14-es_1 / Высшая математика (РТФ) / умк_Пальчик_Теория вероятностей
.pdfO. Следует из определений 6.4 и 6.5. Ä.
6.13.3. Если X1 и X2 – независимые СВ, то M (X1 × X2 ) = M (X1) × M (X2 ).
Если X1 и X2 – зависимые СВ, то |
|
M ( X1 × X 2 ) = M ( X1) × M ( X 2 ) + M [( X1 - M ( X1)) × ( X 2 - M ( X 2 ))]. |
(6.24¢) |
Æ. (6.24¢) будет доказано ниже (теорема 10.9.). |
|
6.13.4. Если X1 и X2 – СВ, то |
|
M ( X1 ± X 2 ) = M ( X1) ± M ( X 2 ). |
(6.25) |
O. По определению 6.4 СВ Х1 + Х2 имеет следующий закон распре- деления:
|
X1 + X 2 |
x + x |
|
x + x |
... |
|
|
|
x + x |
... |
|
x |
|
+ x |
x |
+ x |
|
|
... |
|
x |
+ x |
||||||||
|
|
|
1 |
1 |
|
1 |
2 |
|
|
|
|
1 |
n |
|
|
|
m |
|
1 |
m |
|
2 |
|
|
|
|
m |
n |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
P |
|
|
|
|
|
... |
|
|
|
|
|
... |
|
|
|
|
|
|
|
|
|
... |
|
|
|
||||
|
|
p1 p1 |
|
p1 p2 |
|
|
|
|
|
p1 pn |
|
|
|
pm p1 |
|
pm p2 |
|
|
|
|
|
pm pn |
||||||||
|
По 6.5. имеем: M(X + X |
2 |
) = (x + x ) p p + (x + x ) p p |
+ K + |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
1 |
1 |
1 |
1 |
1 |
2 |
1 |
2 |
|
|
|
|
|
|||||||
+(x + x ) p p + K + (x + x ) p p + (x + x ) p p + K + |
|
|
|
|
|
|
|
|
||||||||||||||||||||||
1 |
n |
1 n |
|
|
m |
1 |
|
m |
1 |
|
m |
2 |
|
m |
2 |
|
|
|
|
|
|
|
|
|
|
|||||
+(x + x ) p p |
= x p [ p |
+ p |
+ K + p |
] + p [x p |
+ x p |
+ K + x p |
] + K + |
|||||||||||||||||||||||
|
m |
n m n |
|
1 1 1 |
2 |
|
|
|
|
n |
|
|
1 1 1 |
|
2 2 |
|
|
|
|
n n |
|
|
|
|||||||
+ x p [ p |
+ p + K + p ] + p [x p + x p |
+K + x p |
] = |
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
m m |
1 |
2 |
|
|
n |
|
m |
|
1 1 |
2 2 |
|
|
|
|
n n |
|
|
|
|
|
|
|
|
|
|
||||
= (x p +K + x p ) ×1 + [x p + x p |
+K + x p |
|
] × ( p +K + p ) = |
|
|
|
||||||||||||||||||||||||
1 1 |
|
m m |
1 1 |
|
|
|
2 2 |
|
|
|
|
n n |
|
|
|
|
|
m |
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1442443 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= 1 по (4.4) |
|
|
|
|
|
|
|
|||
= M(X1 ) +M(X2 ). Ä. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
6.13.5. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
M(X – M (X)) = 0. |
|
|
|
|
|
|
|
|
|
|
|
(6.26) |
||||||||||
|
О. По (6.25) M(X – M (X)) = M(X) – M (M(X)) = M(X) – |
M(X) (ввиду |
||||||||||||||||||||||||||||
(6.16) и 6.13.1) = 0. Ä. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
6.13.6. Размерности величин X и M(X) одинаковы. |
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
6.14. Свойства дисперсии. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
6.14.1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
D(X) = M(X2) – [ M(X)]2. |
|
|
|
|
|
|
|
|
|
(6.27) |
51
О. D(X) = M(X-M(X))2 = M ( X 2 - 2 X × M ( X ) + M ( X )2 ) =
= (6.25) = M ( X 2 ) - M (2 X × M ( X )) + M (M ( X )2 ) =
= по (6.16), 6.13.2, 6.13.1 = M(X2 ) - 2M ( X )M ( X ) + [M ( X )]2 =
= M ( X 2 ) -[M ( X )]2. Ä.
