TeorVer / Лекция 8. Распределения непрерывных случайных величин
.pdfЛекция 8
РАСПРЕДЕЛЕНИЯ НЕПРЕРЫВНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН
ЦЕЛЬ ЛЕКЦИИ: определить функции плотности и числовые характеристики случайных величин, имеющих равномерное, показательное, нормальное и гамма-распределение.
Равномерное распределение
Непрерывная случайная величина X имеет равномерное распреде-
ление на участке от |
a |
до |
b , если ее плотность распределения |
f (x) на |
||
этом участке постоянна: |
|
|
|
|||
|
|
1 |
|
, x |
(a,b); |
|
f (x) |
|
|
|
(4.24) |
||
b |
a |
|||||
|
0, x |
(a,b). |
|
В дальнейшем для непрерывных случайных величин выражение для плотности f (x) записывается только для тех участков, где она отлична от нуля:
1
f (x) b a , a x b .
Значения f (x) в крайних точках a и b промежутка (a,b) не указываются, так как вероятность попадания в любую из этих точек равна
нулю. Кривая |
распределения приведена |
|
|
f ( x) |
|
|
|
|
|
|
|
|
|
|
|
|||
на рис. 4.19. Иногда это распределение |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
называют прямоугольным. Математиче- |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ское ожидание случайной величины X |
|
b |
a |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
равно середине участка (a,b) : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
a b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
mX |
. |
|
|
|
|
|
|
|
a |
|
mX |
|
b |
|
x |
|||
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
2 |
|
|
Рис. 4.19. Кривая равномерного |
|
||||||||||||||
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
распределения |
|
62
Этот же результат можно получить, вычисляя интеграл вида
b
mX xf (x)dx
a
x |
1 |
|
dx |
a b |
. |
|
|
|
|||
|
b |
a |
2 |
|
Дисперсия и среднее квадратичное отклонение равны:
DX |
(x mX )2 f (x)dx |
b |
x |
a b 2 |
1 |
|
dx |
(b a)2 |
; |
|
|
2 |
|
b |
|
12 |
|||||
|
|
a |
|
|
a |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
b |
a |
. |
||
X |
D |
X |
||||||
|
|
|
|
|||||
2 |
3 |
|||||||
|
|
|
||||||
|
|
|
|
|
Моды равномерное распределение не имеет. Медиана равна математическому ожиданию, так как равномерное распределение симметрично относительно математического ожидания. Из этого же свойства следует,
что третий центральный момент тоже равен нулю ( |
3 |
0 ). |
|
|
Для определения эксцесса вычислим четвертый центральный момент:
|
(x mX )4 f (x)dx |
b |
x |
a b 4 |
1 |
|
dx |
(b a)4 |
. |
||||
4 |
|
2 |
|
b |
|
80 |
|||||||
|
|
|
|
|
a |
|
|
a |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, эксцесс случайной величины X равен |
|
|
|||||||||||
|
4 |
3 |
(b a)4 |
(12)2 |
3 |
1,2 . |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|||||
X |
4 |
80(b |
a)4 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
Следовало ожидать, что эксцесс этой случайной величины будет отрицательным.
|
f ( x) |
|
|
F ( x) |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
b |
a |
|
|
|
|
|
|
a |
b |
x |
a |
b |
x |
|
Рис. 4.20. Вероятность попада- |
Рис. 4.21. Функция распределения |
||||
|
ния на участок ( |
, |
) |
|
|
|
Вычислить вероятность попадания случайной величины X на любую часть ( , ) участка (a,b) можно путем геометрических представлений (см. рис. 4.20):
63
P{ |
X |
} |
|
|
. |
|
|
|
|
|
|
|||
b |
a |
|
|
|
|
|
|
|||||||
Функция |
распределения F (x) является функцией, |
линейно взра- |
||||||||||||
стающей от нуля до единицы, |
|
при изменении аргумента от a до b . При |
||||||||||||
любом x функция распределения равна площади, |
ограниченной кривой |
|||||||||||||
распределения и лежащей левее точки x (см. рис. 4.20). |
|
|||||||||||||
|
|
|
|
|
0, x |
|
a |
0, x |
a |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
x |
|
|
|
x |
1 |
|
|
|
x a |
|
|||
F (x) |
|
f (x)dx |
|
|
|
|
|
dx, a x b |
|
, a x b . |
||||
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
a b |
|
a |
|
b a |
|
|||
|
|
|
|
|
1, x |
|
b |
1, x |
b |
|||||
|
|
|
|
|
|
|
|
|
||||||
