- •1. Рабочая программа
- •1.1. Пояснительная записка
- •1.2. Тематический план
- •2. Конспект лекций
- •Раздел I. Случайные события и их вероятности
- •Тема 1. Вводные замечания
- •Тема 2. Испытания и события
- •Тема 3. Виды случайных событий
- •Тема 4. Понятие вероятности
- •Тема 5. Связь понятия вероятности с функциями
- •Тема 6. Элементы комбинаторики
- •Тема 7. Примеры непосредственного вычисления вероятностей
- •Тема 8. Сумма и произведение событий
- •Тема 10. Теорема умножения вероятностей
- •Тема 12. Формула полной вероятности и формула Бейеса
- •Раздел III. Повторение испытаний
- •Тема 13. Схема Бернулли
- •Тема 14. Локальная теорема Лапласа
- •Тема 15. Интегральная теорема Лапласа
- •Раздел IV. Дискретные случайные величины
- •Тема 16. Понятие случайной величины
- •Тема 20. Биномиальное распределение
- •Тема 21. Предельные случаи биномиального распределения
- •Тема 22. Распределение Пуассона
- •Раздел V. Непрерывные случайные величины
- •Тема 25. Равномерное распределение
- •Тема 26. Нормальное распределение
- •Тема 27. Свойства нормального распределения
- •3. Контроль знаний
- •4. Глоссарий
- •5. Литература
- •Приложение 1
- •Приложение 2
- •Приложение 3
Тема 25. Равномерное распределение
Случайная величина называется равномерно распределенной на интервале (a,b) , если ее плотность распределения равна:
|
0, |
|
если |
x ≤ a |
|
|
1 |
|
|
|
(5.10) |
f (x) = |
|
, |
если a < x ≤ b |
||
|
|||||
b − a |
|
если |
x > b |
|
|
|
0, |
|
|
Функция распределения случайной величины, распределенной по равномерному закону, имеет вид:
|
0, |
|
если |
x ≤ a |
|
x − a |
|
|
|
(5.11) |
|
F(x) = |
|
, |
если a < x ≤ b |
||
|
|||||
b − a |
|
если |
x > b |
|
|
|
1, |
|
|
Графики плотности распределения и функции распределения равномерно распределенной случайной величины представлены на рис. 2.10 и рис. 2.11 соответственно.
Пример 9. Найти M ( X ) , если случайная величина X подчиняется равномерному распределению на интервале (a, b) .
f(x) |
F(x) |
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
b−a |
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
0 |
|
a |
b |
0 |
|
a |
b |
|
|
||||||||||
|
|
Рис. 2.10. График плотности |
|
Рис. 2.11. График функции |
||||||||||||||||
|
распределения для равномерно |
|
распределения для равномерно |
|||||||||||||||||
распределенной случайной величины |
распределенной случайной величины |
|||||||||||||||||||
Решение. По условию, плотность распределения |
f (x) = |
1 |
внутри ин- |
|||||||||||||||||
b − a |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
тервала (a, b) и равна нулю вне интервала (a, b) . Поэтому, по определению математического ожидания, получаем:
M ( X ) = ∫∞ xf (x)dx = ∫a |
xf (x)dx +∫b |
xf (x)dx +∫∞ xf (x)dx =∫b |
xdx |
||
b − a |
|||||
−∞ |
−∞ |
a |
b |
a |
Вычисляя интеграл в правой части по формуле Ньютона-Лейбница, получаем:
74
b |
xdx |
|
x2 |
|
b |
1 |
|
(b − a)(b + a) |
|
a +b |
|
|
|
|
|||||||
M ( X ) = ∫ |
|
= |
|
|
= |
|
(b2 − a2 ) = |
|
= |
|
b − a |
2(b − a) |
2(b − a) |
2(b − a) |
2 |
||||||
a |
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Следовательно, M ( X ) равно арифметическому среднему крайних значений равномерно распределенной случайной величины.
Пример 10. Найти дисперсию и среднее квадратическое отклонение, если случайная величина X подчиняется равномерному распределению на интерва-
ле (a, b) .
