределения (вероятностей) дискретной случайной величины называется таблица, содержащая возможные значения этой с.в. и вероятности, с которыми эти значения принимаются. Если д.с.в. Х принимает значения { х1, х2, … , xn } с вероятностями {p1, p2, … , pn}, то закон распределения этой с.в. имеет вид:
|
Х |
х1 |
х2 |
… |
xn |
|
Р |
p1 |
p2 |
… |
pn |
Поскольку события (Х=х1), (Х=х2), … , (X=xn) , очевидно, попарно несовместны, а событие (Х=х1)+(Х=х2)+… +(X=xn) , заключающееся в том, что в результате испытания с.в. Х примет хотя бы одно из своих значений, является достоверным событием, то, используя свойства вероятности, получим:
1=Р((Х=х1)+(Х=х2)+… +(X=xn))=Р(Х=х1)+…+Р(Х=xn)=р1+ … +pn .
Поэтому получаем важное свойство закона распределения:
![]()
Это свойство чаще всего используется для проверки правильности составленного закона распределения или для определения вероятности одного из значений с.в. при вычисленных вероятностях остальных значений.
Приведем примеры .
Х – число очков на подброшенном кубике:
|
Х |
1 |
2 |
3 |
4 |
5 |
6 |
|
Р |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
В корзине 3 белых и 2 черных шара. Наугад вынимается 2 шара. С.в. Х – число белых шаров среди вынутых:
|
Х |
0 |
1 |
2 |
|
|
|
|
|
|
Х |
0 |
1 |
2 |
|
Р |
0.3 |
0.6 |
0.1 |
или
Вася с Петей затеяли такую игру. Если при подбросе кубика выпадет 6, то Вася дает Пете 4 рубля, а в противном случае Петя дает Васе 1 рубль. Пусть с.в. Х – величина Васиного выигрыша.Х
−4
1
Р
1/6
5/6
Тогда эта величина имеет следующий закон распределения:
Функция распределения случайной величины и ее свойства
Если Х − непрерывная случайная величина, то ее невозможно описать с помощью упомянутой выше таблицы, выражающей закон распределения вероятностей случайной величины, поскольку возможных значений слишком много (континуум). Поэтому появляется необходимость ввести понятие, которое бы полностью характеризовало случайную величину не зависимо от того, является ли она дискретной или непрерывной. Пусть дана с.в. Х (д.с.в. или н.с.в.). Фиксируем произвольное число х и рассмотрим событие (X<x) , заключающееся в том, что в результате эксперимента с.в. Х приняла значение, которое меньше взятого числа х (т.е. значение с.в. Х попало в интервал (−∞, х) ). Это событие в результате эксперимента может произойти или не произойти, т.е. является случайным событием. Вероятность этого события (т.е. Р(X<x) ) зависит от величины взятого нами числа х (чем больше х, тем шире интервал (−∞, х), тем вероятнее в него попасть), т.е. является функцией от х. Обозначим эту функцию F(x). Эта функция и называется функцией распределения. Итак, функцией распределения (функцией распределения вероятностей, интегральной функцией распределения) с.в. Х (дискретной или непрерывной) называется числовая функция F(x), заданная на всей числовой прямой следующей формулой:
F(x)
= Р(X<x)
![]()
![]()
Посмотрим, как выглядит функция распределения для дискретной с.в. с заданным законом распределения. Пусть д.с.в. Х принимает значения { х1, х2, … , xn } с вероятностями {p1, p2, … , pn}, а потому имеет закон распределения следующего вида:
|
Х |
х1 |
х2 |
… |
xn |
|
Р |
p1 |
p2 |
… |
pn |
Возьмем произвольное
значение х,
меньшее или равное первого принимаемого
случайной величиной значения х1
: x<x1.
По определению
F(x)
=
.
Но при таком значениих
в интервале
(−∞, х)
нет значений, принимаемых случайной
величиной, поэтому событие
является невозможным и
.
Итак, для всех :x<x1
получается F(x)=0.
Возьмем теперь произвольное значение
х
между первым и вторым значением,
принимаемых с.в. Х
:
. При таком значениих
в интервале
(−∞, х)
есть только одно значение (это х1
), принимаемое
случайной величиной. Поэтому событие
совпадает с событием (Х=х1)
, вероятность которого равна р1.
Таким образом, F(x)
=
=
р1
для всех х:
.
Точно так же можно получить, что для
всехх
таких, что
функция распределенияF(x)
=
р1 +р2
. И
так далее. Для
всех х
таких, что
функция распределенияF(x)
=
р1 +р2
+…+рn-1
.