Моделью равномерного распределения является гармоническое ко- |
||||||||||||||
лебание со случайной начальной фазой |
|
|
|
|||||||||||
x(t) |
cos( |
0t |
|
0 ) , |
|
|
|
|
|
|
|
|
|
|
где 0 – частота, а начальная фаза |
|
0 является непрерывной случайной |
||||||||||||
величиной с равномерным законом распределения: |
|
|
|
|||||||||||
f ( 0 ) |
|
1 |
, 0 |
|
|
2 . |
|
|
|
|
|
|||
2 |
|
0 |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Показательное распределение
Непрерывная случайная величина X имеет показательное (экспоненциальное) распределение, если ее плотность распределения имеет вид
|
f (x) |
e |
x , x 0 |
, |
|
|
|
0, x |
|
|
|
||
|
|
0 |
|
|
|
|
или |
|
|
|
|
|
|
|
f (x) |
e |
x , (x 0) , |
|
(4.25) |
|
где |
0 – единственный параметр распределения. |
|
||||
|
Функция распределения: |
|
|
|
||
|
|
|
x |
|
x |
|
|
|
F (x) |
f (x)dx |
e xdx 1 e x , (x 0) . |
(4.26) |
64
f ( x) |
F ( x) |
|
|
||
|
|
|
|
|
1 |
|
|
|
|
|
|
|
x |
|
|
|
|
|
x |
|
0 |
|
|
|
|
|
0 |
|
||
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
||
Рис. 4.22. Плотность распределения |
|
|
|
Рис. 4.23. Функция распределения |
||||||
Математическое ожидание показательного распределения: |
|
|||||||||
mX |
xf (x)dx |
x e |
x |
dx |
1 |
. |
|
|
(4.27) |
|
|
|
|
|
|||||||
|
|
0 |
0 |
|
|
|
|
|
|
|
При интегрировании по частям необходимо учесть, что при x |
e x |
стремится к нулю быстрее, чем возрастает любая степень x .
Выражение (4.27) показывает, что математическое ожидание случайной величины, имеющей показательное распределение, обратно его пара-
метру . При этом параметр |
имеет размерность, |
обратную размерно- |
||||||||||
сти случайной величины X . |
|
|
|
|
|
|
|
|
|
|
||
Дисперсия и среднее квадратичное отклонение: |
|
|
|
|
|
|||||||
DX |
2 mX2 |
x2 |
e x dx |
1 |
1 |
|
|
|
1 |
|
||
, X |
|
DX |
. (4.28) |
|||||||||
|
|
|
|
|
|
|||||||
2 |
|
2 |
|
|
|
|||||||
|
|
0 |
|
|
|
|
|
|
|
|
|
|
Среднее квадратичное отклонение случайной величины X , распределенной по показательному закону, равно ее математическому ожиданию.
Третий центральный момент:
|
|
|
3 |
|
|
|
x |
1 |
e x dx |
2 |
, |
3 |
|
3 |
|||
|
0 |
|
|
|
|
и соответственно коэффициент асимметрии
SX |
3 |
2 . |
3 |
X
Следовало ожидать, что асимметрия показательного распределения будет положительной.
65
Показательное распределение связано с простейшим потоком событий. Покажем, что интервал времени между двумя соседними событиями в простейшем потоке имеет показательное распределение с параметром, равным интенсивности потока, т. е.
f (t) e t , (t 0) .
Для этого найдем функцию распределения F(t) случайной величины T – интервала времени между соседними событиями в потоке:
F (t) P{T |
t} . |
|
|
|
|
|
|
|
|
|
|
|
|
|||
На оси времени |
0t |
отметим ин- |
|
|
|
|
t |
|
|
|
|
|||||
тервал T между соседними событиями |
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||
потока (см. рис. 4.24). Чтобы выполня- |
|
|
|
|
|
|
||||||||||
|
0 |
|
|
t |
||||||||||||
лось неравенство |
T |
t , |
необходимо, |
|
|
T |
|
|
|
|
|
|||||
Рис. 4.24. Случайная величина Т |
||||||||||||||||
|
|
|
|
|
|
|
||||||||||
чтобы хотя бы одно событие потока |
|
|
|
|
|
|
|
|
|
|||||||
попало на участок длины t . Вероятность того, что это так, |
|
|
|
|
||||||||||||
R 1 |
P{ни одно событие не попало} |
1 P |
|
1 |
e t , |
|||||||||||
1 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
( |
t)0 |
t |
|
||||
где вероятность |
P |
для пуассоновского потока равна |
|
|
|
|
e |
|
, |
|||||||
|
|
|
|
|
||||||||||||
|
0 |
|
|
|
|
|
|
|
|
0! |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
откуда функция распределения будет иметь вид |
|
|
|
|
|
|
|
|
||||||||
F (t) |
R |
1 |
e |
t , |
|
|
|
|
|
|
|
|
|
|||
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
после дифференцирования которой получаем искомую плотность распределения
f (t) F (t) |
e t , (t 0) . |
Показательное распределение широко используется в теории марковских случайных процессов, теории массового обслуживания и теории надежности.
