- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
5.5Непрерывная случайная величина
Пусть некоторая случайная величина имеет бесконечное несчетное множество значений (интервал или объединение интервалов). Дадим определение непрерывной случайной величины.
Определение. Случайная величина X называется непрерывной, если ее функция распределения непрерывна в любой точке и дифференцируема всюду, кроме, может быть, отдельных точек.
Отметим, что функция распределения непрерывной случайной величины должна обладать характеристическими свойствами.
Рис. 5.4: График функции распределения непрерывной случайной величины
Непрерывные случайные величины обладают следующим свойством: вероятность любого отдельно взятого значения непрерывной случайной величины равна нулю.
На первый взгляд это утверждение может показаться неверным, поскольку вероятность P (α ≤ X ≤ β) складывается из вероятностей попадания случайной величины X в каждую из точек отрезка. Однако теорема сложения вероятностей действует только в случае конечного или счетного множества слагаемых и не работает в случае несчетного множества.
На основании данного утверждения можно сформулировать следующее утверждение: Если X - непрерывная случайная величина, то вероятность попадания случайной величины в интервал (x1, x2) не зависит от того, является ли этот интервал открытым или
закрытым, т.е.
P (x1 < X < x2) = P (x1 ≤ X ≤ x2) = P (x1 < X ≤ x2) = P (x1 ≤ X < x2).
Задание непрерывной случайной величины с помощью функции распределения не является единственным. Введем понятие плотности вероятности непрерывной случайной
36
величины.
Рассмотрим вероятность попадания случайной величины на интервал [x; x + x]. Эта вероятность равна
P (x ≤ X ≤ x + x) = F (x + x) − F (x),
т.е. равна приращению функции распределения F (x) на этом участке. Тогда вероятность, приходящаяся на единицу длины, т.е. средняя плотность вероятности на участке от x до x + x равна
P (x ≤ X ≤ x + x) |
= |
F (x + x) − F (x) |
. |
x |
|
x |
Переходя к пределу при x → 0 в последнем равенстве, получим плотность вероятно-
сти в точке x: |
|
|
|
|
|
|
lim |
P (x ≤ X ≤ x + |
x) |
= lim |
F (x + |
x) − F (x) |
= F 0(x), |
|
||||||
x |
|
|
x |
|||
x→0 |
|
x→0 |
|
представляющую производную функции F (x).
Определение. Плотностью вероятности непрерывной случайной величины X называется производная ее функции распределения.
Обозначается плотность вероятности f(x) или ϕ(x). По определению
f(x) = F 0(x).
Плотность вероятности, как и функция распределения, является одной из форм закона распределения непрерывной случайной величины, но в отличие от функции распределения, существует только для непрерывных случайных величин.
Свойства плотности вероятности непрерывной случайной величины.
1. Плотность вероятности - неотрицательная функция, на всей области определения
f(x) ≥ 0.
2.Вероятность попадания непрерывной случайной величины в интервал [a, b] равна определенному интегралу от ее плотности вероятности в пределах от a до b, т.е.
P (a ≤ X ≤ b) = Za |
b |
f(x)dx. |
Геометрически полученная вероятность равна площади фигуры, ограниченной сверху кривой распределения и опирающейся на отрезок [a, b].
3.Функция распределения непрерывной случайной величины может быть выражена через плотность вероятности по формуле:
x
Z
F (x) = f(t)dt.
−∞
Геометрически функция распределения равна площади фигуры, ограниченной сверху кривой распределения и лежащей левее точки x.
37
Рис. 5.5: Вероятность попадания в интервал
Рис. 5.6: Геометрическая иллюстрация функции распределения
4.Несобственный интеграл в бесконечных пределах от плотности вероятности непрерывной случайной величины равен единице:
+∞
Z
f(x)dx = 1.
−∞
Геометрически это свойство означает, что полная площадь фигуры, ограниченной кривой распределения и осью абсцисс, равна единице.
5.6Числовые характеристики непрерывной случайной величины
Определение. Математическим ожиданием непрерывной случайной величины X назы-
вается интеграл
+∞
MX = Z |
xf(x)dx. |
−∞ |
|
38
Этот интеграл предполагается абсолютно сходящимся. В противном случае, т.е. когда интеграл расходится или сходится условно, считают, что случайная величина X не имеет математического ожидания.
Вероятностный смысл этой формулы такой же, что и для дискретной случайной величины. Это ее среднее значение, точнее - средневзвешенное значение с весовой функцией, равной плотности вероятности.
Математическое ожидание непрерывной случайной величины обладает теми же свойствами, что и математическое ожидание дискретной случайной величины.
Определение дисперсии случайной величины X, данное ранее с помощью формулы
2 |
˜ 2 |
), |
DX = M[(X − mX ) |
] = M(X |
является общим как для дискретной, так и для непрерывной случайной величины. По
этой формуле имеем
+∞
Z
DX = (x − mX )2f(x)dx.
−∞
Свойства дисперсии, сформулированные для дискретных случайных величин, сохраняются и для случая непрерывных случайных величин.
Определение. Модой непрерывной случайной величины называется точка максимума ее плотности вероятности.
Определение. Медианой (Me X, Me) непрерывной случайной величины называется ее значение, обладающее свойством - вероятности попадания случайной величины X левее и правее медианы равны:
P (X < Me) = P (X > Me).
С помощью функции распределения данное равенство записывается в виде F (Me) = 1 − F (Me) откуда
F (Me) = 1/2.
Если F (x) строго возрастает, то медиана единственна. В случае отсутствия математического ожидания его роль, как среднего, обычно выполняет медиана.
Определение. Коэффициентом асимметрии распределения (скошенности), или просто асимметрией называется число, равное отношению третьего центрального момента случайной величины к кубу ее среднего квадратического отклонения:
aX = µ3/σX3 .
Для непрерывной случайной величины aX > 0, если график одномодальной плотности имеет пологую часть справа, а крутую слева от моды; aX < 0, если наоборот; aX = 0 для симметричного распределения.
Определение. Квантилем порядка p непрерывной случайной величины X называется ее значение xp, удовлетворяющее уравнению
F (xp) = p.
Квантили порядков p = 1/4 и p = 3/4 называются соответственно нижней и верхней квартилями.
Если F (x) строго возрастает, то квантиль xp единственна. Квантиль порядка p = 1/2 есть медиана распределения.
39