6.14.2. Если C = const, то D(C) = 0.
O. По (6.27) D(C) = M(C2) – M(C)2 = 6.13.1 = C2 – C 2 = 0. Ä. 6.14.3. Если C = const, то D(CX) = C2D(X).
О. D(CX ) = M (C2 X 2 ) - M (CX )2 = C2M ( X 2 ) - C2M ( X )2 =
= C2[M ( X 2 ) - M ( X )2 ] = C2 D( X ). Ä.
6.14.4. Размерность D(X) есть квадрат размерности СВ X.
O. Пусть СВ X измеряется в определенных единицах измерения. То-
гда по 6.14.3 имеем D(X ед) = ед2 D(X). Ä. 6.14.5. D(X – M (X)) = D(X).
О. D(X – M (X)) = M(X – M (X))2 – [M(X – M (X))]2 =
=M(X2 – 2XM(X) +M(X)2) – [M(X) – M (X)]2 =
=M(X2) – 2M(X)M(X)+M(X)2 = M(X2) – M (X)2 = D(X). Ä.
6.14.6.D( X ± Y ) = D( X ) + D(Y ) ± 2M [( X − M ( X ))(Y − M (Y ))].
О. D(X – Y ) = по (6.27) = M(X – Y )2 – [M(X – Y )]2 =
= M(X2 – 2XY + Y2) – [M(X) – M (Y)]2 =
=M(X2) – 2M(XY) + M(Y2) – M (X)2 +2M(X)M(Y) – M (Y)2 =
= по (6.24') = M ( X |
2 ) -[M ( X )]2 |
+ M (Y |
2 ) -[M (Y )]2 |
– 2M (X)M(Y) – |
144424443 |
14424443 |
|
||
|
D( X ) |
|
D(Y ) |
|
– 2M[(X–M (X))(Y–M (Y))]+2M(X)M(Y)=D(X)+D(Y)– 2M[(X–M (X))(Y–MY ))]. Ä.
52
6.14.7.Следствие. Если C = const, то
D(C ± X) = D(X). |
(6.28) |
О. D(C – X ) = по 6.14.6 = D(C) + D(X) – 2M[(C – M (C))(X – M (X))] =
=0 + D(X) – 0 = D(X). Ä.
6.14.8.Следствие. Если X и Y – независимые СВ, то
D(X ± Y) = D(X) + D(Y). |
(6.29) |
O. По 6.14.6
D( X ± Y ) = D( X ) + D(Y ) ± 2M [( X - M ( X )) × (Y - M (Y ))]. Но по 6.13.3
2M[(X-M(X)) × (Y-M(Y))] = 2M(X-M(X)) × M(Y-M(Y)) = (6.26) = 0. Ä.
6.15. Пример. Статистическими наблюдениями замечено, что в сол- нечный день один продавец мороженого продает его » на 160 руб., а в дождливый » на 20 руб. Какова ожидаемая выручка (МО), если вероят- ность, что день будет дождливым, равна 0,35?
О. Пусть СВ X – возможная выручка. Тогда по условию
X |
20 pуб. |
160 pуб. |
|
|
|
P |
0,35 |
0,65 |
|
|
|
M ( X ) = 20 pуб.× 0,35 +160 pуб.× 0,65 =111 pуб.
Дневная выручка имеет среднее квадратическое отклонение от ожи- даемой
|
|
1 |
|
||||
s(X) = |
|
= M(X2) -[M(X)]2 =[(202 ×0,35+1602 ×0,65) -1112] |
|
|
»67 pуб. Ä. |
||
D(X) |
2 |
53
7. Одноточечное распределение. Распределение Бернулли (двухточечное). Биномиальное распределение. Геометрическое распределение. Гипергеометрическое распределение. Нормальное распределение
7.1. Одноточечное распределение. СВ X имеет одноточечное (вы-
рожденное) распределение, если она принимает одно значение х0 с вероят- ностью 100 %, т.е.