66
Нормальное распределение
Случайная величина X распределена по нормальному (гауссовому) закону с параметрами m и , если ее плотность распределения имеет вид
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
( x m)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
f (x) |
|
|
|
|
|
|
|
|
|
e |
2 |
2 |
, |
|
|
|
|
|
x |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4.29) |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Кривая |
нормального |
|
|
распределения |
|
|
|
|
|
|
|
|
|
|
f ( x) |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
(см. рис. 4.25) имеет симметричный холмо- |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
образный вид. Максимальное значение кри- |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
вой, |
равное |
|
|
1 |
|
|
|
2 |
|
|
|
|
|
, достигается |
при |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
x |
m , т. е. мода M X |
|
|
m . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
Вычислим |
|
|
|
основные |
|
характеристики |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
случайной величины |
|
X , |
распределенной |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
||||||||||||||||||||||||||||||||||||||||||||
по |
нормальному |
|
|
закону. |
Математическое |
Рис. 4.25. Кривая нормального |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
ожидание |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
распределения |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
( x m)2 |
|
|
|
|
|
|
|
|
|
|
||||||
|
M [ X ] |
|
|
|
|
mX |
|
|
|
|
xf (x)dx |
|
|
|
|
|
|
|
|
|
|
|
xe |
2 |
|
2 |
|
dx . |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Сделаем замену переменной интегрирования |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
t |
x |
|
|
|
m |
; dt |
|
|
|
|
|
dx |
|
; x |
|
|
|
t |
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4.30) |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
и получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
2 |
|
|
|||||||||||
|
mX |
|
|
|
|
|
|
|
|
( |
|
|
|
2 t m)e t |
dt |
|
|
|
|
|
|
|
|
|
|
|
|
te t |
dt |
|
|
|
|
|
e t |
dt . |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Первый из интегралов равен нулю, как интеграл в симметричных пределах от нечетной функции; второй – это известный интеграл Эйлера – Пуассона
e t 2 dt 2 e t 2 dt |
|
|
. |
||
0 |
|
|
67
Таким образом, математическое ожидание нормального распределения
mX m |
(4.31) |
совпадает с параметром распределения m . Иногда m называют центром рассеивания случайной величины X .
Дисперсия гауссовой случайной величины X
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
( x m)2 |
|
|||
D[ X ] |
|
DX |
|
(x mX ) |
2 |
f (x)dx |
|
|
(x m) |
2 |
e |
2 |
2 |
|
dx . |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
2 |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Используя замену переменной (4.30), получаем |
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
2 |
|
|
|
2 |
|
|
|
интегриров ание по частям : |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
D |
|
|
|
|
|
|
|
2t2e t dt |
|
|
|
|
|
2 |
|
|
|
|
2 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
X |
|
|
|
|
|
|
|
|
u t; du dt; dv 2te t ; v |
|
e t |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
2 |
|
te t 2 |
|
|
|
e t 2 dt . |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Первое слагаемое в фигурных скобках равно нулю, так как при t
e t 2 |
0 быстрее, чем возрастает t . Второе слагаемое равно |
|
|
|
. |
||||
|
Таким образом, дисперсия |
|
|
|
|
DX |
2 . |
(4.32) |
Значит, параметр распределения есть не что иное, как среднее квадратичное отклонение гауссовой случайной величины X :
X |
DX |
. |
Размерности |
и m совпадают с размерностью случайной величи- |
ны X .
Положение кривой распределения и ее форма полностью определяются параметрами m и .
Вычислим моменты нормальной случайной величины X . Так, s -й центральный момент будет
s
|
|
|
|
1 |
|
|
|
|
( x m) 2 |
|
|
(x m) |
s |
f (x)dx |
|
|
(x m) |
s |
e |
2 |
2 |
dx . |
|
|
|
|
|
|
|
|
|||||
|
2 |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
68
После замены переменой (4.30) получаем
|
|
|
|
|
|
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( 2 |
) |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
t se t |
dt . |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4.33) |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Естественно, |
что при любом нечетном s |
s |
0 , как интеграл в |
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
симметричных пределах от нечетной функции. Для четных s : |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
интегриров ание по частям : |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
( 2 |
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
t s 1te t |
dt |
|
|
|
u t s 1; du (s 1)t s 2dt; |
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dv |
te t 2 ; v |
|
|
1 |
e t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
( 2 )s |
|
|
|
|
|
|
|
1 |
e t 2 t s 1 |
|
|
|
|
|
|
|
s 1 |
t s 2et 2 dt . |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
2 |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Первый член в фигурных скобках равен нулю, и поэтому получаем |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
(s |
1)( |
|
|
|
|
|
|
) |
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
t s 2e |
t |
dt . |
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4.34) |
||||||||||||||
s |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Подставим в формулу (4.33) (s |
2) |
|
вместо s : |
|
|
|
|
|
|||||||||||||||||||||||||||||||||
( |
|
|
|
|
|
|
|
) |
s |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
t s |
|
2e t |
dt . |
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(4.35) |
|||||||||||||||
s 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Сравнение выражений (4.35) и (4.34) показывает, что эти формулы различаются только множителем (s 1) 2 . Следовательно,
s (s 1) 2 s 2 .
