- •Раздел 1. Случайные события.
- •Раздел 2. Случайные величины
- •Раздел 3. Системы случайных величин (случайные векторы).
- •4.7. Законы распределения функции случайных векторов 65
- •Раздел 1. Случайные события
- •1.1 Основные пояснения к терминам и понятиям.
- •1.2 Алгебра событий
- •1.3 Выборочное пространство. Вероятность события.
- •1.4 Простейшие способы определения вероятностей
- •1.6 Правило сложения вероятностей
- •1.7 Условная вероятность события. Правило умножения вероятностей.
- •1.8 Формула полной вероятности
- •1.9 Априорные и апостериорные вероятности гипотез.
- •Раздел 2. Случайные величины
- •2.1 Аксиоматическое определение вероятности
- •2.2 Определение случайной величины и ее описание
- •2.3 Статистические ( числовые) характеристики случайных величин
- •Основные числовые характеристики случайной величины
- •2.4. Гауссовские случайные величины и их характеристики
- •Значения вероятности для гауссовского распределения при различных
- •2.5. Другие типы случайных величин
- •Виды функций плотности распределения вероятностей и соответствующие им характеристики
- •Раздел 3. Совокупность случайных величин (случайные векторы).
- •3.1. Определение случайного вектора и его описание.
- •3.2. Статистические характеристики случайных векторов
- •Основные определения и соотношения для двухмерного случайного вектора
- •3.4. Гауссовские случайные векторы и их характеристики.
- •Среднеквадратический эллипс ошибок, круговая вероятная ошибка
- •Раздел 4. Преобразование случайных величин.
- •4.3 Числовые характеристики от функций случайных величин.
- •4.4 Законы распределения функций случайных величин
- •4.5 Получение случайной величины с заданным распределением путем функционального преобразования.
- •4.6 Законы распределения функции двух случайных аргументов
- •. (4.73)
- •4.7 Законы распределения функции случайных векторов
- •4.8. Линейные преобразования случайных векторов
- •4.9. Определение статистических свойств длины проекции случайного двухмерного вектора на заданное направление
- •4.10. Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
- •Раздел 5. Элементы математической статистики
- •5.1 Первичная статистическая совокупность. Статистическая функция распределения.
- •5.2 Статистический ряд. Гистограмма
- •5.3 Числовые характеристики статистического распределения
- •5.4 Доверительный интервал. Доверительная вероятность.
- •5.6 Критерий согласия.
- •5.7 Критерий согласия Колмогорова
- •5.8 Статистическая проверка гипотез
4.4 Законы распределения функций случайных величин
В предыдущих разделах рассматривалась задача нахождения моментов для случайной величины и случайного вектора, полученных в результате преобразования некоторой исходной с.в. или случайного вектора с заданной плотностью распределения В настоящем подразделе обсуждается более сложная задача определения самой плотности распределения. для случайных величин и векторов, формируемых в результате их линейных и нелинейных преобразований.
Итак, предположим, что случайная величина получена в результате преобразования случайной величиныс известнойплотностью распределения .
Требуется найти плотность распределения , характеризующую свойства другойcлучайной величины . Для решения этой задачи сначала будем полагать, что -монотонная функция и таким образом существует взаимно однозначное соответствие между и во всей области их возможных значений. Это означает, что существует обратная функция такая, что. В этом случае очевидна справедливость следующих равенств:
-для возрастающей функции, т.е. при ;
-для убывающей функции, т.е. при .
Рис. 1.3.1. К определению вероятности
для возрастающей и убывающей функций
Отсюда, в частности, вытекает, что при
, (4.48)
т.е. вероятность для попасть в область совпадает с вероятностью для попасть в область (см. рис. 4.2).
Рис. 4.2. Области и ,
вероятности попадания в которые для с.в. исовпадают.
Поскольку итодля обеспечения (4.48) необходимо, чтобы в пределе.
Для убывающей функции знак у производной надо изменить на противоположный, так что в общем случае получаем
. (4.49)
Другое доказательство (Теория вероятностей и ее инженерные приложения).
Пусть.-непрерывная случайная величина с плотностью. Требуется найти закон распределения для случайной величины.
Пусть монотонна, непрерывна и дифференцируема в интервале
Тогда функция распределения случайной величины определяется по формуле
Если функция возрастает, то событиеэквивалентно событию, гдеесть функция обратная функции. Из строгой монотонностиследует однозначность функции Тогда
.
Дифференцируя это выражение по, входящей в верхний предел интеграла получим выражение для плотности
.
Если монотонно убывает, то событиеэквивалентно событию. Следовательно
.
Дифференцируя, получим
.
Так как плотность не может быть отрицательной, объединяя, получим
.
Если функция многозначна, то, разбивая область значений на участки, для которых она однозначна, и проводя аналогичные рассуждения, можно показать, что в этой ситуации справедливо следующее соотношение:
, (4.50)
где -функция на участках однозначности .
Пример
,
где -неслучайные величины. Найти плотность распределения для.
Решение. Найдем обратную функцию
.
Найдем призводную обратной функции
.
Найдем плотность
.
Пример.
,
Решение. Найдем обратную функцию
. Условиепереходит в условие ,
Найдем призводную обратной функции
.
Найдем плотность
.
Пример.
, .
Решение. Выше показано, что
.
Как следствие, имеем
а это нормальная плотность с параметрами ,.
Вывод. В результате линейного преобразования нормально распределенной величины получаем случайную величину распределенную по нормальному закону.
Пример. Пусть задана плотность распределения для случайной величины . Необходимо найтиплотность распределения квадрата от этой величины, т.е
. . (4.51)
Здесь каждому значению , которое всегда положительно, соответствуют два значения
и . (4.52)
Понятно, что если , тоэтому событию соответствуют два взаимно несовместных события или. Отсюда следует, что
или ,
т.е.
.
Принимая во внимание (4.50), для запишем
.
Таким образом, для искомой плотности распределения получаем
(4.53)
Предположим, например, что случайная величина х является гауссовской, т.е. . В этом случае
, .
Отсюда следует, что функция плотности для квадрата гауссовской случайной величины имеет вид
, . (4.54)
Графики этой функции плотности при разных значениях приведены на рис. 4.3.
Рис. 4.3. График плотности для при гауссовском характере плотности. для х .
Пример. Закон распределения модуля случайной величины
. (4.55)
Решение. Функция не монотонна.
.
Интервалы монотонности .
Как следствие, имеем
. (4.56)