TeorVer / Лекция 11. Закон распределения и числовые характенистики функций случайных величин
.pdfЧАСТЬ 6
ФУНКЦИИ СЛУЧАЙНЫХ ВЕЛИЧИН
Лекция 11
ЗАКОН РАСПРЕДЕЛЕНИЯ И ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ
ФУНКЦИЙ СЛУЧАЙНЫХ ВЕЛИЧИН
ЦЕЛЬ ЛЕКЦИИ: ввести понятие функции случайной величины и провести классификацию возникающих при этом задач; вывести закон распределения функции одного случайного аргумента и закон распределения суммы двух случайных величин; пояснить понятие композиции законов распределения.
Понятие о функции случайной величины
Среди практических приложений теории вероятностей особое место занимают задачи, требующие нахождения законов распределения и/или числовых характеристик функций случайных величин. В простейшем случае задача ставится следующим образом: на вход технического устройства поступает случайное воздействие X ; устройство подвергает воздействие X некоторому функциональному преобразованию и на выходе дает
случайную величину Y ( X ) (см. рис. 6.1). Нам известен закон распре-
деления случайной величины X , и требуется найти закон распределения и/или числовые характеристики случайной величины Y .
|
|
|
|
|
X1 |
|
|
|
X1 |
|
|
|
|
|
Y1 |
|
||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
X2 |
|
|
|
|
|
X2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y2 |
|
||
X |
|
|
|
Y |
Y |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Yn |
|
|
|
|
|
|
Xn |
|
|
|
Xn |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 6.1. Функции случайных величин
Можно выделить три основные возникающие задачи:
1. Зная закон распределения случайной величины X (или
вектора X ( X1, X 2 |
, , X n ) ), найти |
закон распределения |
|
|
( X1, X 2 , , X n ) ). |
случайной величины Y ( X ) (или Y |
случайного
выходной
97
2. Зная закон распределения случайной величины X , найти только числовые характеристики выходной случайной величины.
3. В некоторых случаях (при особых видах преобразования ) для нахождения числовых характеристик выхода не требуется знать закон распреде-
ления входной случайной величины X , а достаточно знать только его числовые характеристики.
Рассматриваем случайную величину Y , зависящую функционально от случайной величины X , т. е. Y ( X ) . Пусть случайная величина
X дискретна и известен ее ряд распределения:
Х: |
|
, x1 |
x2 |
|
… xi |
… |
xn |
|
|
||||
|
|
p1 |
p2 |
|
… |
pi |
… |
pn |
, |
|
|||
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
где pi P{X |
xi }, (i |
1,2); |
pi |
1 . |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
При подаче на вход значения случайной величины X xi на выходе |
|||||||||||||
получим Y |
|
|
yi |
(xi ) с вероятностью |
pi . И так для всех возможных |
||||||||
значений случайной величины X . Таким образом, получаем табл. 6.1. |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
Таблица 6.1 |
||
|
|
(x1) |
(x2 ) |
… (xi ) |
… (xn ) |
|
|||||||
|
|
||||||||||||
|
|
p1 |
p2 |
|
|
|
… |
pi |
… |
pn |
Полученная табл. 6.1 в общем случае может не быть рядом распределения случайной величины Y , так как значения в верхней строке таблицы
могут быть расположены в невозрастающем порядке, |
а некоторые (xi ) |
могут даже совпадать. |
|
Для преобразования табл. 6.1 в ряд распределения случайной величи- |
|
ны Y необходимо упорядочить возможные значения yi |
(xi ) по возрас- |
танию, а вероятности совпадающих значений (xi ) нужно сложить.
Для нахождения числовых характеристик случайной величины Y преобразовывать (6.1) в ряд распределения нет необходимости, так как их можно вычислить по таблице (6.1). Действительно, находя сумму произ-
ведений возможных значений случайной величины Y на их вероятности, получаем
|
n |
|
my M [Y ] M [ ( X )] |
(xi ) pi . |
(6.1) |
|
i 1 |
|
98
Таким образом, зная только закон распределения аргумента X , можно найти математическое ожидание функции случайной величины.
