Лекции / Лекции (ЭТМО-2, Завьялова) / Лекц 6
.docЛекция 6.
$9. НЕПРЕРЫВНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ.
Пусть Х – случайная величина с функцией распределения F(x). Если функция распределения дифференцируема, то ее производная F(x) = f(x) называется плотностью распределения, а сама случайная величина Х – непрерывно распределенной случайной величиной.
Отсюда следует, что функция распределения непрерывной случайной величины является первообразной от плотности распределения:
Утверждение 8. Cлучайная величина Х принимает значения из отрезка [x1, x2] c вероятностью F(x2) – F(x1).
Доказательство. P{x1 X x2} = F(x2) – Р(Х < x1) = F(x2) – F(х1) (Т.к. F(х) непрерывна, для любого > 0 существует > 0 такая, что т.е. Поскольку для любого > 0 то для любого > 0 и значит, ).
Cледствие. Вероятность того, что случайная величина Х принимает значения из отрезка [а, b] равна интегралу по этому отрезку от плотности распределения случайной величины Х.
Утверждение 9. При непрерывном распределении вероятности каждой отдельной точке соответствует вероятность 0, а отрезку [а, b] cоответствует та же вероятность, что и интервалу (a, b).
Доказательство. P(X = x) = P(x X x) = F(x) – F(x) = 0.
P(a X b) = P{a X b} – Р{Х = а} – Р{Х = b} = P{a < X < b}.
Свойства плотности распределения вытекают из свойств функции распределения ($2, Утверждения 1,3):
1) поскольку функция распределения не убывает, ее производная неотрицательна: f(x) 0;
2) интеграл от плотности по всей числовой прямой равен 1:
Замечание. Будем также рассматривать непрерывные случайные величины, сосредоточенные на интервале (a,b). Это такие случайные величины, у которых фукция распределения F(x) непрерывна, равна 0 при х а, равна 1 при x b, а на интервале (a, b) - дифференцируема. Плотность распределения таких случайных величин полагают равной 0 вне интервала (a, b) и F(x) на (a, b).
$10. ХАРАКТЕРИСТИКИ НЕПРЕРЫВНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН.
Математическим ожиданием непрерывной случайной величины Х называется если интеграл существует.
Моментом k-ого порядка, k = 1, 2, 3,…, непрерывной случайной величины Х называется математическое ожидание случайной величины Хk:
Центральным моментом k-ого порядка непрерывной случайной ведичины Х
называется математическое ожидание случайной величины (Х – МХ)k .
Как и для дискретных случайных величин дисперсия DХ непрерывной случайной величины Х - это второй центральный момент, среднее квадратическое отклонение, коэффициент асимметрии аХ = .
$11. ПРИМЕРЫ НЕПРЕРЫВНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН.
Пример 16. Равномерное распределение. Пусть на интервал (а, b) действительной прямой наугад бросают точку. Cлучайная величина Х – координата этой точки. Вероятность попадания точки на заданный интервал (х1, x2) из (a,b) . Поэтому плотность распределения
Такое распределение вероятностей называется равномерным на интервале (a, b).
Ф
DX = M (X2) –(MX)2 =
В примере 1 из пятого параграфа первой главы время прихода пассажира на платформу метрополитена имеет равномерное распределение в интервале (0, 4).
П
Функция распределения
Показательное распределение часто имеют периоды ожидания или продолжительности “жизни” элементов (например, время до прихода автобуса или время “жизни” электрической лампочки). Показательное распределение обладает свойством отсутствия последействия: каков бы ни был настоящий “возраст” элемента, оставшееся время “жизни” не зависит от прошлого и имеет то же самое распределение, что и само время “жизни”. Отсутствие последействия присуще только показательному распределению.
П
Графиком плотности является
так называемая гауссова кривая.
Она симметрична относительно параметра m.
Параметр m также совпадает с математическим ожиданием нормально распределенной случайной величины, т.к. .
Cо вторым параметром совпадает среднее квадратическое отклонение, поскольку .
В силу симметричности плотности нормального распределения относительно математического ожидания любой центральный момент нечетного порядка равен нулю. следовательно, коэффициент асимметрии нормального распределения
аХ =
Для нормального распределения отношение . равно 3. Это отношение принимают за эталон для всех распределений и величину называют коэффициентом эксцесса. Коэффициент эксцесса характеризует островершинность распределения. Для нормального закона он равен нулю. Для более островершинных распределений коэффициент эксцесса положительный, для менее островершинных - отрицательный.
Нормальное распределение с параметрами m = 0 и = 1 называется стандартным нормальным распределением. Плотность стандартного нормального распределения
График плотности симметричен относительно нуля.
$12. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ НОРМАЛЬНОГО ЗАКОНА.
Функция распределения стандартного нормального закона равняется интегралу
Но этот интеграл не берется в элементарных функциях. Функция F(x) относится к так называемым специальным функциям. Она обозначается Ф(x), значения ее можно найти в таблицах справочника по специальным функциям.
В силу симметричности стандартной нормальной плотности относительно нуля
Ф(–x) = 1 – Ф(x), – < x < .
Утверждение 10. Функция распределения F(x) нормального закона с параметрами m и связана c функцией распределения стандартного нормального закона следующим соотношением
.
Доказательство.
.
Пример 19. Письменная работа на тестовых экзаменах оценивается в процентах. Cредняя оценка оказалась равной 50. Восемь десятых от общего количества абитуриентов получили оценки от 30 до 70. Cчитая, что оценка за письменную работу X имеет нормальное распределение, найдем среднее квадратическое отклонение этого распределения.
Р (30 X 70) = F(70) – F(30) = Ф((70-50)/) – Ф((30 – 50)/) = Ф(20/) – – Ф(–20/) = 2*Ф(20/) – 1 = 0,8. Отсюда Ф(20/) = 0,9. Из таблицы функции распределения стандартного нормального закона следует, что 20/ = 1,28 и 15,625.