F(x) = |
0 |
" x £ x0 ; |
(7.1). |
1 |
" x > x0. |
7.2. Распределение Бернулли (двухточечное). СВ X имеет двух-
точечное распределение, если она принимает только 2 возможных значе- ния (например, число появлений события A в одном эксперименте):
X x1 |
x2 |
|
(7.2) |
|
P p1 |
p2 |
p1 + p2 =1 |
||
|
||||
WX |
1 |
0 |
(7.2¢) |
|
PX |
p |
1 - p |
||
Распределение такой СВ называется распределением Бернулли. Для |
||||
нее имеет место |
|
|
|
|
M ( X ) =1× p + 0 × (1 - p) = p |
|
|
||
|
|
|
(7.2²) |
|
|
|
|
||
D( X ) = M ( X 2 ) - (M ( X ))2 = p - p2 = p(1 - p) = pq |
|
|||
0 |
|
x ≤ 0; |
|
|
F (x) = 1 - p " 0 < x £1; |
|
|||
1 |
|
" x >1. |
|
Распределение Бернулли (7.2¢) является математической моделью любого вероятностного эксперимента Е с двумя исходами WX = {0; 1}.
Играет важную роль в ТВ и МС.
54
7.3. Биномиальное распределение. Пусть Е проводится n раз.
Каждое повторение эксперимента Е может закончиться появлением неко- торого события А, либо не появлением А. При этом Р(А) пусть одна и та же при каждом повторе эксперимента.
Свяжем с n-кратным повторением Е СВ Х – число появлений А в се- рии из n повторов E.
Как вычислить при этих условиях P(X = k)? |
(7.3) |
Для этого X представим в виде суммы n независимых |
СВ: |
n
X = ∑ Xi , где Xi – число появлений A в единичном эксперименте.
i=1
Вединичном (отдельном) эксперименте Xi может принять только 2 значения: 1 и 0. То есть Xi имеет двухточечное распределение Бернулли.
W(Xi) = {0, 1}, P(Xi = 1) = p, P(Xi = 0) = q = 1 – p.
Нас интересует вопрос (7.3). Ответ на этот вопрос мы рассмотрели в лекции 5 (см.(5.2).
Так как имеются формулы (7.2²), то для биномиально распределен- ной СВ X имеем:
n |
|
|
M ( X ) = M (∑ Xi ) = n × p |
|
|
i=1 |
|
(7.3¢) |
n |
|
|
|
|
|
D( X ) = D(∑ Xi ) = n p q |
|
|
|
|
|
i=1 |
|
|
Пример. Прибор состоит из 10 узлов. Надежность каждого узла в течение времени t равна 0,95. Узлы могут выходить из строя независимо друг от друга. Найти вероятность того, что за время t
1)откажут точно 2 узла (С);
2)откажут не менее 2-х узлов (D).
O. Пусть X – число узлов, отказавших за время t. Тогда
WX = {xi / i = 0,10} = {0,1, K, 10}.
P( X = xi ) = Cnxi pxi qn− xi ( p = 0,05; q = 0,95).
C= {2}; (СВ X примет значение, равное 2);
D= {2, 3, ..., 10} (СВ X примет значение 2,...,10).
55
P(C) = P( X = 2) = C102 p2q8 = 45 × 0,052 × 0,958 = 0,075.
10 |
|
0,05xi × 0,9510− xi = 0,086. |
Ä. |
P(D) = P( X ³ 2) = ∑ C xi |
|||
xi = |
10 |
|
|
2 |
|
|
7.4. Геометрическое распределение. Пусть производится n неза-
висимых опытов, в каждом из которых A может появиться с вероятностью p = const. Поставим вопрос не так, как в (7.3), а таким образом: «В каком опыте наступит A первый раз?»
В таком случае рассматриваем СВ X – число экспериментов (в схеме Бернулли) до наступления события A первый раз.