Аналогично находим дисперсию случайной величины Y :
2 |
|
|
n |
|
|
2 |
] |
( (x ) m ) |
2 |
p . |
|
D M [Y |
] M [(Y m ) |
|
|||
Y |
Y |
|
i Y i |
i 1
Аналогично определяем начальные и центральные моменты любых порядков случайной величины Y ( X ) :
|
n |
|
|
|
|
|
|
|
n |
|
|
s |
(Y ) |
[ (x )]s p ; |
s |
(Y ) |
[ (x ) m ]s p . |
||||||
|
|
i |
i |
|
|
|
i |
Y |
i |
||
|
i 1 |
|
|
|
|
|
i |
1 |
|
|
|
Для непрерывной случайной величины |
X , имеющей плотность рас- |
||||||||||
пределения f (x) , получаем |
|
|
|
|
|
|
|
|
|||
mY M [Y ] |
|
M [ ( X )] |
|
|
(x) f (x)dx ; |
|
|
||||
|
2 |
] |
( (x) m ) |
2 |
f (x)dx ; |
|
|
||||
D M [Y |
|
|
|
||||||||
Y |
|
|
|
|
Y |
|
|
|
|
|
|
s |
(Y ) |
[ (x)]s f (x)dx; |
s |
(Y ) |
[ (x) m ]s f (x)dx . |
|
|
|
Y |
Видим, что для нахождения числовых характеристик функции ( X )
вовсе не нужно знать ее закон распределения – достаточно знания закона распределения аргумента X .
Теоремы о числовых характеристиках функций случайных величин
В некоторых задачах числовые характеристики системы случайных
величин Y ( X1, X 2 , , X n ) можно определить как функции числовых
характеристик системы случайных величин X ( X1, X 2 , , X n ) . В этом случае не требуется даже знание закона распределения аргумента, например совместную плотность распределения f (x1, x2 , , xn ) , а достаточно
иметь только числовые характеристики этой системы случайных величин. Для решения таких задач сформулированы следующие теоремы о числовых характеристиках функций случайных величин:
99
1. |
M [C] C , |
3. |
M[CX ] CM [ X ] , |
2. |
D[C] 0 , |
4. |
D[CX ] C 2 D[ X ], |
где C – неслучайная величина. |
|||
5. |
M[X1 X2 ] |
M[X1] M[X2 ] для любого числа слагаемых, как неза- |
|
висимых, так и зависимых, коррелированных и некоррелированных. |
|||
6. |
Математическое ожидание от линейной комбинации случайных вели- |
чин X1, X2 , , Xn |
равно той же линейной функции от математических |
|
ожиданий рассматриваемых случайных величин: |
||
n |
|
n |
M[a0 |
ai X i ] a0 |
ai M[ X i ] . |
i 1 |
|
i 1 |
7. Дисперсия суммы случайных величин равна сумме всех элементов кор-
реляционной матрицы |
Kij |
этих случайных величин |
|
n |
n |
n |
|
D[ |
Xi ] |
|
Kij . |
i 1 |
i 1 |
j 1 |
Так как корреляционная матрица Kij симметрична относительно глав-
ной диагонали, на которой находятся дисперсии, то последнюю формулу перепишем в виде
n |
n |
|
D[ Xi ] |
|
D[ Xi ] 2 Kij . |
i 1 |
i 1 |
i j |
Если случайные величины X1, X2 , , Xn не коррелированы, то справедлива теорема о сложении дисперсий:
n |
|
n |
D[ |
X i ] |
D[ X i ] . |
i |
1 |
i 1 |
8. Дисперсия линейной функции случайных величин определяется по формуле
n |
|
n |
|
|
|
|
|
|
|
D[a |
a X |
] |
a2 D[ X |
] 2 |
a a |
K |
ij |
. |
|
0 |
i i |
|
i |
i |
|
i j |
|
|
|
i 1 |
|
i 1 |
|
|
i |
j |
|
|
|
100
9. Математическое ожидание произведения двух случайных величин равно произведению математических ожиданий плюс ковариация
M[X1 X2 ] M[X1]M[X2 ] K12 .