Решение. В предыдущем примере было найдено M ( X ) . Для отыскания
дисперсии D( X ) воспользуемся |
|
формулой |
(5.9). |
|
Поэтому |
найдем сначала |
||||||||||||||||||||
M ( X 2 ) . Получаем: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
∞ |
b |
|
|
dx |
|
|
|
x3 |
|
b |
|
|
b3 − a3 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
M ( X 2 ) = ∫x2 f (x)dx = ∫x2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
= |
|
|
|
|
|
= |
|
|
|
|
|
= |
|
|||||||||||
b − a |
3(b − a) |
|
a |
3(b − a) |
||||||||||||||||||||||
|
|
−∞ |
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
= |
(b − a)(b2 |
+ ab + a2 ) |
= |
b2 + ab + a2 |
||||||||||||||||||||
|
|
|
|
|
3(b |
− a) |
|
|
|
|
|
|
|
|
3 |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Следовательно: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
D( X ) = M ( X 2 ) −(M ( X ))2 |
|
|
b2 + ab + a2 |
|
|
|
a +b |
2 |
|
|
|
|||||||||||||||
= |
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
= |
|
|||||||||
|
|
|
|
3 |
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|||||
|
4(b2 |
+ ab + a2 ) −3(a +b)2 |
|
a2 |
− 2ab +b2 |
|
|
|
1 a −b 2 |
|||||||||||||||||
= |
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
||||
|
12 |
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
2 |
Таким образом:
σ = D = b2−3a
Найденное выражение σ показывает, что разброс значений равномерно распределенной случайной величины пропорционален разности крайних значений. Этот результат похож на правило трех σ в случае нормально распределенной случайной величины.
Равномерное распределение используется тогда, когда о случайной величине известны только пределы ее изменения a и b и предполагается, что внутри (a, b) все значения случайной величины равновозможны. Плотность равномер-
ного распределения симметрична относительно середины интервала (a, b) , т.е.
точки с координатой a +2 b . Ясно, что эта точка определяет математическое ожидание M ( Х).
75
Задачи для самостоятельного решения
Задача 17. Найти вероятность того, что случайная величина X с равномерным распределением на интервале (5;10) принимает значение: а) 1 < X ≤ 6 ;
б) 4 < X ≤ 8 ; в) 7 < X ≤ 9 .
Задача 18. Найти вероятность того, что если случайная величина Х подчиняется равномерному распределению на интервале (−3;7) , то она принимает
значение: а) 1 < X < 6 ; б) 0 < X < 8 ; в) − 4 < X < 9 .
Тема 26. Нормальное распределение
Непрерывная случайная величина X имеет нормальный закон распределения (закон Гаусса) с параметрами а и σ , если ее плотность вероятности имеет вид:
|
|
1 |
e− |
( x−a)2 |
|
f (x) = |
σ |
2σ 2 |
(5.12) |
||
|
2π |
|
|
|
Плотность вероятностей зависит от двух параметров (числовых характеристик) a и σ , причем a может быть любым действительным числом, а σ – только положительным.
Графики плотностей вероятностей нормально распределенных случайных величин при различных значениях параметров a и σ приведены на рис. 2.12 и 2.13 соответственно.
f(x) |
a1 < a2 |
f(x) |
σ1 <σ2 |
σ1
|
|
|
|
|
|
|
σ2 |
|
0 |
a1 |
a2 |
x |
0 |
|
|
a1 |
x |
|
Рис. 2.12. График |
|
|
|
|
Рис. 2.13. График |
|
|
|
плотности распределения |
|
|
|
плотности распределения |
|
||
|
нормально распределенной |
|
|
|
нормально распределенной |
|
||
|
случайной величины при разных |
|
случайной величины при разных |
|||||
|
значениях параметра a |
|
|
|
значениях параметра σ |
|
||
Легко заметить, что эта плотность распределения имеет колокообразную |
||||||||
форму. Она имеет максимум при x = a , |
равный |
σ |
1 |
. С увеличением σ мак- |
||||
|
|
|
|
|
2π |
|
|
симум плотности убывает, а график плотности размазывается − становится шире, т.е. медленнее убывает с увеличением расстояние между x и a . Кроме того, плотность нормального распределения симметрична относительно экстремума, так как f (a + x) = f (a − x).