Очевидно, A появится первый раз в i-м опыте, если первые (i – 1) опытов закончились неудачно для A (что произойдет с вероятностью (1 - p)i-1) и i-й опыт закончится успехом, т.е. A наступит (что произойдет с вероятностью p). Итак,
% |
i−1 |
(7.4) |
P( X = i) = p × q |
, |
% |
|
|
|
|
|
|
|
|
|
|
|
|
где X – СВ, выражающая число экспериментов, в которых А появилось |
||||||||||||
1-й раз в i-м опыте. |
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
× qi−1. Это есть геометрическая прогрессия со |
|||||||||||
Рассмотрим ряд ∑ p1 |
||||||||||||
i=1 |
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
||
знаменателем q, |q| < 1. Поэтому ∑ p qi−1 = p( |
|
) = p × (1/ p) =1. Но это |
||||||||||
|
|
|||||||||||
|
|
|
i=1 |
|
|
|
|
1 |
- q |
|||
означает, что формула (7.4) задает распределение СВ X. Его называют |
||||||||||||
геометрическим. |
|
|
|
|
|
|
|
|
|
|
|
|
% |
|
2 |
+K+ ipq |
i−1 |
+K = |
|
|
|||||
M ( X ) =1× p + 2 pq + 3 pq |
|
|
|
|
|
|||||||
= (1 - q) + 2(q - q2 ) +K+ i(qi−1 - qi ) +K = |
(7.4¢) |
|||||||||||
=1 + q + q2 +K+ qi −1 - iqi +K = |
|
|
1 |
+ 0 =1/ p. |
||||||||
|
|
|
|
|||||||||
|
|
|
1 |
- q |
|
|
|
|
||||
Аналогично, |
|
|
|
|
1 − p |
|
|
|
|
|||
|
|
|
% |
|
|
|
|
|
||||
|
|
D( X ) = |
|
p2 |
. |
(7.4²) |
56
7.5. Гипергеометрическое распределение. С помощью гипергео-
метрического распределения вычисляется доля бракованных деталей в выборке из контролируемой партии.
Пусть в контролируемой партии имеется N деталей, из них M брако- ванных и N – M стандартных. Из этой партии взято наугад n деталей. СВ X – число бракованных деталей среди n взятых.
Пусть бракованных деталей среди взятых m штук.
Число всевозможных партий из n деталей равно CNn . Среди них име- ется CMm CNn−−mM партий, содержащих m бракованных деталей. По классиче- скому определению вероятности события (X = m) имеем
|
m n−m |
|
|
|
|
P( X = m) = |
CM CN −M |
|
. |
(7.5) |
|
CNn |
|
||||
|
|
|
|
||
Можно показать, что |
|
|
|
|
|
M ( X ) = n p; |
|
|
|
|
|
|
|
n −1 |
|
|
(7.5′) |
D( X ) = npq(1 − |
|
|
|||
|
) |
|
|||
N −1 |
|
||||
|
|
|
|
|
7.6. Определение. Нормальным называется такой закон распреде- ления НСВ X, который описывается дифференциальной функцией распре- деления (т.е. плотностью вероятности)
1 |
|
|
− |
(n−m)2 |
|
|
||
|
|
2σ2 |
|
|
||||
|
|
|
|
|
||||
f (x) = |
s |
|
|
× e |
|
|
. |
(7.6) |
2p |
|
|
Выясним вероятностный смысл параметров m и s в (7.6). Если они известны, то известна и f(x). Для этого вычислим M(X) и D(X). Получаем
|
|
|
|
|
|
∞ |
|
1 |
|
|
|
|
∞ |
|
|
|
− |
(n−m)2 |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2σ2 |
|
|
|
|
|
|
|
||||||||
M ( X ) = ∫ x f (x) dx = |
|
|
|
|
∫ |
x × e |
|
dx = |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
−∞ |
|
s 2p −∞ |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
x - m |
= z; x |
= sx + m |
|
|
|
|
1 |
|
|
∞ |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
= |
|
|
|
|
|
= |
|
|
|
∫ (s z +m) e− z2 / 2s × dz = |
|||||||||||||||||||
|
s |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
s |
|
|
|
|
2p |
||||||||||||||||||
|
dx = sdz |
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
1 |
|
∞ |
2 / 2 z dz + |
|
m |
|
|
|
∞ |
e− z2 / 2dz = 0 + |
|
m |
|
|
|
|
||||||||||
|
= |
|
∫ se− z |
|
|
|
|
|
|
|
|
× |
|
= m. |
|||||||||||||||
|
|
|
|
|
|
|
∫ |
|
|
2p |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
2p −∞ |
|
|
|
|
2p −∞ |
|
|
|
|
|
|
|
2p |
|
|
|
|
57
Первый интеграл равен 0, т.к. под знаком интеграла стоит нечетная функция, а границы интервала симметричны относительно начала коорди- нат. Второй интеграл есть «не берущийся» интеграл Пуассона, его вычис-
ляют специальным приемом; он равен 2p .
