- •Министерство транспорта российской федерации
- •Введение
- •1. Основные понятия теории вероятностей
- •1.1. События. Классификация событий
- •1.2. Классическое и статистическое определение вероятности
- •1.3. Элементы комбинаторики
- •2. Алгебра событий
- •2.1. Действия над событиями
- •2.2. Теорема сложения вероятностей несовместных событий
- •2.3. Зависимые и независимые события
- •2.4. Теорема умножения вероятностей независимых событий
- •2.5. Вероятность появления хотя бы одного события
- •2.6. Условная вероятность
- •2.7. Теорема умножения вероятностей зависимых событий
- •2.8. Теорема сложения вероятностей совместных событий
- •2.9. Формула полной вероятности
- •2.10. Вероятность гипотез. Формула Байеса
- •3. Повторные независимые испытания
- •3.1. Формула Бернулли
- •3.2 Локальная теорема Муавра-Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Формула Пуассона
- •4. Случайные величины
- •4.1. Понятие случайной величины
- •4.2. Закон распределения случайной величины
- •4.3. Функция распределения случайной величины
- •4.4. Плотность вероятности
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия случайной величины
- •5.3. Среднее квадратическое отклонение случайной величины
- •5.4. Мода и медиана. Квантили
- •Решение. Находим функцию распределения
- •5.5. Моменты случайных величин. Асимметрия и эксцесс
- •5.6. Числовые характеристики независимых испытаний
- •5.7. Одинаково распределенные взаимно независимые случайные величины
- •6. Основные законы распределения
- •6.1. Биноминальный закон распределения
- •6.2. Закон распределения Пуассона
- •6.3. Равномерный закон распределения
- •6.4. Показательный (экспоненциальный) закон распределения
- •6.5 Функция надежности
- •6.6. Нормальный закон распределения
- •7. Предельные теоремы теории вероятностей
- •7.1. Закон больших чисел
- •7.1.1. Неравенство Чебышёва
- •7.1.2. Теорема Чебышёва
- •7.1.3. Теорема Бернулли
- •7.1.4. Теорема Пуассона
- •7.1.5. Теорема Маркова
- •7.2.Центральная предельная теорема
- •7.2.1. Теорема Ляпунова
- •7.2.2. Теорема Берри-Эссена
- •8. Многомерные случайные величины
- •8.1. Понятие многомерной случайной величины
- •8.2. Закон распределения вероятностей двумерной дискретной случайной величины
- •8.3. Функция распределения многомерной случайной величины
- •8.4. Плотность вероятности двумерной случайной величины
- •8.5. Условные законы распределения двумерной случайной величины
- •8.6. Зависимые и независимые случайные величины
- •8.7. Числовые характеристики двумерной случайной величины.
- •Библиографический список
- •Оглавление
- •Лаврусь Ольга Евгеньевна Конспект лекций по теории вероятностей
- •443022, Г. Самара, Заводское шоссе, 18
8.3. Функция распределения многомерной случайной величины
При изучении одномерных случайных величин уже говорилось, что самой универсальной характеристикой случайной величины является функция распределения. Она существует для всех случайных величин: как дискретных, так и непрерывных. Точно также функция распределения полностью характеризует и многомерную случайную величину.
Определение. Функцией распределения n-мерной случайной величины (Х1, Х2, …, Хn) называется функция F(x1, x2, …, xn), выражающая вероятность совместного выполнения n неравенств Х1 < х1, Х2 < х2, …, Хn < xn, т.е.
F(x1, x2, …, xn) = Р(Х1 < х1, Х2 < х2, …, Хn < xn). |
(8.1) |
В случае двумерной случайной величины XY функция распределения определяется неравенством
F(x, y) = P(X < x, Y < y). |
(8.2) |
Геометрически функция распределенияF(x, y) означает вероятность попадания случайной точки (X, Y) в заштрихованную область – бесконечный квадрант, лежащий левее и ниже точки M(x, y). Правая и верхняя границы области в квадрант не включаются – это означает, что функция непрерывна слева по каждому аргументу.
В случае двумерной дискретной случайной величины ее функция распределения определяется по формуле:
, |
(8.3) |
где суммирование вероятностей распространяется на все j, для которых xj < x, и все i, для которых yi < y.
Отметим свойства функции распределения двумерной случайной величины.
1. Функция распределения есть неотрицательная функция, заключенная между нулем и единицей, т.е.
0 ≤ F(x, y) ≤ 1. |
(8.4) |
2. Функция распределения есть неубывающая функция по каждому из аргументов, т.е.
при x2 > x1 F(x2, y) ≥ F(x1, y), при y2 > y1 F(x, y2) ≥ F(x, y1). |
(8.5) |
3. Если хотя бы один из аргументов обращается в – ∞, то функция распределения равна нулю, т.е.
F(x, – ∞) = F(– ∞, y) = F(– ∞, – ∞) = 0. |
(8.6) |
4. Если один из аргументов обращается в + ∞, то функция распределения становится равной функции распределения случайной величины, соответствующей другому аргументу, т.е.
F(x, + ∞) = F1(x), F(+ ∞, y) = F2(y), |
(8.7) |
где F1(x) и F2(y) – функции распределения случайных величин X и Y, т.е.
F1(x) = P(X < x), F2(y) = P(Y < y).
5. Если оба аргумента равны + ∞, то функция распределения равна единице:
F(+ ∞; + ∞) = 1. |
(8.8) |
Геометрически функция распределения есть некотораяповерхность, обладающая перечисленными свойствами. Для дискретной двумерной случайной величины (X, Y) ее функция распределения представляет собой некоторую ступенчатую поверхность, ступени которой соответствуют скачкам функции F(x, y).
Зная функцию распределения F(x, y) можно найти вероятность попадания случайной точки (X, Y) в пределы прямоугольника ABCD (рис. 8.2). Эта вероятность равна вероятности попадания в бесконечный квадрант с вершиной B(x2, y2) минус вероятность попадания в квадранты с вершинами в точках A(x1, y2) и C(x2, y1) плюс вероятность попадания в квадрант с вершиной в точке D(x1, y1) (так как эта вероятность вычиталась дважды), т.е.
P[(x1 ≤ X < x2)(y1 ≤ Y <y2)] = F(x2, y2) – F(x1, y2) – F(x2, y1) + F(x1, y1). |
(8.9) |