76
Функция распределения нормальной случайной величины равна
|
12π |
x |
− |
(t −a)2 |
|
|
|
∫e |
|
dt |
|
||
F(x) = σ |
2σ 2 |
(5.13) |
||||
|
|
−∞ |
|
|
|
|
График функции распределения (5.13) представлен на рис. 2.14.
F(x)
1
0.5
0 |
a |
x |
Рис. 2.14. График функции распределения нормально распределенной случайной величины
Параметры a и σ являются, соответственно, математическим ожиданием и средним квадратическим отклонением нормально распределенной случайной
величины X , т.е.: |
|
|
M ( X ) = a |
σ( X ) =σ |
(5.14) |
Нормированным или стандартным называют нормальное распределение |
||
с параметрами a =0 и σ =1. К такой случайной величине сводится |
любая нор- |
мально распределенная случайная величина Y с параметрами a и σ. Если X - нормальная величина с параметрами а и σ , то Y = ( X − a) / σ – нормированная
нормальная величина и M (Y ) = 0 , σ(Y ) =1. Поэтому функция распределения нормально распределенной случайной величины с параметрами а и σ F (x) связана с функцией распределения нормированной случайной величины F0 (x) соотношением:
F(x) = F0 x −aσ
Функция распределения нормированной нормальной случайной величины связана с функцией Лапласа следующим соотношением:
F (x) = 1 |
x |
− |
t2 |
1 |
0 |
− |
t2 |
1 |
x |
e− |
t2 |
|
||||
e |
2 |
dt = |
e |
2 |
dt + |
|
2 |
dt = 0.5 + Φ(x) |
(5.14) |
|||||||
0 |
2π −∞∫ |
|
|
|
2π −∞∫ |
|
|
|
2π ∫0 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
77
Если случайная величина X распределена по нормальному закону с параметрами а и σ , то вероятность того, что X примет значение, принадлежащее интервалу (α, β) , равна:
P(α < X < β) = F(β) − F(α) = F |
|
β −a |
− F |
α −a |
= |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
σ |
|
|
|
|
|
|||||||||||
|
|
|
|
0 |
|
|
0 |
σ |
|
|
|
|
α −a (5.15) |
|||||
β −a |
−0.5 |
|
α −a |
|
β −a |
|
|
|
|
|||||||||
= 0.5 +Φ |
σ |
|
−Φ |
|
|
σ |
|
= Φ |
σ |
|
−Φ |
σ |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Вернемся к схеме n |
независимых испытаний с |
n , |
np |
и |
nq → ∞ (раз- |
дел III). В этом случае вероятность между заданными пределами a и b записать в виде:
того, что число успехов X = k заключено , определяется равенством (3.4). Его удобно
Pn (a ≤ k < b) = F(x2 ) − F(x1) ,
где x1 и x2 так же, как в (3.5), удовлетворяют:
x |
= |
a − np |
, |
x |
2 |
= |
b − np |
, σ = |
npq , |
|
|
|
||||
1 |
|
σ |
|
|
|
|
σ |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
1 |
|
|
1 |
|
|
1 |
|
x − |
t 2 |
|
1 |
x |
− |
t 2 |
|
|
|
|
|
|
|
|
|
|
|
||||||||
F(x) = 2 |
+Φ(x) = |
2 |
+ |
|
2π |
∫e 2 dt = |
2π |
∫e 2 dt |
||||||||
|
|
|
|
|
|
|
|
0 |
|
|
|
|
−∞ |
|
|
|
При этом учитывается, что |
Φ(0) = 0 , Φ(∞) = 0.5, |
и, |
следовательно, |
|||||||||||||
F (−∞) = 0 , F(0) = 0.5, F(∞) =1 и F (x) |
является функцией распределения слу- |
|||||||||||||||
чайной величины Y со значениями: |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Y = X − M ( X ) , |
|
|
|
|
(5.16) |
|||||||||
|
|
|
|
|
|
D( X ) |
|
|
|
|
|
|||||
где X подчиняется биномиальному распределению, если |
n , |
np и nq → ∞, |
M ( X ) = np, D( X ) = npq .