|
|
|
|
|
|
|
|
∞ |
1 |
|
|
|
|
|
(n−m)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
(x - m)2 e 2σ2 dx = |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
D( X ) = ∫ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
−∞ s |
|
2p |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
1 |
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
= |
|
|
|
|
∫ z2 × s2 × e− z2 / 2 × s × dz (здесь, как и выше, x – m = s z) = |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
s |
|
|
2p −∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
s |
2 |
|
∞ |
|
|
|
|
|
|
|
|
u = z, du = dz |
|
|
|
|
|
|
|
z |
2 |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
= |
|
|
|
∫ z × e− z2 / 2 × z × dz = |
dv = e− z2 |
/ 2 × z × dz = -e− z2 / 2d (- |
|
) |
= |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
2p |
||||||||||||||||||||||||||||||||||||
|
|
|
−∞ |
|
|
|
|
|
|
|
|
v = -e− z2 / 2 |
|
|
|
|
|
|
2 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
s2 |
|
|
|
|
|
|
|
∞ |
|
|
|
|
s2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
− z |
2 / 2 |
∞ |
− z2 / 2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
= |
|
|
|
|
|
(-z × e |
|
|
|
|
|
−∞ |
+ ∫ e |
|
|
dz) = |
|
|
|
|
|
(0 + |
2p) = s |
|
. |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
2p |
|
|
|
|
|
|
|
|
|
|
2p |
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Итак, в (7.6) имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m = M ( X ), s = |
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D( X ). |
|
|
|
|
|
(7.7) |
Из (7.7) и вытекает вероятностный смысл параметров m и s нор- мального распределения.
Если m и s – произвольные числа, то (7.6) называют общим нор- мальным распределением, а если
m = 0, s = 1,
то (7.6) называют нормированным (или стандартным) законом нормально- го распределения:
f0 |
(x) = |
|
1 |
|
× e− x2 / 2. |
(7.8) |
|
|
|
|
|||||
2p |
|||||||
|
|
|
|
|
|
58
Условимся писать, что X Î N(m, s), если X имеет распределение
(7.6).
Соответственно для (7.6) и (7.8) могут быть найдены интегральные функции распределения.
А именно, по (4.12) имеем:
|
|
|
|
1 |
|
|
|
|
x |
|
(t −m)2 |
|
|
||
F (x) = |
|
|
|
|
|
|
∫ ×e 2σ2 dt, |
(7.9) |
|||||||
|
|
|
|
|
|
|
|
|
|||||||
|
|
s |
|
|
2p −∞ |
|
|
|
|
||||||
и |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
x |
|
|
|
|
|
|
|
||
F0 (x) = |
|
|
|
∫ ×e−t2 / 2 dt = F (x). |
(7.10) |
||||||||||
|
|
|
|
||||||||||||
|
|
||||||||||||||
|
|
|
2p −∞ |
|
|
|
|
||||||||
Обозначение Ф*(x) для F0(x) связано с обозначением Ф(x) |
|||||||||||||||
рассмотренной в лекции 5 функции Лапласа: |
|
||||||||||||||
|
|
|
|
1 |
|
|
|
x |
2 / 2 dt. |
|
|||||
F(x) = |
|
|
|
|
|
∫×e−t |
(7.11) |
||||||||
|
|
|
|
|
|
|
|||||||||
|
|
2p |
|||||||||||||
|
|
|
|
0 |
|
|
|
|
Для функций Ф(x) и Ф*(x) имеются специальные таблицы их при- ближенных значений, так как они часто используются в ТВ и МС.
Ф*(x) называют нормальной функцией распределения (Лапласа).