Математическое ожидание произведения двух некоррелированных случайных величин равно произведению их математических ожиданий
M[X1 X2 ] M[X1]M[X2 ] .
10. Дисперсия произведения независимых случайных величин X1, X2 ,, Xn выражается формулой
n |
|
|
n |
|
n |
n |
n |
D X |
i |
(D m2 ) |
m2 |
2i |
m2 |
||
|
|
i |
i |
i |
i |
||
i 1 |
|
|
i 1 |
|
i 1 |
i 1 |
i 1 |
Если случайные величины |
X1, X2 , , Xn |
независимые и центрирован- |
|||||
ные, получаем |
|
|
|
|
|
|
|
n |
Xi |
n |
|
|
|
|
|
D |
D[ Xi ] . |
|
|
|
|||
|
|
|
|
|
|
|
|
i 1 |
|
|
i 1 |
|
|
|
|
Закон распределения функции случайного аргумента
Есть непрерывная случайная величина X с плотностью распределения f (x) , связанная со случайной величиной Y функциональной зависимостью Y ( X ) . Требуется найти закон распределения случайной величиной Y .
Рассмотрим случай, когда ( X ) строго монотонна, непрерывна и дифференцируема на интервале (a,b) всех возможных значений случайной величиной X .
Функция распределения G( y) случайной величины Y по определению есть G( y) P{Y y}. Если функция (x) монотонно возрастает на
участке всех возможных значений случайной величиной |
X , то событие |
|
{Y y} эквивалентно событию {X |
1( y)} , где 1 ( y) |
есть функция, |
101
обратная функции |
(x) . Когда |
|
y |
|
|
|
|||
случайная величина X принимает |
|
|
|
|
|
||||
значения на участке (a,b) , то |
|
|
|
|
|
||||
случайная точка ( X ,Y ) переме- |
|
|
|
|
|
||||
щается по кривой |
y |
(x) (ор- |
Y |
y |
|
|
|
||
дината |
полностью |
определяется |
|
|
|
x |
1 ( y) |
||
абсциссой) (см. рис. 6.2). Из стро- |
|
a |
|
b |
x |
||||
гой монотонности |
(x) |
следует |
|
|
|
|
|||
|
x |
1 ( y) |
|
|
|||||
монотонность |
1 ( y) , и поэтому |
Рис. 6.2. Функция случайного аргумента |
|||||||
функцию распределения случайной величиной Y можно записать следую- |
|||||||||
щим образом: |
|
|
|
|
|
|
|
|
|
|
|
1 ( y ) |
G( y) P{Y y} P{X |
1( y)} P{a X |
1( y)} |
f (x)dx . |
|
|
|
a |
Дифференцируя это выражение по y , входящему в верхний предел интеграла, получаем плотность распределения случайной величиной Y в виде
g( y) |
|
dG( y) |
f ( |
1 ( y)) |
d |
1 ( y) |
f ( 1 ( y))( 1 ( y)) . |
|
|
|
dy |
|
dy |
||||
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
(6.2) |
Если функция |
(x) на участке (a,b) |
возможных значений случай- |
||||||
ной величиной |
X монотонно убывает, то, проведя аналогичные выклад- |
|||||||
ки, получаем |
|
|
|
|
|
|
|
|
g( y) |
f ( |
1( y))( |
1( y)) . |
|
(6.3) |
Диапазон возможных значений случайной величиной X может быть в выражениях (6.2) и (6.3) от до .
