Лекции / Лекции (МП-3 Земсков) / Лекции (word) / Лекци7,9
.docЛекция 7
§ 2.5. СВНТ и их законы распределения.
1) , где fx –плотность распределения вероятности (1)
Fx = P{X<x}
Прямая аналогия с дискретным случаем.
Обратное представление:
2) , если х – точка непрерывности
При таком распределении все скачки сглаживаются.
3) Функция распределения всегда непрерывна у СВНТ.
4) Р{x1 ≤ Х ≤ x2}=Fx(x2)- Fx(x1)= Р{x1 ≤ Х ≤ x2} (3)
5) Р{x ≤ Х ≤ x+x}=Fx(x+x)- Fx(x)= Fx(x)=F’x(x)x+0(x)перейдем к дифференциалам Р{x ≤ Х ≤ x+dx}= F’x(x)= fx(x)dx – вероятность попасть на участок dx.
Определение: fx(x)dx- называется элементом вероятности.
Числовые характеристики СВНТ.
-
Моменты:
-
начальные: (сумма заменяется на интеграл);
б) центральные: .
Частные случаи.
Mx=1,
0=1, 1=0;
Ремарка: Данные характеристики существуют тогда и только тогда, когда данные несобственные интегралы сходятся.
Dx=1=2-mx2.
-
Мода: - точка на оси х, соответствует максимальной плотности, если она принадлежит Ех.
-
Медиана: Присуща только непрерывным случайным величинам.
hx – точка на оси х, для которой вероятность оказаться левее равна вероятности оказаться правее, т.е. Р{Х < hx}= Р{Х > hx}
Р{Х < x0}=0 для любого случая..
Если перейдем к функции распределения, то заметим, что hx – корень уравнения .
Определение: Данные характеристики называются характеристиками положения. Совпадают только в симметричном случае.
§ 2.6. Основные классические распределения непрерывного типа и их характеристики.
-
Равномерное распределение.
fx=0, при и fx=,
fx(х)
a b x
Условия нормировки (обязательное требование к плотности): =1
, ;
Пример: Отчет времени измеряется прибором. Ошибка распределена равномерно между серединами двух соседних линий.
Обозначение: XR(a,b)
-
Показательное (экспериментальное) распределения.
Обозначение: XЕх()
fx=0, при х ≤ 0 или е-х при х>0;
Пример 1: Модель отказов радиоаппаратуры, приводящая к показательному распределению.
Пусть Х – время безотказной работы радиоаппаратуры. Формализация: пусть известно, что аппаратура проработала х единиц времени без сбоя. Причем, что вероятность отказа радиоаппаратуры за время х, следующее за моментом времени х, пропорциональна х и не зависит от того, сколько времени она проработала без сбоя.
Математика: Р{ Х < x2+х Х ≥ x}=х = (х) (3)
Решение. Ищем закон распределения. Рассмотрим Fх(х)= Fх(х+х)-Fх(х)=
=Р{ х<Х <х+х}= (используем произведение событий)=(по формуле умножения)= =Р{ Х <х+х Х ≥ х}=(1-F(x)) (х+(х))
, .
Fx = 0 для х ≤ 0 . начальное условие Fx = 0.
-ln(1- Fx)= х+C
1- Fx=C1e-x, C1= ec
Fx=1- C1e-x
Fx(0)=1- C1e-0=1- C1=0 C1=1
Fx(x)=1- e-x
0, при х ≤ 0
Fx(x)=
1- e-x, при х>0.
0, при х ≤ 0,
Ответ: fx = Fx’(x)=
e-x, при х>0.
Примеры экспериментов: 1) Время ожидания очереди (массовое обслуживание).
2) Время поиска.
Характеристики экспоненциального распределения:
а) Вычислим
, k=1,2…
, (нормировка).
,
- имеет смысл величины обратной математическому ожиданию.
Dx= .
б) Вычислим медиану hx для данного распределения.
Fx(x)= ,
1-=,
=,
x=
-
Нормальное распределение (гаусовское).
Введем обозначения
XN(m,).
, x R, m – любое, >0.
Графически: площадь над гаусовской кривой.
а) Вычислим математическое ожидание.
mx=
Первый интеграл – интеграл Пуассона и равен , второй интеграл – интеграл от нечетной функции, пределы симметричны интеграл равен 0.
mx=m.
б)
,
(4)
где k=1,2,3….
.
Определение: если XN(0,1), то , называется стандартизированным нормальным распределением. Для него функция распределения имеет вид - интеграл вероятности.
Лекция 9.
Если XN(0,1) (стандартизованное нормальное), то её функция распределения обозначается:
Fx(x)=
Существуют таблицы для x [0,4], для x>4 с хорошей точностью получается 1.
обладает свойством:
(1)
легко можно получить значения для x<0.
Остальные свойства функции распределения у сохраняется.
Общий случай.
Пусть XN(m,).
Вероятность попадания на интервал:
Вероятность попадания на симметричный относительно математического ожидания интервал.
(3)
Пример 1 XN(m,). Вычислить: , k=1,2…
Определение: X-m называется отклонением от математического ожидания.