Получено простое рекуррентное соотношение, позволяющее выражать центральные моменты более высоких порядков через центральные моменты более низких порядков. Если учесть, что для любой случайной
величины |
|
0 |
1, то получаем |
2 |
2 ; |
4 |
3 |
4 ; |
6 |
15 6 . |
|||
|
|
|
|
|
|
|
|
|
|
||||
Эксцесс нормального распределения равен нулю: |
|
||||||||||||
|
|
4 |
3 |
|
4 |
3 0 . |
|
|
|
|
|
|
|
|
|
4 |
X |
4 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
69
Вероятность попадания случайной величины X на участок от до определятся следующим образом:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
( x m)2 |
|
|
замена : |
|
||||||
P{ |
|
|
|
X |
|
|
|
} |
|
f (x)dx |
|
|
e |
2 |
2 |
dx |
|
|
x m |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
|
|||||||||||||||
|
|
m |
2 |
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
t 2 |
|
|
|
m |
|
|
|
m |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
e |
|
|
2 dt |
|
|
|
|
, |
|
(4.36) |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
1 |
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
где (x) |
|
|
|
|
|
|
e |
2 dt |
– функция Лапласа. |
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
2 |
0 |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вероятность того, что абсолютная величина отклонения гауссовой случайной величины X от своего математического ожидания m окажется меньше любого 0 , равна
|
P{| X |
|
m | |
} |
2 ( ) . |
|
(4.37) |
|||
Если в выражении (4.36) положить |
, |
x и учесть, что |
||||||||
( ) |
12 , |
то получаем функцию распределения нормальной слу- |
||||||||
чайной величины X в виде |
|
|
||||||||
|
F (x) |
|
1 |
|
|
x |
m |
. |
|
(4.38) |
|
2 |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
Модель нормального распределения. Складывается большое количество независимых случайных величин X1 , X2 , , Xn
n
X X i ,
i 1
при этом предполагается, что каждая из Xi сравнима по степени своего влияния на рассеивание суммарной случайной величины X . Закон рас-
F ( x)
1
1 / 2
0 |
|
m |
x |
Рис. 4.26. Функция распределения нормальной случайной величины
70
пределения суммы этих случайных величин (случайной величины X ) будет тем ближе к нормальному, чем больше число слагаемых n , вне зависимости от того, какие законы распределения имеют отдельные величи-
ны X1 , X2 , , Xn . Таково содержание центральной предельной теоремы теории вероятностей.
Гамма-распределение и распределение Эрланга
Неотрицательная случайная величина X имеет гамма-распределение, если ее плотность распределения выражается формулой
|
|
|
|
k xk 1e |
x |
|
|
|
|
fk (x) |
|
|
|
, (x |
0) , |
(4.39) |
|
|
|
(k) |
|
|||||
|
|
|
|
|
|
|
|
|
где |
0, k |
0 – параметры распределения; |
(k ) – гамма-функция |
|||||
|
(k) |
|
|
e tt k 1dt , |
|
(4.40) |
||
|
|
0 |
|
|
|
|
|
|
которая обладает следующими свойствами: |
|
|||||||
|
(k |
1) |
|
k (k); |
(1) |
e t dt 1. |
(4.41) |
0
Для целых неотрицательных k получаем
(k 1) k! .
Математическое ожидание случайной величины X , подчиняющейся гамма-распределению,
|
|
|
x k xk |
1e |
x |
|
|
|
|
|
mX |
|
|
|
dx |
|
замена : t |
x, dx dt |
|||
0 |
(k) |
|
|
|||||||
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
||
|
|
|
1 |
e |
ttk dt |
|
(k 1) |
. |
|
|
|
|
|
|
|
|
|||||
|
|
|
(k) |
0 |
|
|
|
(k) |
|
Учитывая свойства (4.41), окончательно получаем
mX |
k |
. |
(4.42) |
|
71