Функции F(x), F0(x)= Ф*(x) и Ф(x) связаны между собой следующи- ми соотношениями:
|
x − m |
|
|
|
x − m |
|
|
|||
F (x) = F ( |
|
|
|
) = F |
( |
|
|
) ; |
(7.12) |
|
|
s |
|
s |
|||||||
0 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
F (x) = |
1 |
+ F( |
x − m |
). |
|
(7.13) |
||||
|
|
|
||||||||
|
2 |
|
|
s |
|
|
|
|
|
В самом деле,
|
|
|
|
|
|
|
|
|
|
x |
|
− |
(t −m)2 |
|
|
|
|
t - m |
|
= z, t = sz + m, dt = sdz |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
s |
|||||||||||
F (x) = |
|
|
|
|
|
×e |
2σ2 |
dt = |
|
|
|
= |
|||||||||||||||
|
|
|
|
|
∫ |
|
|
|
|
|
|
x - m |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
s |
|
2p −∞ |
|
|
|
|
|
|
|
-¥ < t < x Û -¥ < z < |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s |
|
||||||||
|
1× s |
|
|
( x−m) / σ |
|
|
|
|
|
1 |
|
|
( x−m) / σ |
|
|
|
|
||||||||||
= |
|
|
|
|
|
∫ ×e− z2 / 2dz = |
|
|
|
∫ |
×e− z2 / 2dz = F0 ( |
x - m |
) . |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
s 2p |
|
|
2p |
||||||||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
|
−∞ |
s |
Выражение (7.12) доказано.
59
Далее,
|
|
|
|
|
|
1 |
|
( x−m) / σ |
×e− z2 |
|
|
|
|
|
1 |
|
0 |
×e− z2 / z dz + |
|
1 |
|
|
( x−m) / σ |
2 / 2dz = |
||||||||||
F (x) = |
|
|
|
|
|
∫ |
/ z dz = |
|
|
|
|
∫ |
|
|
|
∫ ×e− z |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
2p |
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
2p −∞ |
|
|
2p |
0 |
|
|
|
|||||||
|
|
1 |
|
|
−∞ |
|
|
|
2 / 2dz + |
|
|
1 |
|
( x−m) / σ |
|
|
|
2 / 2dz = -F(-¥) + F( |
x - m |
|
|
|||||||||||||
= - |
|
|
|
|
∫ ×e− z |
|
|
|
|
∫ |
×e− z |
) = |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
2p |
0 |
|
|
|
|
|
|
|
|
|
2p |
0 |
|
|
|
|
|
|
|
|
|
|
|
s |
|
|||||||
= F(¥) + F( |
x − m |
) = |
1 |
+ F( |
x − m |
) и (7.13) доказано. |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
s |
2 |
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
7.7.Теорема. Если X ÎN(m, s), то
|
|
|
|
β − m |
α − m |
) = F( |
β − m |
) - F( |
α − m |
) (7.14) |
|||
P(a £ X < b) = F ( |
s |
) - F ( |
s |
s |
s |
||||||||
|
|
|
|
|
|
|
|
|
|
||||
О. По (4.5) P(a ≤ X <b) = F(b) – F (a) = (7.13) = |
|
|
|||||||||||
= |
1 |
+ F( |
β − m ) - |
1 |
- F( |
α − m ) = F(β − m ) - F(α − m ). |
|
|
|||||
|
|
|
|
||||||||||
2 |
|
s |
2 |
|
s |
|
s |
|
s |
|
|
Использование (7.12) дает остальное. Ä.
7.8.Теорема. Пусть X Î N(m, s), d Î R. Тогда
|
|
|
P(| X - m |< d) = 2F( |
δ |
). |
|
|
(7.15) |
||||
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
s |
|
|
|
|
|
О. P(|X – m| < d) = P(– d + m < X < m + d) = (7.14) = |
|
|
||||||||||
= F( |
m + δ − m |
) - F( |
m − δ − m |
) = F( |
δ |
) - F(- |
δ |
) = 2F( |
δ |
). Ä. |
||
s |
|
|
|
|
||||||||
|
|
s |
s |
s |
s |
7.9.Правило «трех сигм». Если X Î N(m, s) и d = 3s, то
P(|X – m| < 3s) » 1. |
(7.16) |
O. По (7.15) P(|X – m| < 3s)= 2 × Ф(3) » 2 × 0,49865 » 1. |
Ä. |
Из формулы (7.16) следует, что интервал ]m - 3s; m + 3s[ есть ин- тервал практически всех возможных значений СВ X Î N(m, s), так как с увеличением интервала вероятность хотя и возрастет, но незначительно.
60