Решение.
На практике это называется правилом 3-х .
Функция ошибок: ,
Для больших х(>>1) используется асимптотическая формула:
,
при х>4 уже 3 числа ряда дают ошибку ≤ .
Глава 3. Случайные векторы
Очень часто результаты эксперимента описываются несколькими случайными величинами.
§ 3.1. Основные понятия. Свойства функции распределения.
Определение: пусть в данном эксперименте определенны n случайных величин: X1(w), X2(w)…Xn(w). Рассматривая их совместно можно получить вектор X={ X1(w), X2(w)…Xn(w)}. Для этого вектора определенны все случайные события.
Для каждого такого вектора можно построить многомерную функцию распределения: .
.
Подробнее остановимся на двумерном случайном векторе и опишем свойства функции распределения.
Свойства двумерной функции распределения.
1).
Геометрически:
y
(x,y)
Г(x,y) Вероятность попасть в прямой угол на плоскости.
x где .
2)
3)
Доказательство.
Аналогично для
-
- неубывающая функция по каждой переменной
Доказательство.
Пусть x2>x1 {X<x1,y}<{X<x2,y} по свойству вероятности получаем результат.
-
- непрерывна слева по каждому аргументу.
(смотри одномерный случай).
-
Вероятность попадания в прямоугольник:
П={(x,y) x1≤ x<x2, y1≤ y<y2}
у
у2
П
у1
х
х1 х2
P{(Х,Y) П}= Р{х1 ≤ Х < х2, y1 ≤ Y< y2}= FX,Y(x2, y2) + FX,Y(x1, y1) - FX,Y(x1, y2) -
- FX,Y(x2, y1) (4)
Доказательство.
Рассмотрим событие Aij={X<xi,Y<yj}.
Событие C=A12+A21.
Учтем, что A22=П+С, причем ПС= по аксиоме сложения:
Р(А22)=Р(П)+Р(С) Р(П)=Р(А22)-Р(С)=Р(А22)-Р(С)=Р(А22)+Р(А11)-Р(А12)-Р(А21).
§ 3.2. Случайные векторы дискретного типа (СВДТ) и их законы распределения.
Определение: случайный вектор (СВ) называется СВДТ, если множество его возможных значений EX,Y – конечно или счетно.
Определение: закон распределения СВДТ – это таблица вида:
xi |
y1 |
y2 |
…….. |
ym |
pi=Px= xi |
x1 |
p11 |
p12 |
……. |
p1m |
p1 |
x2 |
p21 |
p22 |
……. |
p2m |
p2 |
……. |
……….. |
………. |
……. |
……. |
……. |
xn |
pn1 |
pn2 |
……. |
pmn |
pn |
pj=PY= yi |
p1 |
p2 |
……. |
pm |
1 |
Необходима нормировка:
Можно использовать свободные строку и столбец (6-ые).
Возникают следующие задачи:
Задача 1. По известному закону распределения СВ (X,Y) (известна основная таблица) восстановить законы распределения отдельных компонент.
Решение.
Рассмотрим в качестве гипотез.
Hj={Y=yj} P{X=xi}=
в последнем столбце записываются .
Задача 2. Можно ли и как это сделать?
По закону распределения отдельных компонент восстановить закон распределения всего вектора (обратная задаче 1).
Решение.
/*Задача не решается однозначно.*/
Пусть X и Y распределены одинаково согласно таблицам.
X |
-1 |
1 |
p |
½ |
½ |
Y |
-1 |
1 |
p |
½ |
½ |
Построим следующие две таблицы:
xi\ yi |
-1 |
1 |
pi |
-1 |
½ |
0 |
½ |
1 |
0 |
½ |
½ |
pj |
½ |
½ |
1 |
xi\ yi |
-1 |
1 |
pi |
-1 |
¼ |
¼ |
½ |
1 |
¼ |
¼ |
½ |
Pj |
½ |
2 |
1 |
Два абсолютно разных распределения Восстановить однозначно нельзя.
Задача 3. По закону распределения СВ (по известной таблице) построить функцию распределения FX,Y(x,y)
Решение.
FX,Y(x,y)=P(X,Y) Г(х,у)=
Задача 4. (обратная к задаче 3). По заданной функции распределения восстановить таблицу распределения.
Решение.
-
Выявим точки скачка функции распределения восстановим спектр.
-
Определим вероятность каждого дискрета.
Пример:
y
x x x
x x x
Берем малый прямоугольник (см. рисунок) и используем формулу попадания в прямоугольник.
§ 3.3. Независимость случайных событий.
Определение: Случайные величины X, Y называются независимыми, если выполняются условия:
FX,Y(x,y)= FX(x)FY(y) (5)
Теорема 9.1. Для независимости X и Y необходимо и достаточно, чтобы Pi j = Pi= P j
i, j из основной таблицы распределения
Доказательство: Пусть Pi j = Pi= P j FX,Y(x,y)=(согласно задаче 3) = =
== FX(x)= FY(y)
{X<xi}, {Y<yj}. Достаточность доказана.