Рассмотренная выше случайная величина Y выводится из формулы (5.16), когда a = 0,σ = npq . Поэтому можно сказать, что после перехода к пределу при
n, k, n − k → ∞ в биномиальном распределении случайная величина Y = X − np |
||
|
|
npq |
подчиняется нормальному распределению с a = 0,σ = |
npq . Это значит, что чис- |
|
ло успехов в схеме независимых испытаний при n, np, nq >> 1 |
оказывается нор- |
|
мально распределенной случайной величиной при a = np и σ = |
npq . |
|
Почему случайная величина Y = X −np оказалась непрерывной? При лю- |
||
npq |
|
|
бом n и X = k = 0,1,2,..., n она принимает значение |
yk = k − np . В частности, |
|
|
npq |
78
наименьшее |
из всех возможных |
значений |
случайной величины |
Y |
равно |
||||||||||||||||
−np |
=− |
np |
, |
наибольшее − равно |
n−np |
= |
nq , |
и |
yk+1 |
−yk = |
k +1 |
− |
k |
|
= |
1 |
|
= |
|
1 |
|
|
npq |
npq |
σ |
||||||||||||||||||
npq |
|
q |
|
|
npq |
|
p |
|
|
|
npq |
|
|
есть разность между ее соседними значениями. Поэтому при увеличении n → ∞ разность между соседними значениями случайной величины Y становится бесконечно малой величиной (ее предел равен нулю), а пределы ее изменения стремятся к − ∞ и + ∞, заполняя непрерывные интервалы.
Таким образом, случайная величина Y отличается от числа успехов в схеме независимых испытаний X тем, что ее возможные значения нельзя указать и приходится ограничиться заданием вероятностей того, что ее значения попадут в некоторые интервалы.
Пример 11. Вычислить плотность вероятности нормально распределенной случайной величины X , зная, что M ( X ) = 3, D( X ) =16 . Найти вероятность то-
го, что X примет значение, меньше 5. |
|
|
|
|
|
|
|
|
|
|
|
|||
Решение. Если дисперсия равна 16, то σ = |
D(X ) = |
16 = 4 . Согласно (5.12), |
||||||||||||
плотность вероятности будет иметь вид: |
|
|
|
|
|
|
|
|
|
|
||||
|
1 |
|
e− |
( x−3)2 |
|
|
|
1 |
|
e− |
( x−3)2 |
|||
f (x) = |
|
2 42 |
|
|
|
|
|
|
||||||
|
= |
4 |
|
|
32 |
|
||||||||
4 |
2π |
|
|
|
|
|
2π |
|
|
|
|
|||
Вероятность того, что X примет значение, меньше 5, равна: |
||||||||||||||
P( X < 5) = F(5) = |
1 |
|
5 |
−3 |
|
= |
1 |
|
1 |
|
||||
2 |
+ Φ |
4 |
|
2 |
+ Φ |
= 0.6915 |
||||||||
|
|
|
|
|
|
|
2 |
|
Пример 12. Математическое ожидание и дисперсия нормально распределенной случайной величины X равны соответственно 20 и 25. Найти вероятность того, что в результате испытания X примет значение в интервале (15;25) .
Решение. По условию задачи, a = 20 , σ = D(x) = 25 = 5. По формуле
(5.15), получаем:
P(15 < X < 25) |
25 |
− 20 |
|
|
15 − 20 |
|
|
|
= Φ |
|
|
|
− Φ |
|
|
= |
|
|
5 |
5 |
||||||
|
|
|
|
|
|
|||
= Φ(1) − Φ(−1) = 2Φ(1) = 2 0.3413 |
= 0.6826 |
|
Задачи для самостоятельного решения
Задача 19. Математическое ожидание нормально распределенной случайной величины X равно трем единицам, а среднеквадратическое отклонение – двум. Вычислить плотность распределения.
Задача 20. Нормально распределенная случайная величина задана плотностью распределения:
79