Наконец, пусть
х>xn
. Тогда интервал (−∞,
х) содержит
все значения, которые может принять
случайная величина. Поэтому при любом
исходе испытания событие
происходит, т.е. является достоверным
событием, вероятность которого равна
1. Поэтому для всехх>xn
: F(x)=1.
Таким образом, функция распределения
для дискретной случайной величины Х
с законом распределения
|
Х |
х1 |
х2 |
… |
xn |
|
Р |
p1 |
p2 |
… |
pn |
имеет следующий вид:

График такой ступенчатой функции состоит из отрезков горизонтальных прямых, расположенных над соответствующими отрезками оси х на соответствующей высоте.
Пример. В корзине 3 белых и 2 черных шара. Наугад вынимается 2 шара. Найти функцию распределения с.в. Х – числа белых шаров среди вынутых. Построить график этой функции.
Решение. Выше мы уже нашли вид закона распределения этой с.в. :
|
Х |
0 |
1 |
2 |
|
Р |
0.3 |
0.6 |
0.1 |
Учитывая выписанную выше общую формулу, получаем:

С
троим
график полученной функции:
Пример. Монета подбрасывается 3 раза. Найти выражение для функции распределения с.в. Х – числа выпавших орлов. Построить ее график.
Пример. Первый стрелок попадает в мишень с вероятностью 0.6, а второй 0.8 . Оба сделали по выстрелу. Найти функцию распределения с.в. Х – числа попаданий в мишень.
После введения понятия функции распределения можно дать более строгое определение для непрерывной случайной величины. Случайная величина называется непрерывной, если ее функция распределения непрерывна на всей числовой прямой, кроме, быть может, отдельных изолированных точек.
Перейдем теперь к свойствам функции распределения, которые лежат в основе применения этих функций.
Значения функции распределения заключены между 0 и 1: 0≤F(x)≤1 . Это следует их определения этой функции как значения вероятности некоторого события. Вероятность любого события, как известно, заключена между 0 и 1.
Функция распределения возрастает на всей числовой прямой: F(x)↑(0,+∞). Это свойство легко выводится из определения этой функции.
Если значения с.в. Х не выходят из отрезка [a,b], то F(x)=0 для всех x≤a и F(x)=1 для всех x>b.
Если с.в. может принимать значения на всей числовой прямой, то
,
.С помощью функции распределения можно вычислить вероятность попадания значения случайной величины в любой полуинтервал [a,b) : P(a ≤ X <b) = F(b) − F(a)
Если с.в. Х непрерывна, то для любого заранее фиксированного числа х0 вероятность того, что в результате испытания она примет именно это значение, равна 0: Р(Х=х0) = 0. Этот результат можно вывести из очевидного неравенства 0 ≤ Р(Х=х0) ≤ Р(х0 ≤ Х < х0+ε) = F(х0+ε) − F(х0) для любого положительного числа ε. Осталось в этом неравенстве перейти к пределу при ε→0 и воспользоваться непрерывностью функции распределения для непрерывных случайных величин. Вот такое удивительное свойство непрерывных случайных величин: событие (Х=х0) не является невозможным событием, но вероятность его равна 0.
Последнее свойство позволяет следующим образом обобщить предпоследнее свойство, но только для непрерывных случайных величин: P(a ≤ X <b) = P(a < X ≤b)= P(a ≤ X≤ b)= P(a < X <b) = F(b) − F(a).
Пример. Вероятностный прогноз для с.в. Х – процентное увеличение стоимости акций в течение года имеет следующий вид:
|
Х |
5 |
10 |
15 |
20 |
25 |
30 |
|
Р |
0.1 |
0.1 |
0.2 |
0.3 |
0.2 |
0.1 |
Что выгоднее – покупка акций или размещение денег в банке, который гарантирует 18% годовых? А в случае ежемесячной капитализации вклада в банке?
Пример.
Дана функция распределения с.в. Х:
. Найти вероятность того, что при
испытании случайная величина примет
значение из интервала (0,1).
Найти вероятность, что при четырех
испытаниях этой с.в. она примет значение
из интервала (0,1)
ровно 3 раза (вспомните формулу Бернулли).
Пример. Автомобиль едет по улице, на которой расположены 3 светофора. Светофоры работают независимо друг от друга и на каждом из них время горения зеленого цвета равно совокупному времени горения желтого и красного цветов. Для с.в. Х – числа остановок автомобиля на этой улице – найти: а) закон распределения этой с.в.; б) интегральную функцию распределения; в) вероятность того, что число остановок будет меньше 2.