Так как плотность распределения не может быть отрицательной, то формулы (6.2) и (6.3)можно объединить в одну
g( y) f ( 1 ( y)) |
( 1 ( y)) |
. |
(6.4) |
|
|
|
|
102
Пример. Пусть функция случайной величины |
( X ) является линей- |
|||
ной, т. |
е. Y aX |
b , где a 0 . |
Непрерывная случайная величина X |
|
имеет |
плотность |
распределения |
f (x) , и тогда, |
используя выражение |
(6.4), найдем закон распределения g( y) , учитывая, что обратная функция
есть 1( y) |
y b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
||||||||||||||||||
, а модуль ее производной равен |
( 1 ( y)) |
|
|
, |
|||||||||||||||||||||||||||||||||||||||
|
|
a |
|
|
a |
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
y b |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
g( y) |
|
|
f |
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(6.5) |
||||||||||||||||||
|
|
|
|
|
|
a |
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Если случайная величина X имеет нормальное распределение |
|
|
|
||||||||||||||||||||||||||||||||||||||||
f (x) |
1 |
|
|
|
|
|
|
exp |
(x |
|
mX ) |
2 |
|
, |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
2X |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
то согласно (6.5) получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
b |
2 |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
mX |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
g( y) |
|
|
|
|
|
|
|
|
1 |
|
|
|
|
exp |
|
|
|
a |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
2X |
|
|
|
|
|
|
|
|
|
|
||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
X |
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( y |
(am |
|
|
|
b))2 |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
exp |
|
|
|
|
|
|
|
|
|
|
X |
|
. |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
X |
|
a |
|
|
|
|
|
|
|
|
|
|
2 |
X2 a2 |
|
|
|
|
|
|
|
|
|||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Это по-прежнему нормальный закон распределения с математическим
ожиданием m |
am |
|
b , дисперсией |
D |
a2 2 |
и средним квадратич- |
||
Y |
X |
|
|
|
|
Y |
X |
|
ным отклонением |
Y |
|
a |
|
X . |
|
|
|
|
|
|
|
|
В результате линейного преобразования нормально распределенной случайной величины X получаем случайную величину Y , также распределенную по нормальному закону.
103
Закон распределения суммы двух случайных величин. Композиция законов распределения
Имеем систему двух непрерывных случайных величин (X1, X2 ) и их
сумму – случайную величину Y X1 |
X2 . Необходимо найти закон рас- |
пределения случайной величины Y , |
если известна совместная плотность |
распределения системы f (x1, x2 ) . |
|
Функция распределения G( y) |
P{Y y} P{X1 X2 y} – это |
площадь области D( y) на плоскости x10x2 , где выполняется неравенство
X1 X2 y (см. рис. 6.3), т. е.
|
y |
x1 |
G( y) |
f (x1, x2 )dx1dx2 |
f (x1, x2 )dx2dx1 . |
|
D( y) |
|
Продифференцировав это выражение по |
y , получаем плотность распре- |
x2 |
y |
D(y) |
x1 |
Рис. 6.3. Закон распределения суммы |
случайных величин |
деления вероятности случайной величины Y X1 X2
g( y) f (x1, y x1)dx1 .
Учитывая симметрию слагаемых, можно записать аналогичное соотношение
g( y) f ( y x2 , x2 )dx2 .
Если случайные величины X1 и
X 2 независимы, т. е. выполняется равенство f (x1, x2 ) |
f1(x1) f2 (x2 ) , то |
|
две последние формулы примут вид: |
|
|
g( y) |
f1 (x1 ) f2 ( y x1 )dx1 ; |
(6.6) |
g( y) |
f1 ( y x2 ) f2 (x2 )dx2 . |
(6.7) |
104
В том случае, когда складываются независимые случайные величины X1 и X 2 , то говорят о композиции законов распределения. Для обозначения композиции законов распределения иногда применяется символьная
запись: g f1 f2 .
Закон распределения называется устойчивым к композиции, если при композиции законов распределения этого типа получается снова тот же закон, но с другими значениями параметров. Например, если сложить две независимые нормальные случайные величины, то результирующая случайная величина будет иметь нормальный закон распределения, т. е. нормальный закон устойчив к композиции. Кроме нормального закона, устойчивыми к композиции являются законы распределения Эрланга, биноминальный, Пуассона.